运营质量分析-深入活跃、留存、转化关键指标！

不知道大家有没有这样的疑问：同样是新增用户，有的用户就能很快地get到产品的点，然后迅速注册进行一些关键功能，比如说购买的转化；那有的用户就总是走走停停然后浅尝即止，可能持续活跃了一段时间，有的甚至还没有注册呢。

在这种情况下，活跃状态是无法帮助我们更好提升业务，我们需要知道用户的价值，才能更有的放矢地进行运营质量的评估和策略的设计。这里有一个基本的模型，整个就是呈现为一个三层的金字塔结构，将价值递增的用户层级分了出来。

• 最下面的一层用户，我们称之为初级用户。这一层级的用户处于一个比较初级的状态，它本身存在的价值也比较低，但是它的特点在于极具转化性；
• 中间这一层一般已经是用户里能带来价值的中坚用户群，我们称之为价值用户，这一层级的用户由初级用户转化而来，他的商业价值已经体现出来，所以需要我们用心的去呵护和培养，让它保持一个持续的活跃，从而带来更大的一些价值；
• 最高层也就是价值最大的一部分用户，我们称之为核心用户。核心用户由价值用户转化而来，同时，他的持续存在能够对价值用户和初级用户起到一个很好的促进作用。

强调一下，不是说整个分层只能分三层，其实往往会分三到五层等，然后每个层级之间的用户完全的区隔开来，没有任何的交叉，那一般来说我建议大家最初做的时候从三层做起，也就是说最少做三层，这样我们在运营的时候也能够更好的利用这三层用户之间的关系，让各个层级的用户产生联系，进而做到转化。那这个层级划分是怎么做的呢，所谓用户价值层级，它其实是一个打标签的过程。那标签是怎么来的？我们常说的一个行为及表现，也就是说除了男女地域这种用户自身的信息，我们常见的其他标签都是基于用户发生的行为后提炼的，然后因为用户发生了这样的行为，我们赋予她一个什么样的某一类的一个标签。比如说发现用户常用的电商app比较多，而且有很多垂直类电商，那我可能给这个用户打个标签叫购物狂，就是说我们每个人做的任何一个行为背后，都是有场景有动机的，基于这些行为特点我们就能够将用户标签化，也就是完成了用户对用户的这种价值分层。至少在诸葛里面是比较简单的，因为诸葛具备一个非常强大的交叉分析能力。这个价值层级对业务分析有什么影响呢？活跃方面的关键点就在于不仅仅要看这个新增活跃或者其他状态的一个数量，更要去关注他们的质量，比如说高质量新增用户的数量，这样才能更好地衡量我们获取精准用户的能力，那转化方面呢，也就需要站到更高的层面来看了。转化不仅仅是完成购买或者完成内容分享这么一个单一的事情，我们需要从用户的角度来看，比如说低价值的用户是如何转化为高价值用户的，那些带来用户迁移的关键点在哪呢？这是我们应该思考的更深层次的方面，不只是看哪些用户留存，哪些用户没留存，更重要的是要知道既然这些用户留下来了，那他需要我们的程度是怎么样的？他们到底对我们产品有多依赖？这才是我们设计运营策略的一些重要参考点。接下来我们深入到活跃、转化、留存这三个纬度的指标中去，做一次数据指标的升级。虽说新增和活跃用户的数量是一个最基本的指标，尤其是新增，但是更建议大家去关注高质量用户的行踪数量，那这样才能更清楚地去了解我们的市场状况，和自身自传播的一个能力。那第二点就是在活跃方面，要注意的是新增占活跃比，为什么是这个指标呢？举个例子 ，当你看到日均新增用户是两万，然后日活跃用户是五万，这样的数据你是不是觉得还不错，新增用户两万那还挺给力的，市场渠道做的挺好，活跃用户五万也还不错。但是你要去看新增占活跃比的话，你就会发现新增占活跃比是40%，也就是说你每天活跃的用户里有40%是新用户。那这样就会让你很直观的发现问题，说个题外话，其实一个好的指标往往是一个百分比，这能够让你跳出绝对的数字带来的那种感官陷阱，更好更准确地站在全局的角度上来考虑。第三个指标是新增的一次性用户占比，这也是结合新增用户和沉默用户之间的关系定义出来的一个指标，一样应该是呈现为逐步下降的趋势，需要密切的去监控。那这些指标其实相信大家也有听过，但是由于定义他们的一个灵活性，和对数据分析基础设施的要求比较高，所以可能很多人都没有实际使用过，自然就很难体会到它的一个优越性。那我接下来举个例子，简单描述一下如何使用诸葛，来定义高质量新增用户数这个指标。第一步我们需要一个定义， 什么样的用户算是高质量的新增用户，比如对于一个电商产品，我可以定义触发过查看商品详情页大于等于一次的，并且是在这个用户新增后一天内触发的。触发过搜索商品这个行为，大于等于一次的，并且是在用户新增后一天内发生的。由于这两个条件是或者关系，所以这两个条件只要触发过一个就算满足高质量新增用户，当然你还可以去定义更多的“或者”条件以及“并且”条件来交叉出我们想要的用户群，之后可以选择一个或者多个我们想要分析的用户群。
当我们限定了用户群体的时候，再看新增用户指标所呈现出来的，就是我们想要的高质量新增用户的趋势图了，其他几个也大同小异。通过用户群进行交叉，可以满足我们绝大多数的一个分析需求，以往我们也就是看一下关键行为的转化率，可能是购买的转化率，细一点的可以定义出详情页的转化率，注册的转化率等等。另一方面从用户价值层级转化的角度来看，我们需要去衡量关键行为的参与度。比如说一个社区产品生成内容的次数，和持续生成内容的天数，变成一个忠实内容生产者的一个转化情况。诸葛有一个独有的分析模块叫粘性分析，通过粘性分析你可以查看一周内或者一个月内用户有多少天在使用你的产品，甚至在使用你某一个功能。粘性分析模块衡量的单位是天数，过往大家都看新增留存，那我建议大家去看自定义活跃用户留存率，和留存用户对产品依赖这三个维度的指标。重点说一下自定义活跃用户留存率，这个指标就在于可以定义用户留存的条件。当我们对用户新增的质量提出要求的时候，同样的，我们也需要对活跃用户的质量提出要求，在诸葛的流程模块里有一个自定义留存指标，我们可以通过定义回访行为的方式，来划定高质量的活跃用户。比如我将回访行为定义为查看商品详情，那展现出来的留存，就是有过触发商品详情的用户，我才算他是留存用户。以这样的用户数量除以初始用户数量就可以算出留存率了，同样也可以交叉不同活跃状态和价值的用户进行一个指标的定义，推荐大家可以上诸葛io上体验一下。
但是说实话，我们的整个产品也是基于咱们平常日常使用的一些场景和价值逐步迭代出来的，以深入真实衡量业务为目标，对原有的流量转化留存数据指标进行了一个升级，大家可以认真体会一下，当然在日常运营中，运营人员除了要关注以上主要指标外，还有一些其他指标同样需要关注，如使用频率、地域、目标用户画像，甚至崩溃率等。这些数据可以帮助我们更全面地了解用户的使用行为、产品的迭代，还可以让我们针对不同的目标用户群，采取不同的运营措施。