編輯導(dǎo)語(yǔ)：用戶留存是產(chǎn)品最關(guān)鍵的指標(biāo)之一，留存分析是產(chǎn)品復(fù)盤中十分高頻的業(yè)務(wù)場(chǎng)景。那如何更高效地發(fā)現(xiàn)和分析留存問(wèn)題呢？本文系統(tǒng)地整理了做留存分析的思路，一起來(lái)看看吧！
用戶留存的價(jià)值想必不用贅述，即便產(chǎn)品有高用戶增長(zhǎng)，但如果用戶沒(méi)有留下來(lái)，完成產(chǎn)品所定義的核心行為，就是無(wú)效增長(zhǎng)，只有用戶留下來(lái)才能為產(chǎn)品持續(xù)產(chǎn)生收益，像社區(qū)類、游戲等產(chǎn)品，還需要留存足夠的用戶量維持產(chǎn)品生態(tài)，因此用戶留存情況需要經(jīng)常做復(fù)盤分析。
那如何更高效有序地做留存分析？本文整理了系統(tǒng)思路如下：
第一步：觀察留存數(shù)據(jù)
觀察留存數(shù)據(jù)，看用戶的短期、中期、長(zhǎng)期留存率，分別對(duì)應(yīng)留存曲線用戶生命周期的三個(gè)階段（震蕩期、選擇期、平穩(wěn)期）。
圖 留存曲線的用戶生命周期
不同時(shí)期的留存率反映產(chǎn)品和用戶不同階段的狀態(tài)。
三個(gè)時(shí)期分別需要看多長(zhǎng)時(shí)間的留存率，這和產(chǎn)品天然的使用周期有關(guān)，即用戶使用產(chǎn)品的頻次，比如美團(tuán)外賣、知乎、抖音等每天都會(huì)使用的產(chǎn)品短期留存率主要關(guān)注次日留存，像貓眼電影、大麥網(wǎng)、12306等每周或每幾周才使用的，則關(guān)注周留存。
具體判斷產(chǎn)品天然使用周期的方法有三種：
1. 根據(jù)業(yè)務(wù)經(jīng)驗(yàn)
如上例子所述，該方法比較簡(jiǎn)單，可以在沒(méi)有歷史數(shù)據(jù)的情況下判斷
2. 分析每日留存率
具體做法是，取一段時(shí)間內(nèi)的新增用戶，觀察他們30天內(nèi)的每日留存率，在首日留存率后的第一個(gè)留存高峰即為產(chǎn)品使用周期，可以通過(guò)后續(xù)留存高峰出現(xiàn)的周期性去驗(yàn)證。
圖 某日新增用戶的分天留存率（虛擬數(shù)據(jù)）
注：
某一天新增用戶的N日留存 = 這一天的用戶在第N天活躍的用戶數(shù) / 該天新增用戶數(shù)
舉例1月1日新增用戶數(shù)為100，該批用戶在第3天活躍用戶數(shù)為60，則第3天的活躍留存率=60/100=60%
注意若該產(chǎn)品的使用周期為每天，則無(wú)明顯留存高峰，呈現(xiàn)的每日留存率是日漸衰減，而后趨于平緩的趨勢(shì)。
觀察30天內(nèi)留存率的原因是，若使用周期超過(guò)30天的產(chǎn)品一般不需通過(guò)留存關(guān)注用戶價(jià)值，主要關(guān)注用戶的使用體驗(yàn)，通過(guò)會(huì)員機(jī)制、建立品牌認(rèn)知等驅(qū)動(dòng)用戶成為忠誠(chéng)用戶，如貝殼找房、貨拉拉等。
3. 流失回歸率曲線
流失回歸率曲線可以幫助我們合理定義一個(gè)用戶，在多長(zhǎng)的時(shí)間跨度內(nèi)不回歸產(chǎn)品屬于流失用戶，而產(chǎn)品使用周期必然在這時(shí)間跨度內(nèi)，定義了該產(chǎn)品使用周期的上限。
流失回歸主要指流失用戶再次登錄產(chǎn)品，流失用戶即一段時(shí)間內(nèi)無(wú)登錄產(chǎn)品的用戶，這段時(shí)間稱為流失期。
流失回歸率=回歸用戶數(shù)/流失用戶數(shù)*100%
通過(guò)計(jì)算不同流失期的流失回歸率，可以得出一條流失回歸率曲線，隨著流失期越大，用戶回歸率越低，當(dāng)流失期超過(guò)某個(gè)點(diǎn)后，用戶回歸率的下降幅度會(huì)大幅減少，趨于平緩，這個(gè)點(diǎn)就是曲線的拐點(diǎn)，如下圖的拐點(diǎn)是第10天，意味著當(dāng)一個(gè)用戶連續(xù)10天沒(méi)有登錄產(chǎn)品，即可以判斷為已真實(shí)流失，該產(chǎn)品使用周期不超過(guò)10天。
圖 流失回歸率曲線
第二步：判斷留存問(wèn)題
如何判斷留存是否存在問(wèn)題，關(guān)鍵在于做對(duì)比分析，和不同的留存標(biāo)準(zhǔn)去對(duì)比，低于相關(guān)的標(biāo)準(zhǔn)則可能存在問(wèn)題，需要進(jìn)一步分析。對(duì)比的標(biāo)準(zhǔn)可分為以下三類：
1. 時(shí)間標(biāo)準(zhǔn)
與自身歷史表現(xiàn)對(duì)比，需注意低于歷史表現(xiàn)不一定是有問(wèn)題，須考慮產(chǎn)品留存是否有周期性特點(diǎn)，如游戲產(chǎn)品周末新增用戶的留存因?yàn)橛脩糨^泛，通常會(huì)比工作日新增用戶的留存更低。
2. 計(jì)劃標(biāo)準(zhǔn)
產(chǎn)品計(jì)劃留存通常結(jié)合產(chǎn)品的商業(yè)目標(biāo)制定。
3. 特定標(biāo)準(zhǔn)
通常是根據(jù)業(yè)務(wù)經(jīng)驗(yàn)，或與行業(yè)/競(jìng)品數(shù)據(jù)對(duì)比得出。
另外需注意，即使整體留存達(dá)標(biāo)，也不代表沒(méi)有問(wèn)題，可拆分不同渠道/不同價(jià)值用戶留存數(shù)據(jù)進(jìn)一步排查。
第三步：留存問(wèn)題分析
留存有問(wèn)題，意味著用戶流失，因此需要進(jìn)一步分析是誰(shuí)流失了，何時(shí)、在何地、如何流失，為了回答這些問(wèn)題，需要做流失用戶細(xì)分和流失點(diǎn)定位。
1. 流失用戶細(xì)分
拆解具體是哪些用戶流失了導(dǎo)致留存低，用戶細(xì)分的思路有三個(gè)。
（1）按用戶來(lái)源細(xì)分
用戶來(lái)源包括渠道類型、手機(jī)系統(tǒng)等，比如某個(gè)渠道的用戶流失大，則可能是因?yàn)樵撉赖膹V告投放策略有問(wèn)題導(dǎo)致導(dǎo)入的新用戶過(guò)泛，非產(chǎn)品目標(biāo)用戶。
（2）按用戶價(jià)值細(xì)分
按用戶價(jià)值劃分的方法常見(jiàn)有兩種，金字塔模型和RFM模型。
金字塔模型：按用戶重要程度排序，名人用戶>專業(yè)用戶>貢獻(xiàn)用戶>活躍用戶>普通用戶。
RFM模型：綜合考慮最近一次消費(fèi) (Recency)、消費(fèi)頻率 (Frequency)及消費(fèi)金額 (Monetary)這三個(gè)維度，對(duì)用戶價(jià)值進(jìn)行評(píng)估排序。RFM相對(duì)復(fù)雜，也可以按業(yè)務(wù)需求簡(jiǎn)化分析，如游戲產(chǎn)品一般直接按用戶充值金額劃分幾個(gè)檔次，區(qū)分充值大戶和普通充值用戶。
（3）按用戶屬性細(xì)分
用戶屬性包括4類：
人口統(tǒng)計(jì)特征：如性別、年齡、職業(yè)、教育等。
社會(huì)關(guān)系：婚姻、有無(wú)小孩、家有老人等。
行為特征：基本行為（注冊(cè)時(shí)間、日均使用時(shí)長(zhǎng)…）、業(yè)務(wù)行為（買過(guò)特惠商品…）。
業(yè)務(wù)相關(guān)：如健身產(chǎn)品用戶的胖瘦高矮、體脂率、日均8000步等。
2. 流失點(diǎn)定位
流失點(diǎn)定位即明確用戶具體在何時(shí)、何地、如何流失，通過(guò)這些信息可以找到用戶流失原因的線索。
（1）何時(shí)流失
觀察用戶在何時(shí)流失，有三種可能的情況：
第一種：在使用產(chǎn)品的某個(gè)時(shí)期流失
如下圖，3月21-27日這段時(shí)間新增的用戶在第7日留存與預(yù)期水平相比明顯偏低，同時(shí)可觀察第3~7日的留存衰減明顯快于預(yù)期趨勢(shì)（比例越低，衰減越快），雖然15日、30日留存也比預(yù)期偏低，但衰減趨勢(shì)與預(yù)期相符，因此可基本判斷流失問(wèn)題點(diǎn)出現(xiàn)在用戶使用產(chǎn)品的第7日左右。
圖 留存率熱力圖（虛擬數(shù)據(jù)）
第二種：在某個(gè)特定時(shí)間點(diǎn)流失
如下圖，3月21-27日這段時(shí)間新增的用戶在3月27-28日具體這兩天的留存率比日常水平明顯偏低，則可進(jìn)一步排查，該兩日有無(wú)異常，如APP無(wú)法登錄、運(yùn)營(yíng)活動(dòng)不當(dāng)影響用戶體驗(yàn)等問(wèn)題。
圖 留存率熱力圖（虛擬數(shù)據(jù)）
第三種：某日/某段時(shí)間的新增用戶留存持續(xù)偏低
如下圖，3月25日新增的用戶整體留存明顯較其他時(shí)間的新增用戶留存更低，該類情況通常為新用戶導(dǎo)入問(wèn)題，如廣告投放異常，可結(jié)合流失用戶來(lái)源細(xì)分進(jìn)行分析，進(jìn)一步定位問(wèn)題點(diǎn)。
圖 留存率熱力圖（虛擬數(shù)據(jù)）
（2）何地流失
主要指用戶在產(chǎn)品哪個(gè)功能模塊，或使用產(chǎn)品的哪個(gè)流程階段流失，通常是看用戶流失前所停留的功能模塊或流程，若發(fā)現(xiàn)大部分流失用戶流失前都停留在某一個(gè)地方，則可以重點(diǎn)排查相應(yīng)的功能或流程。
比如游戲產(chǎn)品，發(fā)現(xiàn)流失玩家有很高的比例在流失前停留在了某一個(gè)任務(wù)副本，則該任務(wù)副本可能是導(dǎo)致玩家流失的原因所在。
（3）如何流失
通常可以分析流失用戶在流失前的操作日志，看是否有異常。
第四步：流失原因挖掘
在第三步中，通過(guò)流失用戶細(xì)分和流失點(diǎn)定位可以獲得用戶流失原因的線索，第四步就是根據(jù)獲得的線索深入挖掘流失原因。
挖掘流失原因的方法有兩種：
1. 調(diào)研
有條件有資源的可以優(yōu)先考慮做調(diào)研，包括：
常規(guī)調(diào)研問(wèn)詢：如卸載調(diào)研頁(yè)面、問(wèn)卷。
深層原因調(diào)研：如電話、訪談、社群、論壇。
2. 假設(shè)驗(yàn)證
調(diào)研一般比較耗費(fèi)人力、財(cái)力和時(shí)間，在大多數(shù)的業(yè)務(wù)分析場(chǎng)景中，每次都做調(diào)研不太現(xiàn)實(shí)，所以在條件有限的情況下可以采用第二種方法“假設(shè)驗(yàn)證”，即基于第三步獲得的線索，根據(jù)業(yè)務(wù)經(jīng)驗(yàn)做原因假設(shè)，然后用數(shù)據(jù)驗(yàn)證。
比如上述游戲產(chǎn)品玩家流失的例子，發(fā)現(xiàn)流失玩家有很高的比例在流失前停留在了某一個(gè)任務(wù)副本，且這些玩家均為5級(jí)玩家，則根據(jù)業(yè)務(wù)經(jīng)驗(yàn)可假設(shè)該任務(wù)副本對(duì)這些玩家難度太大導(dǎo)致流失，具體可通過(guò)5級(jí)玩家在這個(gè)任務(wù)副本的通過(guò)率數(shù)據(jù)進(jìn)行驗(yàn)證，如通過(guò)率明顯偏低，則可驗(yàn)證假設(shè)。
第五步：提高留存
在了解流失原因后，如何著手提升留存率？具體問(wèn)題具體分析，但有一個(gè)大原則，如《打造 10 億美金產(chǎn)品的核心秘密：用戶參與層級(jí)模型》一文所說(shuō)，就是要不斷提高用戶「持續(xù)使用產(chǎn)品的收益」和「離開(kāi)產(chǎn)品的損失」。
1. 提高「持續(xù)使用產(chǎn)品的收益」
（1）需求滿足
一方面追求更精準(zhǔn)匹配用戶需求，比如短視頻產(chǎn)品，若推薦的視頻不符合某部分用戶喜好，該部分用戶需求沒(méi)有被滿足，則該部分用戶容易流失；另一方面爭(zhēng)取滿足用戶更長(zhǎng)期的需求，比如美顏相機(jī)產(chǎn)品，不斷優(yōu)化產(chǎn)品推出新玩法。
（2）使用體驗(yàn)
在市面上有其他產(chǎn)品能滿足相同的用戶需求情況下，使用體驗(yàn)更好，用戶才不會(huì)轉(zhuǎn)去選擇別的產(chǎn)品，比如同樣是打車軟件滿足日常打車需求，服務(wù)是趨同的，但服務(wù)體驗(yàn)可以有差別，滴滴因?yàn)樗緳C(jī)資源更多，訂單響應(yīng)的速度更快，所以相比其他打車軟件我更愿意使用滴滴，這也是滴滴能長(zhǎng)期占據(jù)市場(chǎng)第一的壁壘優(yōu)勢(shì)。
2. 提高「離開(kāi)產(chǎn)品的損失」
用戶投入：引導(dǎo)用戶在產(chǎn)品內(nèi)完成更多關(guān)鍵行為，本質(zhì)思路是讓用戶投入更多，包括時(shí)間、精力、感情，即盡可能提高用戶的沉沒(méi)成本。人在決定是否做一件事的時(shí)候，不僅看這件事對(duì)自己有沒(méi)有好處，而且也看過(guò)去是不是在這件事上有過(guò)投入，因此當(dāng)沉沒(méi)成本越高，用戶越不忍舍棄產(chǎn)品。
比如印象筆記，引導(dǎo)用戶創(chuàng)建一定數(shù)量的筆記，當(dāng)用戶創(chuàng)建的筆記越多，用戶轉(zhuǎn)移至別的筆記產(chǎn)品的損失就越高。
寫在最后，以上分享是基于工作經(jīng)驗(yàn)、業(yè)余學(xué)習(xí)和個(gè)人思考總結(jié)梳理得出，或有思慮不周之處，還請(qǐng)不吝賜教。
部分內(nèi)容參考書籍：
《游戲數(shù)據(jù)分析實(shí)戰(zhàn)》- 黎艷湘
《數(shù)據(jù)化管理》- 黃成明
本文由 @愛(ài)因斯坦的迷妹 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。
題圖來(lái)自Unsplash，基于CC0協(xié)議。
關(guān)鍵詞： 留存分析系統(tǒng)思路梳理 用戶留存 生命周期
