产品增长必备技：用户留存精细化分析（二）

在 上一篇 ，小编简单的介绍了如何从全局留存数据，寻找增长线索，本篇将承接上一篇的内容，继续分享一下：如何通过精细化数据分析，近一步寻找留存增长线索。

一、产品流失分析

在分析产品留存前，我们需要先考虑用户为什么会留存，为什么会流失？应该从哪些角度入手，来思考如何降低流失并提高留存。

用户流失的原因千奇百怪，小编在这里列举了几个常见的流失原因：

用户对产品的感知价值不足：

• 产品虽然存在长期价值，但短期价值不明确。
• 产品所提供的解决方案不到位，没有满足用户多元化需求。
• 产品无法持续的输出给用户新的价值。

用户认为产品的使用难度大：

• 用户典型用户路径的引导和激励不足 ， 没有养成用户使用习惯。
• 产品的用户体验不好，用户无法通过产品获得满足。

用户更换产品成本较低：

产品没有通过有效的用户激励机制让用户对产品投入有效的时间，金钱，人力等成本，因而造成用户更换产品时的连带损失很少。

二、产品留存难度评估

在分析产品留存前，除了要分析流失原因外，还需从产品特性考虑来评估留存难度。

我们可以从以下七个方面进行评估。

对上述7个方面，我们主要围绕以下7个问题展开思考：

1. 用户对产品的需求有多强烈，是止痛药还是维他命？
2. 产品功能模块的复杂情况，是单一功能还是多功能多模块？是否可拓展？
3. 产品的天然生命周期有多长，属于长期使用还是昙花一现？
4. 产品的天然使用频次是多久ー次属于高频产品还是低频产品？
5. 产品是否有大量广义的可替代品？
6. 用户转换到其他产品的成本高还是低？
7. 产品変现能力强还是弱？

我们可以通过一张留存难度评估表来清晰的判断产品的留存难度。

三、精细分析寻找留存线索

分析思路有很多中，今天主要分享其中的两种： 用户分群对比 和 功能留存矩阵 。

3.1 用户分群对比

主要思维模式：通过对比不同用户分群的留存曲线，观察具有不同 属性 和 行为特征 的用户，留存曲线是否不同，都有哪些点不同。

这里提到的属性和行为特征可以从获客渠道、用户画像、用户行为等维度进行思考和分群。

3.2 功能留存矩阵

主要思维模式：对于多功能/模块的产品，对比不同功能的 留存率 和 活跃用户 使用该功能的占比，观察差异性并找到留存线索。

此外，围绕产品的不同功能，还可以进行其他方向的延伸和对比（呈现出不同的功能留存矩阵）比如：

• 通过「新用户使用」和「留存」对比，观察不同功能在新用户里的流行程度。
• 通过「功能活跃」和「使用天数」对比，观察不同功能的活跃、参与程度。

3.3 用户生命周期

有些情况下，我们也可以通过 用户生命周期中各个阶段的关键指标 提升留存，例如：

• 提升新用户激活率：留存用户的基数随着到达激动时刻的用户变多而变大，会让留存曲线的起点上移，从而全面提升用户留存。
• 提升新用户留存率：让留存曲线最开始的那一段提升，因此会传递到留存曲线的中后期，从而提升留存率。
• 提升新用户流失召回率：减少后期的用户流失，让留存曲线后端上移，从而提升留存率。

3.4 用户参与度

提升用户参与度也是提升用户留存的重要手段之一。想要提升留存用户的参与度，则需要提升用户的使用强度和使用频次：

• 使用强度：提升强度可以增加用户每次使用产品而得到的价值，从而提升留存。
• 使用频次：提升频次可以巩固和加强用户的周期性使用产品的习惯，从而提升留存。

分析用户参与度的步骤如下图所示：

（1）确认产品适合度

参与度分析更适用与社交、内容、游戏等高频次高参与度的产品。有些产品用户不需要有高参与度也能获得价值，如低频但高客单价的二手交易，SaaS类产品等。

（2）计算参与程度

计算频次：

1. 分析产品的使用周期是多久，假如是月；
2. 画出月活用户按月活天数分布表；
3. 将月活用户按不同频次分组。

计算强度：

1. 分析产品的使用周期是多久，假如是月；
2. 画出月活用户按使用时长分布表；
3. 将月活用户按不同时长分组。

（3）制定理想指标

根据用户的天然需要和对这类产品使用习惯，及现状数据制定一个理想的频次和强度目标。

（4）进一步分析寻找线索

1. 对比分析不同用户分群的使用频次和强度，找到线索；
2. 对比分析不同产品功能的使用频次和强度，找到线索；
3. 针对某个功能，找到阻碍用户提升使用频次和强度的因素。

四、参考案例

本节小编通过一个简单的案例来介绍一下如何通过统计的留存数据来发现一些增长线索的具体操作流程，主要为思路和实施流程的分享，具体数据内容不具有真实性。

通过链接 ，我们可以看到一份分组留存数据（虚拟数据，不涉及机密数据），假设这是一份音频产品的用户分组留存数据表。

4.1 中国在线音频用户的用户画像

既然要分析用户使用目的，那首先要对用户有一定的了解，所以这里小编先简单介绍一下 中国在线音频用户 的基本信息 。

通过数据显示在线音频用户人群主要以泛80、90后上班族居多，其中90后占比52.5%。据艾媒调研结论：在线音频的用户活跃时间主要集中在晚间和午间两个时段，其中晚间（18-23点）时段占到40.8%；在使用场景方面，吃饭休息（含午饭、晚饭）和睡前成两大主要场景。

从上图使用原因分布来看，在线音频用户使用在线音频主要为达到“放松身心”和“休闲娱乐”的目的，“排解情绪”“打发时间”等紧随其后，与使用场景较为契合，表明在线音频用户的娱乐需求较大。

据上图艾媒调研结论：音乐类、有声书和新闻资讯是当前最受欢迎的音频类型。

4.2 产品留存难度分析

首先我们针对产品本身进行简单的留存难度评估：

• 用户需求 ：用户对于在线音频产品属于非刚需型需求，但经过产品培养了良好的用户习惯后，需求强度有所提高。
• 产品功能 ：除了录制音频和收听音频外，没有特别繁杂多样的产品功能，业务复杂度主要集中于内容矩阵。
• 生命周期 ：音频产品的生命周期随内容矩阵的丰富度不同而天差地别，综合情况考虑，针对听众用户的生命周期属于中。
• 使用频次 ：根据数据统计，在线音频产品的属于高频产品。
• 可替代品 ：在线音频行业虽然经历了残酷的洗礼和产品淘汰，但同质化产品仍然较多。
• 更换成本 ：产品本身功能和技术不具备不可替代性，更换成本较低。
• 变现能力 ：作为内容消费型产品，变现能力不强，远不如在线视频产品。

因此得到以下结论：

综合平均得分：5分。

产品留存难度：中偏高。

4.3 根据用户留存曲线分析数据

从原数据得到以下留存曲线图和渠道下载分布图：

图2（注：红线为平均值）

从留存曲线图可得出以下数据现象：

录制音频： 整体留存数据表现最好，虽在缓慢下滑，但留存率稳定保持在60%以上。下载量占比最小，仅为7.73%。

孩子听故事 ：整体留存数据表现不如「录制音频」，排名第二，留存率稳缓慢下滑，定保持在55%以上。，下载量占比排倒数第二，为12.04%。

时事新闻 ：整体留存数据表现较差。

学习充电 ：整体留存数据表现很差，整体留存都不高于平均值。且下载量占比仅为15.7%。

休闲娱乐 ：整体留存数据表现最差，首周留存仅为80%，远低于平均值5个百分点。并且首月留存大幅度下跌。最终跌破40%。下载量占比最高，为40.31%。

4.4 用户使用目的的留存矩阵

使用 功能留存矩阵 的方式进行数据精细分析，将数据表转化成用户使用目的留存矩阵图，如下图：

纵向：月留存，横向：月活跃用户占比

从上图可发现用户使用目的的留存两极分化明显，结合用户画像，可以得到以下结论：

录制音频 ：

• 趋势现象：「录制音频」属于高留存，低月活占比；
• 优化策略：「录制音频」行为在音频产品中，属于刚需且低频的操作，用户群体相对较小，应将提高活跃用户的策略侧重在提高「录制音频」功能的交互体验的友好度和便捷方面。

孩子听故事 ：

• 趋势现象：「录制音频」属于高留存，低月活占比；
• 优化策略：「孩子听故事」虽用户场景在「2019在线音频用户使用场景」中占比较小，但随着二胎政策带来的巨大儿童消费市场，应该着重关注提升该板块的内容矩阵的丰富度和趣味性。

时事新闻 ：

• 趋势现象：「录制音频」属于高留存，低月活占比；
• 优化策略：「时事新闻」在「2019年在线音频用户音频类型偏好」中占比较高，达43.5%。而此产品中用户占比较低，半年内下载量为11263，与平均值14347相差甚多。应该更合理的增加曝光坑位和推送策略。

学习充电 ：

• 趋势现象：「学习充电」属于低留存，高月活占比；
• 行业分析：「2019年在线音频用户使用原因」中知识学习占比12%，「2019年在线音频用户音频类型偏好」中知识课程占比22.5%，皆属于中偏下的水平。在线音频的用户活跃时间主要集中在晚间和午间两个时段，在使用场景方面，吃饭休息（含午饭、晚饭）和睡前成两大主要场景，因而已「学习充电」为目标的月活用户占比属于靠近中位值存在的不可忽略的客观原因；
• 优化策略：因为「学习充电」的行为大多具有连续性，而该产品的这类行为的留存率较低，可能是学习类音频内容质量较低，或为单一视频，系列型学习音频较少。可提高学习类音频的内容质量。引进高质量内容的系列音频内容。

休闲消遣 ：

趋势现象：「休闲消遣」属于低留存，高月活占比；

行业分析：通过行业数据可得，「休闲消遣」这部分用户的音频类型偏好及用户使用原因皆属于占比最大的类型。然后该产品在这方面的留存最低，而月活跃用户最高，是平均值的2倍。说明该产品对「休闲消遣」的模块曝光是足够的，但是内容无法吸引用户留存。可能是内容类型与用户人群不契合，或者是内容类型不具有连贯性和持续性，再或是内容矩阵不够丰富，多样。

优化策略：

1. 如内容类型与用户人群不契合，那么要从用户性别，用户年龄分布，用户所在地分布，加以数据判定，如男性用户多偏好财经，小说，历史等，而女性用户则更偏爱文学，言情剧，情感类等。
2. 如内容类型不具有连贯性和持续性，那么要增加有声书或系列音频的占比，因单个音频相互独立，音频之间的紧密型没有有声书强，用户聆听的持续性和时间就不会太长。
3. 如内容矩阵不够丰富，多样，趣味。那么就需要增加UGC的产品，买入某些高知名度的IP，加以KOL导向。

今日分享就到这里，后续小编将继续分享增长相关内容，敬请关注，谢谢。

相关阅读

如何通过产品留存，发现增长线索（1）

 

本文由 @杨三季 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议