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!