3个模型搞清楚用户留存分析

Posted 2021-02-21 wuzc

什么是用户留存？

进入互联网下半场后，互联网流量竞争愈发激烈，获客成本不断提升，企业不可能无限制的投入成本拉取新用户，那么最大限度的保证用户的留存就变得异常重要。

怎么理解留存呢？想必大家小学一定做过“蓄水池”的题目。

一个游泳池，有一个进水管，灌满水需要X小时。有一个出水管，放完一池子水需要Y小时。问如果两个水管一起开，几小时会把池子的水灌满。小时候觉得出题的人太傻了，怎么会有这种情况发生，进水管出水管一起开。但长大后，特别是在互联网行业，发现这样的事情太普遍了。用大量的成本去获客，但由于各种各样的问题，导致用户留不下来，最后白忙活一场。对比来看，进水管就好比获客，出水管就好比用户流失，池子中的水就是留存。当进水管的水量有限，出水管的水量却越来越大，留给自己只能是一个空池子。中国有个歇后语叫做”狗熊掰玉米，掰一个扔一个“，也可以用来形容这种场景

为什么说留存重要呢？曾经有个数据分析产品公司模拟过这样一个场景：

假设有2个产品A和B，两个产品每周都能获取100位新用户，新用户的次周留存率都是60%，往后每周B产品的留存率都要比A产品高2个百分点。这样经过 29周，A产品的用户仅有700位，B产品的用户却达到了1400位。

是不是非常令人吃惊。对比两种情况，他们的拉新量一致，留存率仅有 2% 的区别，但是 29 周之后，用户的比例竟然变成了 1：2。也就是说大约半年后，产品B的用户就是产品A的两倍。这组对比数字形象的说明了用户留存的重要性。

 

 

所以说现在的企业越来越关注留存，很多运营或者产品的负责人，一年核心的KPI就是提高3%的留存率，看着3%这个数字不高，但却能带来巨大的收益；但话说回来，别看3%这个数字不大，但想提高也并没有那么容易，这里就需要科学有效的分析，找到合适的留存分析模型。

 

留存分析模型

多长时间算留存，怎么样才算留存，这个因业务类型而异。就拿滴滴来说，他的用户分为B/C两端。对于B端用户，也就是司机，开车是职业，所以是一个高频的行为。留存时间窗口的选择需要短一些，次日留存，3日留存，7日留存等。而对于C端用户来说，打车只能算是一个中频行为，天天打车的用户毕竟还是少数。留存的时间窗口就可以从7日开始算，也就是7日留存，14日留存等。

留存分析模型重点在于对用户的分群，分析不同类型用户的留存情况，找到差异，定位解决问题：

模型一：新老用户同期群分析（Cohort Analysis）方法

同期群是用户分析最普遍的方法，在著名的《精益数据分析》中也被多次提到。比如用每周的新用户，观察相同时间间隔后的表现。例如图一，2019/1/1的新用户在第一周的留存率是49%，但2019/2/5的新用户在第一周的留存率是却只有40%，这就说明新用户的留存率在下降，需要重点关注。并且可以对比后续每周的表现，看是否好转。

为什么要区分新老用户呢？因为新老用户对于产品的反应是有很大差别的，一定要区分来看。比如你第一次去京东，由于不熟悉这家电商，很有可能逛逛就走了；但如果你是一个京东的老用户，登录京东后就很可能产生购物行为。通过区分新老，能够清晰的看到这两种用户的表现，便于发现到底是哪种用户发生了问题。

如果是新用户的留存下降，很可能是新用户没有快速的感受到产品的核心价值。比如物流，用户的主要诉求就是快，那么对于新用户是否能让他感受到这个价值。如果是老用户的留存率下降，也许是产品的体验在变差，或者受其他竞品的影响。

 

 图一 新用户同期群分析

 

图二 老用户同期群分析

 

模型二：渠道同期群分析方法

企业经常采取多种渠道来获客。有线上的方式，比如百度搜索或者抖音短视频等；有新媒体的方式，比如公众号，知乎等；有线下的方式，比如线下沙龙和公众活动。各种渠道的获客都需要成本的，我们需要知道是哪种渠道的新用户留存高，留存率高说明这是高价值渠道，我们可以在这里做更多的投入。

比如图三，可以明显观察到，渠道一用户的留存率明显高于渠道二和渠道三，说明渠道一的用户和产品的契合度更高，为高质量渠道，应该在这里加大投入。

 

图三 渠道同期群分析

 

模型三：产品功能留存矩阵

一个产品一般具有很多功能，通过分析了解各个功能的价值，找到各个功能的提升空间，进而通过功能优化来整体提升用户留存。

以图四为例，矩阵的横轴是功能的留存率，表示当前功能的用户黏性；纵轴是活跃用户的数量。做出这样一个矩阵后，我们就可以看到不同的功能在矩阵中的位置分布。

1 比如橘色代表的功能就是产品的核心功能，使用率和留存率都很高，我们要保证核心功能的体验越来越好，并持续监控使用情况，防止意外发生；

2 比如绿色代表的功能，这个功能虽然使用的人数不多，但留存率非常高，说明这个功能的体验很好，我们要尽量引导用户使用这个功能；

3 而对于红色代表的功能，虽然使用的用户很多，但留存率不高。也许是这个功能有用，但体验不好；也许是这个功能本身就是鸡肋；所以我们要继续深入分析，来决定是优化功能还是直接下线。

 

 图四 产品功能留存矩阵

留存分析的注意事项

需要注意的是，虽然有了这么多模型，但一定不能生搬硬套，要根据业务的实际情况运用。在分析留存的时候，经常会遇到以下几个问题：

1 只关注留存，忽视活跃。一般情况下，留存是活跃的结果。如果只看留存，就会变成事后诸葛亮，并且于事无补。比如一个用户之前每天都会登录APP，突然有一个月，每周才登录一两次，又过了一个月，这个用户就流失了。如果只统计留存，拿到的只是结果，应该对用户的活跃也做监控，才能做到事前预警。

2 不懂业务，单纯计算留存率。有的同学以为算个留存率就完事了。但老板也许会问。这个留存率是否正常呢？比如促销活动的留存率多少算正常？行业其他竞品的留存率是多少？怎么定义新用户？结果统统答不上来，那计算这个留存率有什么意义是呢。对业务越熟悉，做留存分析的时候才会更深入，才能提供更多的价值

3 希望让所有用户留存下来。这是不可能的，即使微信也做不到。这就是需要通过我们的分析，来确定哪些才是我们的目标用户，我们的产品和策略都应该向这种用户倾斜。而不是通过不断的补贴，来增加用户的黏性，结果只会养一批”羊毛党“，并且让我们自己迷失产品和策略的方向。