AARRR模型拆解(三):用戶留存(Retention)
經不起留存考驗的產品,往往都是在解決一些偽需求,即使用戶獲取和激活都做得非常好,最終也都將流失,徒勞一場。
隨著互聯網行業的發展,許多產品都實現了從0到1的過程,漸漸地,很多產品的重心,都轉移至如何實現從1到100,到10000的過程。而AARRR模型作為一個經典的增長漏斗模型,也時常被人所提及討論,本系列文章將對各個過程拆解,深入討論。
當用戶來到我們的產品,被我們所激活,體驗了我們的核心功能,接下來的事情,就是盡可能地讓用戶持續使用我們的產品,形成一種信賴與依賴,最終離不開我們的產品。這樣下來,才會有更多的故事發生。這也就是AARRR模型的第三個階段,Retention(留存)要做的事情,將用戶留在我們的產品中。
講留存,首先得看,怎樣的用戶,才屬于留存用戶,用怎樣的指標,才能有效地評估產品的留存水平。目前市面上,普遍存在有兩種計算方式,來計算產品的次日留存/7天留存/30天留存,評估一個產品的留存情況。
第一種是第N天計算法:
- 次日留存:統計日新增用戶次日仍然使用產品的用戶數量占總新增用戶數量的比例;
- 7天留存:統計日新增用戶第七天仍然使用產品的用戶數量占總新增用戶數量的比例;
- 30天留存:統計日新增用戶第七天仍然使用產品的用戶數量占總新增用戶數量的比例。
第二種是N天內計算法:
- 次日留存:統計日新增用戶次日仍然使用產品的用戶數量占總新增用戶數量的比例;
- 7天留存:統計日新增用戶7天內,再次使用產品的用戶數量占總新增用戶數量的比例;
- 30天留存:統計日新增用戶30天內,再次使用產品的用戶數量占總新增用戶數量的比例。
從兩種計算方式中,我們可以看出:
- 第一種計算方法強調第N天,其反應的結果也就是隨著時間的推移,留存用戶逐漸減少,而行業上也存在著對應較為權威的基準 4-2-1 基準,也即40%/20%/10% 為此計算方法下,較為合理的一個水平。
- 第二種計算方法強調N天內,其反應的結果就是30天留存>7天留存>次日留存,更多的是表現一個產品的活躍水平。
但從留存本質上來看,這兩種計算方式,都存在著可以改進的地方:
針對第N天計算法,存在這樣的情況:次日留存相對準確,但7天留存跟30天留存,往往存在數據偏差;比如用戶在第六天和第八天使用了產品,第七天未使用產品,這種情況下,這個用戶屬于一個七天留存的流失用戶,這明顯是不合理的。
故此可以引入使用間隔時間,做這樣的計算:
改良后第N天計算法:
- 次日留存:統計日新增用戶,再次使用產品的時間間隔小于24小時的用戶所占比例(T+2出數據指標);
- 7天留存:統計日新增用戶,再次使用產品的時間間隔小于7個自然天然填的用戶所占比例(T+8出數據指標);
- 30天留存:統計日新增用戶,再次使用產品的時間間隔小于30個自然天然填的用戶所占比例(T+8出數據指標)。
改良后的第N天計算法,可以準確地反映新增用戶的留存水平,避免特殊場景造成的數據指標影響。
針對N天內計算法,由于計算方式反映的更多是產品的活躍水平,并不單純針對新增用戶,產品的迭代過程中,往往會有很多核心功能/用戶體驗等的改變,想要真實觀察產品迭代過程中的留存活躍情況,應當將用戶群體進行擴展。
改良后N天內計算法:
- 次日留存:統計日活躍用戶中,次日再次使用產品的用戶占比(T+2出數據指標);
- 7天留存:統計日活躍用戶中,往后7天內再次使用產品的用戶占比(T+8出數據指標);
- 30天留存:統計日活躍用戶中,往后30天內再次使用產品的用戶占比(T+8出數據指標)。
改良后的N天內計算法,更能清晰/完整地表現所有用戶的活躍留存情況。
搞清楚了留存指標的計算后,我們必然關心一個問題,就是怎樣的留存水平,是一個合理的留存水平,我們改如何去提升我們產品的留存水平。
針對留存水平的標準,許多產品/運營人員往往直接套用4-2-1基準,但其實,每個產品往往因為行業性質的不同,用戶的合理使用頻次也是不盡相同的。所以制定留存標準時,更多地是應該結合自身產品所處的行業、產品形態以及自身產品定位進行考慮。
舉個例子:同一個留存標準,對于滴滴跟微信,往往是不適用的;你拿一個留存標準,去要求游戲類產品和看病類APP產品,同樣是不現實的;你拿一個工具類產品去對比一個社區產品,一樣也是不現實的。
有了標準之后,我們最關注的,就是怎樣才能夠提升我們產品的留存水平,我們可以從產品和運營兩個角度來討論:
(1)產品方向
從產品的角度,最本質的便是提升自己產品的競爭力,不斷滿足用戶的需求,并優化用戶體驗,這是每一個產品,最核心應該做的事情。比如通訊產品就要盡可能做到信號不卡頓,不延時;滴滴就要做到減少用戶/司機的時間成本及金錢成本等。
在提升產品核心競爭力的同時,也可以從一些方法,提升用戶對于產品的粘性。
日常活躍功能:日?;钴S功能是指通過一些方法,培養用戶習慣;常見的方法包括各個產品的簽到功能,游戲產品的首勝獎勵功能,螞蟻森林的日常獲取能量功能等,都是從自然天的維度,去刺激用戶使用產品,從而獲得金錢上或者精神上的收獲,沉淀用戶
用戶激勵體系:用戶激勵體系是指通過一些方法,鼓勵用戶行為,讓用戶感受到被認可,常見的方法比如積分體系,勛章頭銜,等級成就等,對于用戶在產品中的行為,適當給予用戶認可的反饋,激勵用戶,形成正向循環。
強化用戶投入:強化用戶投入是指通過一些方法,沉淀用戶在產品上的行為,以使用戶對產品產生依賴,這樣的話,即使競品的出現,用戶也不會輕易離開產品。
常見的方法包括以下幾種:
- 時間投入:通過階段性的任務,強化用戶的時間投入,使中途放棄成為一件不容易的事情,比如淘寶的疊貓貓、拼多多的砍單等
- 金錢投入:通過年度會員/月度會員等,強化用戶的金錢投入,增加用戶離平臺的損失
- 內容投入:通過UGC內容的沉淀,強化用戶的內容投入,比如微博/朋友圈/筆記類產品等,用戶在使用產品的過程中,沉淀了大量的內容,貿然離開自然也變得不容易
- 情感投入:通過引導用戶投入情感,產生精神寄托的情感投入,如寵物類產品,網易云音樂評論等
- 社交投入:通過形成穩定的圈子關系,強化用戶的社交投入,比如微信等社交平臺,社交關系越牢靠,用戶對于產品的依賴性也越強
(2)運營方向
從運營的角度出發,本質就是挽留與挽回。
1)用戶挽留
挽留其實就是減少用戶的流失,那么首先一定要找到自身產品的價值,明確自身產品的核心競爭力是什么。
其次,通過分析流失用戶與活躍用戶的行為差異/流失用戶普遍特征等方法,找到用戶流失的原因。最后一步則是結合自身產品的價值,以及用戶流失的原因,制定對應的解決優化方案。
2)用戶挽救
挽救其實就是對于流失用戶的召回,流失用戶的成功召回,有兩個契機,一個是在適當的時候看到你,一個是在適當的時候想起你。
讓用戶在合適的時候看到你,有以下幾種常見方法:
- 數據關聯:目前很多電商產品通過輸入法/瀏覽記錄等,獲取并及時為用戶推送感興趣的產品
- 關注內容發生變動:當用戶曾經關注/收藏的內容發生更新變化時,及時推送用戶
- 特定時間段/時間點:一些固定時間點(節日/生日/紀念日等),推送消息至用戶
- 用戶場景變化:當用戶的場景發生切換時,推送相關的內容,如城市切換/四季切換等
而讓用戶在適當的時候想起你,則更需要結合產品的調性,長期的誘導,促使在用戶頭腦中占據地位,比如一提到打車,你就想到滴滴;一提到送禮,你就想到腦白金;一提到降火飲料,你就想到王老吉;一提到職場社交,就想到脈脈。在用戶心中形成認知后,即使用戶因為各種原因離開了你,但只要合適的時機到來,用戶自然而然又重新回到你的身邊。
Retention獲取作為AARRR漏斗模型的第三步,已經拆解完,用戶留存作為一個評估產品是否真正具有價值的因素,產品任何時期,尤其初期,都必須非常重視,只有用戶在產品中感受到價值,并留下了,產品才是真正觸達用戶的需求的,才是有價值的。
經不起留存考驗的產品,往往都是在解決一些偽需求,即使用戶獲取和激活都做得非常好,最終也都將流失,徒勞一場。
下期文章,我們將繼續拆解AARRR模型,講解第一個R,Revenue收入,敬請期待~
#相關閱讀#
本文由 @鄭序煜 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。
請問什么叫“7個自然天然填“的指標,這句話是怎么短句的呀?
改良后第N天的計算法還有點不明白什么意思,可以再詳細一點嗎
改良后第N天計算法,其實就是通過引入時間間隔的概念,規避傳統上第N天計算法可能帶來的計算誤差。舉個例子,10名新增用戶,其中有3名在第四天的時候再次活躍,第七天的時候沒活躍,在此種情況下,傳統的第N天計算法會將這3名用戶誤認為非七天留存用戶,而在改良后的計算法下,這3名用戶為七天留存用戶,因為其再次使用的時間間隔,小于7天
我也是這么理解的,但是和改良后的N天內一樣啊,有區別嗎
我怎么改覺改良后的第N天計算法跟改良前的N天內計算法是一樣的呢
區別應該是在于,改良前的第N天內,比如第7天內,只包含0-7天;而作者的改良后第N天計算法,是指時間間隔小于7個自然天,其實是包含了統計日的前7天+后7天的,即0-14天。
這個思路清晰一些??
幾篇都看完了,簡潔又系統
30天留存:統計日新增用戶第七天仍然使用產品的用戶數量占總新增用戶數量的比例。 有錯誤啊親
我也發現了 所以正確的是“第三十天”還是“三十天內”呢?
30個自然天然填的用戶所占比例(T+8出數據指標),不應該是T+31出結果嗎
嗯錯了~~感謝指出~~~