留存分析:系统思路梳理
留存分析：系统思路梳理
用户留存的价值想必不用赘述，即便产品有高用户增长，但如果用户没有留下来，完成产品所定义的核心行为，就是无效增长，只有用户留下来才能为产品持续产生收益，像社区类、游戏等产品，还需要留存足够的用户量维持产品生态，因此用户留存情况需要经常做复盘分析。
那如何更高效有序地做留存分析？本文整理了系统思路如下：
第一步：观察留存数据
观察留存数据，看用户的短期、中期、长期留存率，分别对应留存曲线用户生命周期的三个阶段（震荡期、选择期、平稳期）。
图 留存曲线的用户生命周期
不同时期的留存率反映产品和用户不同阶段的状态。
三个时期分别需要看多长时间的留存率，这和产品天然的使用周期有关，即用户使用产品的频次，比如美团外卖、知乎、抖音等每天都会使用的产品短期留存率主要关注次日留存，像猫眼电影、大麦网、12306等每周或每几周才使用的，则关注周留存。
具体判断产品天然使用周期的方法有三种：
如何做数据分析
1. 根据业务经验
如上例子所述，该方法比较简单，可以在没有历史数据的情况下判断
2. 分析每日留存率
具体做法是，取一段时间内的新增用户，观察他们30天内的每日留存率，在首日留存率后的第一个留存高峰即为产品使用周期，可以通过后续留存高峰出现的周期性去验证。
图 某日新增用户的分天留存率（虚拟数据）
注：
某一天新增用户的N日留存 = 这一天的用户在第N天活跃的用户数 / 该天新增用户数
举例1月1日新增用户数为100，该批用户在第3天活跃用户数为60，则第3天的活跃留存率=60/100=60%
注意若该产品的使用周期为每天，则无明显留存高峰，呈现的每日留存率是日渐衰减，而后趋于平缓的趋势。
观察30天内留存率的原因是，若使用周期超过30天的产品一般不需通过留存关注用户价值，主要关注用户的使用体验，通过会员机制、建立品牌认知等驱动用户成为忠诚用户，如贝壳房、货拉拉等。
3. 流失回归率曲线
流失回归率曲线可以帮助我们合理定义一个用户，在多长的时间跨度内不回归产品属于流失用户，而产品使用周期必然在这时间跨度内，定义了该产品使用周期的上限。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。