起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識提升DAU，數據分析要怎么做？
編輯導語：站在數據分析的角度，該如何拉升DAU呢？本文系統講述了這個問題，教你分析出解決問題的關鍵，想提高數據分析能力，提升產品DAU的朋友千萬別錯過哦！
- DAU漲啦，DAU又降啦；
- DAU又漲了，DAU又降啦……
大量數據分析師的工作，就消耗在這種無聊的叨叨中。更糟糕的是：很多漲跌，只是單純的開發埋點沒做好，數據丟失等腦殘問題導致的，沒啥有價值發現。
當業務方來問：那我要拉升DAU，能做啥？
數據分析師只能顫顫巍巍的答道：要！搞！高！
今天系統講解下，這個僵局怎么破。
一、提升DAU常規做法
提升DAU，運營有的是現成的套路，有詩詞為證：
《搞DAU》
用戶促活一句話
簽到轉盤種小花
要是手頭沒費用
爆款話題往上掛
簡單來說，就是有錢的話，就搞簽到獎勵、在線XX分鐘得積分、每日登錄搖豆子、種花種樹種7天得XX禮品。沒錢的話，就發文蹭熱點、騙眼球。大家每天搓手機，都多多少少被這些套路過。
問題在于：
第一：這些手段運營自己都知道，根本不需要數據分析。
第二：手段真管用？大部分都是“人走茶涼”型的，治標不治本。
那么，站在數據分析角度，如何擺脫像布谷鳥一樣，每天喊“漲啦，跌啦”，真正分析出解決問題的關鍵呢？
二、DAU的本質
在DAU數字的背后，是：產品對用戶需求的滿足。
- 滿足程度越高，用戶持續登錄越多，最后DAU自然提升。
- 僅在特定的場景下滿足用戶需求，用戶就會在特定場景下登錄（比如大促銷、新品上市、……）
- 如果沒有明確場景，只是靠蹭流量、派獎勵來維持，那最后的結果就是人走茶涼。
另一個問題，在于如何將信息推送給用戶。用戶登錄以后才產生DAU，打卡、簽到、種樹，都得在用戶登錄以后才發生。
如果用戶不登錄，那能吸引用戶點擊的手段，就只剩下推送信息和裂變兩種。大家可以看看自己手機每天收到多少條信息，自己又點開了多少，就能直觀感受將信息推送給用戶之難——能獲得用戶寵幸的APP真是少之又少。
這導致了，很多用戶雖然名義上沒有流失（沒有達到流失的統計標準），但事實上已經處于流失狀態。不區分用戶類型，單純地上簽到、抽獎、大轉盤，只能讓現有的活躍用戶薅更多羊毛，流失用戶還是不響應。
綜上兩點，想節省成本，避免人走茶涼。就得站在用戶角度：
- 區分用戶活躍程度（重度/輕度/流失）
- 找出用戶感興趣的東西（活動/內容/商品/優惠）
- 找到能推送信息給用戶的手段（短信/APP信息推送/裂變）
這樣才能細致地，有針對性地解決DAU問題。特別是，探索出不砸錢也能保持用戶活躍的場景，從而減少盲目的砸錢拉大轉盤。
三、做好用戶分層
針對用戶活躍程度做分層，相對容易。通常的做法，可以對用戶過往90天（季度）/30天（月度）/7天（周）的登錄天數進行統計，區分出頻繁登錄、偶爾登錄、未登錄用戶。想再做得復雜一點，可以學習RFM模型，構建用戶活躍模型RFA（如下圖）。
這樣可以區分出重度/輕度/流失的用戶。
難點在于找出用戶感興趣的東西，給用戶登錄一個直接理由。這里需要利用用戶分群分析，對用戶的過往消費/活躍行為進行分析，找有用戶感興趣的點。
比如電商類APP，用戶感興趣的，可能是：
- 有大促，圖便宜（意味著日常登錄就是很少）
- 有爆款產品，來搶貨（意味著瀏覽/收藏/加購/消費的是特定商品）
- 某品牌/店鋪很忠誠（意味著瀏覽/收藏/加購/消費的是特定品牌/店鋪）
- 來薅點好處（意味著活動參與率/積分兌換率/優惠價格購買率很高）
- 幾個平臺比價（無購買記錄，但是有聚焦某些品類的瀏覽記錄）
- 隨便逛逛（無購買記錄，無重度瀏覽內容）
- 被推廣活動吸引進來的新人（無購買記錄，瀏覽記錄也很少）
這些場景中，1-4情況意味著用戶行為會集中發生在某個時間段、某個品牌/產品，因此比較容易捕捉。
前提是：需要對商品/活動/優惠類型打標簽，再基于商品/活動/優惠類型標簽對用戶進行分類。這樣能更快速輸出分析結論。不然對著幾萬個SKU，幾千個活動名字一一提數看，不但工作量大，而且看不出來啥問題（如下圖）。
5、6、7情況下，數據本身會很少、很零散，很難像分析重度用戶那樣，從過往消費經歷里找到規律。此時的用戶興趣點，更多是測試出來的：通過初始線索，測試多種可能性（如下圖）。
更好的做法，是準備運營的“三板斧”：在市場上最有競爭力的武器。在短期內，一個APP能拿出手的爆款產品數量是有限的，能吸引到的核心用戶也是有限的。
因此，針對輕度用戶和新用戶，可以直接推最拿得出手商品/內容，一方面直接提升DAU，另一方面測探用戶需求，獲取數據。
四、用數據檢驗拉升效果
有了場景分類，能區分出提升DAU手段的有效性，從而總結出行之有效的手段。
注意：很有可能運營已經有固定的活動/信息推送在做了。只是這些活動沒有觸達到該觸達的人，或者并不符合對方的需求。
這樣的話，在做好用戶分類與場景劃分以后，可以根據現有活動/信息的相應情況，做出對應表。觀察哪些用戶沒有被覆蓋，有哪些用戶發生了偏差，有待優化（如下圖）。
這樣，在解讀“為什么DAU又降了”的時候，可以有更多結論：“因為我們沒有管這一幫用戶”“因為我們沒有抓用戶需求”同時做優化的時候，可以看到哪些是已經推過的，然后嘗試更多未推送的可能性，直到找到更好的答案。
五、小結
從本質上看，拉升DAU手段的分析目標，不是找一個手段，而是找低成本的手段。誰都知道，只要肯往死里打折，只要肯送0.99元一箱的雞蛋，用戶肯定活躍，還會呼朋引伴的過來活躍。
數據分析的價值，在于在盲目推廣中，找到更多剛性需求，從而降低成本，用更貼近用戶需求的方法保持活躍。只不過這樣做，需要商品/活躍/優惠/內容/用戶等方面，大量的基礎數據建設。從基礎的標簽建設開始，到分版本測試信息推送效果，都需要一步步積累。指望一次分析報告整出來，肯定不太現實。
#專欄作家#
接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。
本文原創發布于人人都是產品經理。未經許可，禁止轉載。
題圖來自 Unsplash，基于CC0協議。
- 目前還沒評論，等你發揮！
