复盘：如何通过产品迭代做用户增长，留存率提高20%+

人人都是产品经理 • 4年前扫码分享

我是创始人李岩：很抱歉！给自己产品做个广告，点击进来看看。

本文作者通过自己的项目复盘，从六个方面，为我们梳理了改如何通过产品迭代提高用户增长，从而提高用户留存率，希望对你有帮助。

先用 STAR 法则做个背景说明：

S：一款上线近 2 年的内容型产品，当时推广经费被大幅削减，导致日活下降显著。

T：完成产品 OKR 目标——日活数增长至X。

A：通过黑客增长手段，快速迭代与试错，在实验中找到增长策略，实现用户增长。

R：改版前APP留存率略低于同行业同规模APP的留存率；改版上线后 5 个月都维持在一个不错的水平APP次周留存率比同行业同规模APP高 20%左右。

注：因商业原因，文中数据已进行脱敏处理，仅供分析落地参考。

复盘：如何通过产品迭代做用户增长，留存率提高20%+

背景说明完毕，以下正文开始——复盘：如何通过产品迭代做用户增长，留存率提高20%+

增长思考：找到增长方向→确定北极星指标→拆解目标→进行实验→分析总结效果→自我反思

Step1：找到增长方向

增长方向→做裂变

裂变泛指我们在朋友圈里经常看到的拼团、助力、分销、砍价等病毒式传播的方式。裂变只是整个增长体系的一部分，它主要出现在获客（Acquisition 获取用户）的环节。

裂变会带来增长，但它远非增长的全部。增长还需要关注用户的全生命周期。做裂变活动带来的用户，若不能通过产品解决 Ta 们需求，也只是一堆过客的数据，再好的运营也回天乏术。

增长方向→提高「新增用户数」、「活跃用户数」

我们经常看到一些产品新闻稿“XX 日活超 XX”“XX 用户数达 XX””XX 下载排名第 X”，看上去似乎做增长就是做用户数/日活数。这两个数据无疑非常重要，经常会用来作为产品 KPI。

但 DNU（Daily New Users 日新增用户量）、DAU（Daily Active User日活跃用户量）的增加，不意味客户在有效增长。

新用户和日活的上升都有可能是昙花一现，看看老罗的「聊天宝」，依靠着 KOL 光环与用户情怀，连续13天霸占APP Store 社交榜榜首，一个月内便揽获近 800 万的用户，而如今光景惨淡。

跟老罗的「聊天宝」相比，更多的产品是烧钱推广来获取用户。近几年渠道推广价格越来越高，CPC / CPT/ CPD / CPA 等等定价不断上涨，应用商店的 CPT 价格更是半年翻了几倍。烧钱带来的用户，DNU、DAU 节节上升，但也许产品本身流失率居高不下，实际上客户的留存是在逐渐降低的，如果用户不能留存在产品里，这种”增长”是没有意义的。

增长方向→提高「留存率」

想象一个有好几个破口的木桶，倒入的水越多流走的也越多，就如产品进来很多新用户但留不住 TA 们，这样是无法实现产品可持续增长的。此外，如今移动APP市场趋于饱和，红利时代结束，获客也不如以往容易、便宜。现在已经从一个「增量」的时代来到一个「存量」的时代，留住老用户的性价比更高。

诸葛 io 在《八大数据分析模型》写道：对于用户而言，留存率越高，说明产品对用户的核心需求把握的越好，用户对产品产生强烈的依赖；对于产品而言，留存率越高，说明产品的活跃用户越多，转化为忠实用户的比例会越大，越有利于产品商业能力的提升。

综上所述，结合产品现阶段具体情况，做用户增长，提高「用户留存率」是更为重要的发力方向。

Step2：确定北极星指标

北极星指标的定义

北极星指标 North Star Metric，也叫唯一关键指标（OMTM，One metric that matters），是产品现阶段最关键的指标。不同赛道的产品，其增长的北极星指标都是不一样的，我们需要找到唯一关键指标。

北极星指标的选择

一般来说，一个好的北极星指标具备以下几个属性：

是可以明确衡量的指标（在这个案例中是衡量「留存率」）。
是可以体现产品价值与客户价值的指标。
是先导指标，而非滞后指标。

北极星指标的选取非常重要，如果选取不当，可能造成团队后续一系列决策错误，所以在确定北极星指标之前，我们需要做2项基础工作——数据分析&用户调研。

第一阶段：数据分析

1.内容数据分析

APP是内容型产品，主要有 4 个业务模块「首页（即文章资讯）」「问答」「报告」「数据」。研究「人与内容」的交互，调取了各板块的数据，如各个板块各自的停留时间、启动次数等。

此外，各版块特有的数据指标，如「首页」的阅读量、独立用户数、平均阅读进度、大致完成率、跳出率、分享量、收藏量、点赞量、评论量等等；「问答」的提问量、提问率、回答量、回答率等等；「数据」的访问数、下载数等等。

复盘：如何通过产品迭代做用户增长，留存率提高20%+

2.关注数据分析

用户的关注行为，相当于白纸黑字告诉你 TA 喜欢看什么，相关数据是很值得分析的，现在APP中可以关注的对象为「作者」「栏目」「行业提问」「报告机构」。

3.用户生命周期分析

这里我并没有把用户分为「新用户」「活跃用户」「回流用户」，而是「忠诚用户」与「非忠诚用户」，因为做数据分析时容易噪点大不好清洗，用户属性差异越大往往可以更快找到突破口。

4.输出结论

找到以下 6 个指标的走势是与「留存率」正相关

指标：文章数量
指标：作者关注数
指标：报告机构关注数
指标：数据库会员数
指标：栏目关注数
指标：报告下载率

「忠诚用户」与「非忠诚用户」相比，前者的关注数是远高于后者。「忠诚用户」人均关注数量是≥6个（Magic Number），关注对象类型倾向度「作者」＞「报告机构」＞「栏目」＞「问题」。

第二阶段：用户调研

我们邀请APP用户进行用户调研，通过用户观察、深度访谈、焦点小组、定量问卷调研等方式了解用户。

以下是用户给我们APP打的标签，用户使用APP主要是为了获取行业相关内容。

在「新增/优化以下哪些功能/体验，会提高你打开APP的频率？」问题中：

72.24%受访者认为：新增「关注行业」功能，以便快速找到自己想看的内容；

70.63%受访者认为：设置「已关注内容」推送开关，开启推送的内容有更新时及时通知；

63.52%受访者认为：优化行业分类，新增更多细分/热门/新兴行业；

可看到有三个关键词「关注」「推送」「行业」。

第三阶段：输出结论

综合第一阶段和第二阶段的分析，结合到具体业务，我将北极星指标定为「关注—日活跃」。

「关注—日活跃」公式拆解：

「关注」=「行业_关注」+「作者_关注」+「报告机构_关注」+「栏目_关注」+「问题_关注」（这 5 项分别简称为 A/B/C/D/E）

「日活跃」=「日新增用户数」+「昨日新增用户的次日留存用户数」+「∑前N日的N日回流用户数（ N>=1）」（这3项分别简称为F/G/H）

故「关注_日活跃」=AF+AG+AH+BF+BG+BH+CF+CG+CH+DF+DG+DH+EF+EG+EH

Step3：拆解目标

由于本案例重点是放在「用户留存」上，所以采取的是 RARAR 模型（在 AARRR 模型基础上根据实际业务需求进行调整）。

第一阶段：用户留存 Retention

目标：为用户提供价值，让用户回访。

拆解：影响用户完成关键行为的因素是什么APP已有的关注对象是否已满足用户需求；有没有其他用户想关注的对象，但没有开放「关注」功能；用户开启「关注_推送」的心理因素是什么。

第二阶段：用户激活 Activation

目的：确保新用户在首次启动时看到你的产品价值。

拆解：用户决策心理因素是什么；如果尽早让用户感知到关键功能的价值；产品效用与用户之间的关系是如何建立。

第三阶段：用户推荐 Referral/用户拉新 Acquisition

目的：让用户分享、讨论你的产品；鼓励老用户带来新用户。

拆解：如何通过「关注」触发用户的分享链条；用户层级从「使用者」迁移「推荐者」的心理决策因素是什么；如何通过关键行为寻找增量空间。

第四阶段：商业变现 Revenue

目的：实现商业价值。

拆解：通过关键行为达到留存提升，带动商业变现。

关键行为——「关注」流程拆解，其中7个转化率也是北极星指标影响因子。

Step4：进行实验

1. 内容侧

优化「行业分类」，不再使用传统的分类方法，满足更多用户的诉求；
新增更多的行业，从原有的 125 个行业，扩充到 441 个行业，覆盖更大的影响面；
拆分成了一级行业+二级行业；

2. 功能侧

提出一系列用户故事，让用户可以通过「关注」功能得到啊哈时刻。
对用户进行分层：新增用户、昨日新增用户的次日留存用户、前 N 日的 N 日回流用户，研究如何通过产品的「关注」功能提高其留存率。
缩短「关注」路径为 N 步，增加「行业_关注」入口为 M 个，打通「推送」，站内强化引导，站外 push/短信唤醒用户。
关注对象（如行业、作者等）后，用户可自主开启更新推送，每一步调整都需要克制，影响面由小放大。若「关注」后系统自动「推送」，可能会让用户觉得推送太多，心生厌恶，反而得不偿失。