關于產品生命周期的幾點思考

1 評論 9172 瀏覽 52 收藏 27 分鐘

產品生命周期是一個很大的過程,在這個“大過程”中,又有著一些“小過程”。對此,本文從生命周期的基本概念、數據處理、生命周期主要環節、價值點挖掘四個方面做了分析,希望對你有所幫助。

如果把一款產品比作是一艘郵輪,那么這款產品在應用市場上架的時刻,可以當做是這艘郵輪航程的起點。在這趟航程里,會有無數的乘客(用戶)先后來到和離開這艘郵輪。當這艘郵輪最后一次停泊靠港時,也就是其生命周期已抵達了終點,準備在應用市場下架了。

本文首先厘清了關于生命周期的基本概念,明確了需要發力的方向,進而介紹了幾個數據處理的技巧,處理后的數據相對會更友好。并對生命周期的主要環節(新增/留存/活躍/沉默)逐一展開觀察和分析,最后分享了幾個在生命周期分析里可以挖掘的價值點。

(注:本文所涉及的數據都已做了脫敏處理和量綱轉換)

一、基本概念

1. 生命周期

周期這個概念,可以很玄妙,也可以很具體。往大的層面講,可以從太陽黑子的活動規律講起,進而深入到人類社會的康波周期,人口周期,可以說萬物皆周期,萬物都處在周期的運行過程之中。往小的層面講,一款產品,產品里的用戶,都有一個(或幾個)生命周期。

生命周期是一個從開始到消亡的過程,起點和終點都是確定的,不確定的則是這個過程所持續的時間,所變化的形式。生命周期分析所要做的,便是理解這個過程,優化這個過程。

2. 產品和用戶的生命周期

(1)產品生命周期

每一款產品在投入市場后,大體上都會經歷探索期,成長期,成熟期和衰退期這四個階段。

  1. 探索期最重要的是學習,學習到底哪些是目標用戶,為了與這些用戶互相適應,要如何優化這款產品;
  2. 到了成長期時,已對用戶有了一定的理解,此時很關鍵的一點是“拉人頭”,先把有效的用戶圈起來,后面一切好說;
  3. 成熟期往往是一款產品價值爆發的階段,活躍用戶的氛圍,增值付費的能力,都會達到峰值;
  4. 不可避免的,成熟期過去后,每一款產品都會迎來衰退期,只是有些產品一次衰退就掛了,另一些則進入到第二個周期里。

(2)用戶生命周期

與產品生命周期相對應的,這款產品里的每一個用戶也都有自己的生命周期。只是在應用市場里,用戶的數量往往要遠超于產品的數量,所以用戶的生命周期也就呈現出更為豐富,更為多元的形態,有些用戶注冊后“一言不合”就走了,有些則一直留了下來。

總體上來講,用戶會經歷新增,留存,活躍,沉默,流失這幾個過程,只是這幾個過程并不一定連貫,可以交叉穿越。比如從新增直接流失,這是“薅羊毛”的用戶,比較常見于互金,理財類的產品;比如從留存直接流失,其中有一部分是在不同競品間進行比較,當比較完成之后,便也直接流失了。

而那些真正完整經歷了每個過程,并在每個過程的核心指標里表現優異的用戶,便是我們需要關注的頭部用戶,他們往往會貢獻出這款產品里最大的價值。

3. 生命周期分析的意義

通過對產品生命周期的分析,可以更好地打磨每個環節的轉化情況,讓產品和用戶不斷地相互適應,從早期的粗放式經營轉化為一種更為精耕細作的方式。在用戶成長體系的每一個關卡,進行引導和助力,量變會帶來微小的質變。

二、數據處理

常見的數據處理方法,有移動平均,相關分析,數據變換等幾種數據處理的方式。真實業務下的數據,往往都是帶有噪音的,偶爾會有一些“坑坑洼洼”。

如果直接去看最終數據的話,往往是很不友好的,通過一些數據處理的技巧,能讓我們更便捷地觀察業務數據的變化情況,并猜想和驗證這些數據變化背后的深層次原因。

1. 去平均化

設置統計指標的初心,是為了能把握整體業務的變化情況,平均數,中位數等的制定,都是為了觀察業務數據的集中和離散趨勢。

在很多的場景下,這些指標都是有效的,但并不代表它們可以適用于所有場景,當場景不合適時,只看這些指標反而會形成干擾。尤其是在用戶體量很大,數據分布具有嚴重的“左偏”或者“右偏”時,只看平均值可能就不合適了。

去平均化,或者說是用戶分組,便是應對這種情況的一種處理方式。其實就是在整體平均值發生變化時,通過對用戶進行分組,觀察用戶內部的結構變化,可能會得到不一樣的結論。整體平均值的增長,是否對應每一個用戶組的增長?不同組是否會有不一樣的變化趨勢?

關于產品生命周期的幾點思考

不同用戶分組的留存趨勢

當整體業務在以某種趨勢變化時,不要用戶分組的變化可能不是協同的。方向一致時,彼此的變化速度不一樣,可能會在某個時間點形成交叉,并且之后又以不同的速度反向翻轉。通過去平均化的方式,可以更好地理解用戶內部的結構差異。

通過什么方式對用戶進行分組更為合理?這個問題類似于在做機器學習的特征時,如何對連續屬性的字段進行分箱,雖然分箱方法有很多,但等頻和等距仍然是其中經典而常用的兩種方式。應用到用戶分組這里,等頻就是按照數據量來分割,等距就是按照屬性值來分割。

2. 留存矩陣

在生命周期分析的工作中,會有很多的場景都會涉及留存的統計,比如注冊之后的留存,活躍之后的留存等,同時因為時間的推移,不同時期用戶的留存情況可以形成一個留存矩陣。這個矩陣的設計,可以有不同的方式,能表達出所關注的用戶群的留存趨勢變化即可。

先分析得出不同形式的留存矩陣。得到留存矩陣后,從不同的視角出發,可以做不同角度的觀察和分析。在每一個月份新增的用戶群體,可以得到其在三個月/六個月/九個月之后留存比例的趨勢變化情況。

關于產品生命周期的幾點思考

不同距離月的留存趨勢變化

3. 因子分析

對生命周期的分析過程中,不可避免地會要做一些因子分析,比如在具體環節下,對某項具體的指標(留存率,活躍頻次,未來是否付費),是否存在一些較為有效的因子,能與其具備良好的相關性。

因子分析的結果,雖然不如深度的模型結果來的精準,但處理過程卻相當簡潔,在不同場景下總能找到一些有效的因子,是一種性價比相對良好的統計方式。

針對不同的產品,從不同的關注點出發,可以搭建起最適合自己的因子體系。其實不需要像金融市場的101因子等做得那么全面而深入,選擇一些自己最關心的,同時與核心指標相關的一些因子,就可以做出一個有效的因子體系。此后有需求時,直接從中取數即可。

關于產品生命周期的幾點思考

因子體系的結構

4. 一階差分

做機器學習的特征選擇時,有時會應用到一階差分,通過觀察其收斂的轉折區域,從而篩選出更為有效的特征。這個方法也可以用在生命周期的場景里,因為這個場景涉及大量的長尾分布,由于頭部和尾部的用戶量級差異較大,所以其內部的變化速度很難直接觀測出來。

尾部用戶雖然量級較小,但往往是對產品貢獻最大的那群人,所以其內部變化是值得關注的。

如圖1所示,即是一個經典的長尾分布,但在這個分布里面,越是尾部的用戶,越是我們需要關注的高活躍用戶。通過圖2,可以看出在這個長尾分布里面,不同區域的用戶數量變化速度,頭部和尾部的變化速度都是較大的,中部區域的用戶變化則相對平穩。

關于產品生命周期的幾點思考

圖1:某個長尾分布

關于產品生命周期的幾點思考

圖2:某長尾分布的一階差分

三、生命周期主要環節

1. 新增

如果把注冊用戶當做一個半封閉的系統的話,那么每月新增用戶就是這個系統唯一的外界能量輸入。新增用戶的持續輸入,會影響原有的用戶池的結構,與此同時,新增用戶本身在不同時期也可能出現不同的特征。所以,對新增用戶的觀察,就是一件有意義的事情。

(1)新增用戶簡況

對新增用戶的觀察,首先是每月新增用戶數的觀察,這個指標可以細分到地區和市場,從而了解每月新增用戶在絕對量上的變化趨勢;同時可以觀察當月新增用戶對原有用戶池的影響,這里就涉及累積用戶數和環比增速這兩個指標,用于評估用戶池的變化。

(2)新增用戶質量

在對新增用戶的數量有了一定了解后,可以對其“質量”進行評估,從中可以觀察到來自不同時期,不同渠道的用戶差異。如何評估新增用戶的質量,可以基于所分析的產品的側重點去思考,比如活躍,留存,或者互動的情況。

新增用戶的質量變化,雖然會有階段性的波動,但大體上還是會在時間里呈現出一個明確的趨勢,只是趨勢變化程度不同。

(3)新增用戶因子分析

到了新增用戶因子分析,就已經切換了視角,不再關心產品角度,或者不同時間段的用戶群角度,而更多是從微觀的視角出發,通過對用戶的狀態、行為等因子分析,從而分析出一些有價值的業務點。

通過用戶在首周,首月里的活躍天數,活躍次數,具體產品功能的使用情況,找到其后期行為表現的依據。這些行為規律往往更具有穩定性。

關于產品生命周期的幾點思考

用戶增長與環比增速

關于產品生命周期的幾點思考

新增用戶在距離1個月的留存率變化趨勢

2. 留存

當用戶通過注冊進入到產品用戶池時,此后的結局只有兩種,沉默和活躍,只是根據沉默和活躍的程度不同,又可以細分出更多的用戶群體。對于留存用戶的觀察,可以更清晰地看到其內部不同用戶群體的結構變化,從而對不同群體采用不同策略進行管理。

(1)整體留存簡況

對留存簡況的評估,可以通過用戶注冊總量了解用戶規模,同時可以選定一個時間周期(比如每月),通過對該周期內留存用戶的不同表現,從而了解其內部的結構差異,比如每月不同活躍天數的用戶數量變化趨勢,或者分組之后不同組的變化趨勢等。

(2)留存壽命

基于固定時間周期,和基于固定流失條件,都可以對用戶留存壽命進行觀察和分析。

基于固定時間周期,比如注冊后500日內,觀察用戶的留存壽命差異;基于固定流失條件,比如沉默30天后,認為已經流失,該次生命周期已經結束,此后再激活時,則當做是新一輪生命周期的開始。基于這種角度,也可以對用戶的留存壽命差異進行統計。

(3)留存行為模式

  • 從產品的角度出發,可以觀察不同時間段進入的用戶的留存行為模式,有趣的是,有些產品從投入市場后,每月新增用戶的留存曲線,會逐漸地收斂,最后穩定到一個固定的趨勢曲線上;
  • 從用戶的角度出發,則可以梳理出一些典型的留存行為模式,他們的生命周期長度不同,從激活到抵達活躍峰值的速度不同,此后從衰減到沉默的過程也不同。

關于產品生命周期的幾點思考

產品不同時期的用戶留存趨勢-A

關于產品生命周期的幾點思考

產品不同時期的用戶留存趨勢-B

關于產品生命周期的幾點思考

留存用戶分組后的結構變化

3. 活躍

活躍和付費,往往是一款產品價值間接和直接的兌現過程,所以也是產品分析中的一個重點。日常運營過程中,很多監測指標其實都可以歸類到這兩個范疇。

(1)整體活躍簡況

相對于新增和留存階段,活躍階段需要關注的指標相對多一些,活躍人數用來觀察用戶規模,活躍頻次用來觀察用戶氛圍,活躍時長則可以表達這場party的可持續性。這些指標看似相似,描述同一個內容,但在發生變化時,有一個明顯的傳導關系。

(2)整體付費簡況

付費數據的處理,相對要復雜一些,涉及到付費渠道,付費金額的單位,以及不同幣種之間的匯率結算。同時因為一些自動續費的付費場景,付費數據在短期的時間趨勢上可能并不好看,波動程度較大。

但一些常規的統計指標還是適用的,比如每日付費人數,每日付費總額,人均付費金額,次均付費金額,以及不同產品下的付費占比等。

(3)核心指標分組觀察

以活躍指標為例子,對核心指標的分組,即按照一定的方法,將用戶群分為不同的組別單獨觀察。筆者在試驗過程中,采用等距切分的方式,對活躍的UV、PV、Time分為了五個組別。當整體活躍指標發生變化時,可以觀察到不同組別漸次變化的現象。

(4)活躍因子分析

在活躍的場景下,可以挖掘的活躍因子是比較多的,比如VIP對活躍的影響,購買VIP前后,用戶的行為變化特征,以及VIP本身對活躍指標的影響;比如活躍時長和活躍頻次之間的相關關系,兩者并非完全相關,存在著不同相關形式的用戶群,對這些用戶群的挖掘是有意義的。

活躍因子分析中,可以側重于對時間節點的把握,比如購買之前幾天用戶會開始訪問VIP商城,購買之后多長時間,對活躍的影響開始有了減弱。

關于產品生命周期的幾點思考

活躍核心指標觀察

關于產品生命周期的幾點思考

活躍時長和活躍頻次的相關關系

關于產品生命周期的幾點思考

活躍人數分組觀察

4. 沉默

在已注冊的用戶池中,有很大一部分用戶是處于沉默狀態的,這是大部分產品都要面對的問題,尤其是工具類型的產品。當用戶的沉默達到了一定時長時,可以近似認為其已經流失。

(1)整體沉默簡況

整體的沉默簡況,可以將每天作為一個時間粒度,通過統計用戶上次活躍距今時長,統計當前不同程度的沉默用戶,從而盤點出一個整體的沉默簡況。

(2)沉默程度細化

沉默和回流往往是相對應的,沉默的程度越低,回流的概率越大,沉默的程度越高,回流的程度則越小,這兩者的負相關性是確定的,但在不同階段的變化卻有很大的差異。對于不同的產品,其回流率的變化曲線也是不同的,可以對此進行細分統計分析。

(3)沉默因子分析

對于沉默因子的挖掘,可能最后仍然會回到一些核心指標的變化上來。也就是說,如果用戶在未來會陷入沉默,逐漸走向流失,那么在此之前可以較為明顯地觀察到其核心行為指標的變化。沉默因子分析的結果,可以用于流失前的預警,流失后的干預等場景。

關于產品生命周期的幾點思考

不同沉默時長的用戶群變化趨勢

四、價值點挖掘

生命周期的分析,除了對產品/用戶的周期過程有更清晰的認知和理解外,還應在數據之中挖掘出一些價值點,用于制定實際的業務運營策略。它們圍繞著生命周期的主要環節,可以是復雜的模型輸出,也可以是一些簡單的統計Tips,用于實現對目標用戶群的精細化運營。

1. 新增用戶首月行為

新增用戶的首月行為模式,在較大程度上已經可以預示其之后的行為模式,這種現象類似于《圣經》里說的“七歲見大”。比如首月活躍天數,看似是一個簡單的指標,但以此進行分組的話,不同組別在此后的行為表現是迥異的,界限清晰的,是一個用戶分組的良好指標。

如下圖所示,從整體來看,這四個分組在此后的行為表現是界限分明的。雖然高活躍組和低活躍組在第一個月結束時,曲線出現了一個缺口,但對整體趨勢的影響并不是很大。也就是說,當運營資源有限時,可以往首月行為較好的用戶群傾斜,可能會有更好的效果。

關于產品生命周期的幾點思考

根據首月活躍天數分組后的長期留存趨勢

2. 注冊用戶環比增速

隨著注冊用戶規模的基本盤變大,每月新增用戶的數量逐漸平緩或者走低時,雖然偶有波動,但從長期來看,注冊用戶環比增速的降低是必然的。

只是環比增速在不同檔位時,其實也是產品處于不同的發展階段,高增長,穩增長,或者已經趨近于飽和階段。通過對整體的或者不同地區細分的環比增速的觀察,可以相對應地改變不同運營策略的權重值。

關于產品生命周期的幾點思考

不同時期的注冊用戶環比增速

3. 用戶行為基本模式

  • 通過產品角度去觀察用戶行為的基本模式,可以看出不同時間階段下用戶的行為變化,比如從投入市場后,此后不同時期的留存率曲線會逐漸收斂到一個穩定的水平;
  • 通過微觀的用戶角度,則可以用活躍周期長短,活躍峰值高低等,去梳理和總結出具體產品下一些基本的行為模式,針對行為模式的差異,也可以對不同類型的用戶進行分群和運營。

4. 核心指標分組觀察

當產品在發生變化時,核心指標本身的變化是具有傳導性的,比如活躍時長的影響最早,最深,進而先后傳導到活躍頻次,活躍人數的變化上來。而對核心指標的分組觀察,則是進一步地進行細分,觀察在這個指標變化的過程中,不同用戶群體先后產生的不同程度的變化。

關于產品生命周期的幾點思考

核心指標分組觀察

五、總結

?1. 基本概念

本文首先厘清了關于生命周期的幾個基本概念,每一款產品,每一個用戶,都具有自己的一個或者幾個生命周期。

其中用戶的生命周期具有新增,留存,活躍,沉默等基本環節,但并非每一個用戶都會經歷完整的生命周期,基本環節之間是可以交叉穿越的。

2. 數據處理

生命周期分析中涉及一些數據處理的工作,除了此前介紹的移動平均,相關系數之外,本文接著介紹了去平均化,留存矩陣,因子分析,一階差分等數據處理和分析方法。

3. 基本環節

基于產品和用戶的角度,對生命周期的新增,留存,活躍和沉默這四個基本環節逐一做了梳理,提出了一些可以思考和分析的點,以及分析過程中碰到的有意思的現象。

但許多內容只是一個大體的思路,并沒有細致地展開去講,可以在實踐過程中深入去做。

4. 價值點

生命周期的分析,除了對其過程需要有清晰的認知和理解外,還應該從數據中挖掘出一些有價值的點,并應用到實際的業務場景之中。

文中分享了新增用戶首月行為,注冊用戶環比增速,用戶行為基本模式,核心指標分組觀察這四個點,但這些肯定是遠遠不夠的,更多是起到一個拋磚引玉的作用,提供給讀者作為一個參考。

作者:cooperyjli,騰訊CSIG應用運維組

來源公眾號:騰訊大講堂(ID:TX_DJT ),聚焦前沿,打造互聯網人的高光時刻

本文由人人都是產品經理合作媒體 @騰訊大講堂 授權發布,未經許可,禁止轉載。

題圖來自 Unsplash,基于 CC0 協議

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 這句圣經蚌埠住了

    來自廣東 回復