产品运营之用户留存策略！

从用户的角度来看，每一款产品其实都存在一套完整的用户生命周期，我们常说的用户体系就是以用户生命周期为基础，对用户进行建模，进而实现很多精细化的产品方案和运营策略。

本文就从用户生命周期的角度上，来看看如何系统的、有体系化的做产品用户留存

不同生命时期的用户价值的体现。我们根据用户在产品中的状态，粗略的把用户分为以下几类

• 新用户：指刚刚进入产品，即将或正在体验产品功能的过程中

• 核心用户：指产品中最为稳定的一群用户，也是我们产品要维护的最核心的用户

• 准流失用户：指产品中的出现了一些流失征兆的核心用户

• 流失用户：在产品业务规则下，已经被判定为流失的用户

不同状态的用户的价值是不同的。而我们做留存的目的，就是要将更多的低价值用户转化为高价值用户。

我们把用户状态的转化路径抽象出来

新用户、现存用户（核心用户+准流失用户）、流失用户三类

那么，围绕这三类用户，我们分别来看一下，他们的留存有何不同：

1. 新用户的留存

也就是说，当我们把用户通过一些列手段拉到产品中后，如何留住他。核心指标就是我们常说的次日留存、七日留存、月留存等等

2. 现存用户留存

我们的核心目的是通过一些列手段，提高用户使用产品、或在产品中停留的时间，防止用户流失。核心指标就是我们常说的DAU、MAU、流失率等等

3. 流失用户留存

我们的核心目的就是通过一些列手段，想办法让体验过我们产品服务的用户再次回来。核心指标比较常见的就是召回率，或者更深入一些的召回用户留存率等

那么针对这三种场景，我们分别来看一下~

新用户的留存

对于新用户的留存，我们通常是看一个问题：

找到影响用户留存的关键节点（也就是我们常说的aha时刻），然后通过引导用户完成“关键行为”实现用户对产品价值的感知，进而提升新用户的留存。

什么是用户关键行为（aha时刻）？

用户关键行为（Aha时刻）就是用户首次确认产品对自己有价值的那一刻

用户关键行为（aha时刻）有一个标准公式：

谁在多长时间完成多少次什么行为

找到Aha时刻，实际上就是通过分析，找到活跃用户与流失用户之间的行为差异，分析行为差异背后的用户核心诉求；然后通过产品或运营手段，让新用户的核心诉求尽可能的被满足，从而完成对新用户的留存

那我们接下来就需要来明确一下，如何找到aha时刻？也就是影响留存的关键行为节点。

第一步：提炼产品价值，梳理可能的用户关键行为，找到新用户在开始使用产品时能够最快感受到长期价值的方式

比如，我们可以用过几个问题，来找到产品价值：

• who：用户是谁

• what：用户用这个产品要解决的问题是什么

• why：用户为什么要解决这个问题

• Vs：用户还有其他什么方法解决这个问题

然后，通过用户调研对比不同用户的回答，发现产品对用户最重要的价值，找到一系列的关键行为

• 对于长期最活跃的用户：为什么觉得产品有价值？

• 对于注册后迅速离开的用户：为什么迅速离开？

• 对于注册后活跃使用的用户：为什么留下来了？新用户时期做了哪些动作，有哪些关键的体验？

第二步：通过数据分析，找到以上关键行为中，和用户留存正相关性最强的关键行为

翻译成大白话就是，怎么从一堆看似有价值的行为里面找到最有价值的行为。

这里我们常用的一个方法就是，对比留存曲线。同样用到对比实验的思维，控制单一变量，去对比用户做了和没做这个行为的用户留存数据。其中，差别最大的两组数据对应的行为，大概率就是我们要找的关键行为。

还记得我们上面说到aha时刻的公式吗？

aha时刻=谁在多长时间完成多少次什么行为

其中“谁”和“行为”已经在第一步和第二步找到了，接下来我们看一看“多长时间”的问题

第三步：找到用户关键行为的有效周期

引导用户完成关键行为是有时效性的，撇开时间谈效果都是耍流氓。

比如某个社交平台，用户留存的关键行为是发帖一次，但是当用户注册后一年才去发个帖子，那我们能说用户被我们留下了吗？好像不太合理，反而更像是召回。

当然，时效性的问题，需要结合产品的具体的业务逻辑，假设你的业务逻辑确实是用户一年来一次就好了，那1年内用户完成关键行为也是比较合理的。

比如大家可能都在用的一款产品“个人所得税app”，可能每个人只在年初个税年度汇算的时候才使用一下。那这里的“多长时间”可以是一年内。

那对于我们自己的产品，该怎么去找到“多长时间”呢？有几个原则，可以参考一下：

原则1：使用频次越高，激活需要越快

使用频次越高，新用户越快期待从产品中获得价值，可以根据使用频次，大概判断新用户的的激活期。

举几个例子：

• 社交、短视频、游戏类产品，用户的使用频次大概是每天，那么这个时候，如果你第一天当用户使用的时候没有让用户发现价值，那么大概率用户可能就会被流失掉了。所以，社交、短视频、游戏类产品的“多长时间”≈1-3天

• 外卖、健身等产品，用户的使用频次大概是每周，那么这个时候，我们就要想办法，尽量在一周内让用户体验到我们产品的价值。“多长时间”≈3-7天

• 电商类产品，用户的使用频次大概是每月，这个时候可操作的空间就可以更长一些。“多长时间”≈7-30天

原则2：生命周期越短，激活需要越快

• 产品生命周期越短，新用户越快期待从产品中获得价值

• 比如游戏类的产品生命周期相对来说比较短，那激活期相对来说就要短一些

• 电商类的产品生命周期比较长，那激活期相对来说就要长一些

原则3：参考实际数据

分析新用户的实际数据，看大多数早期激活行为发生的时间窗口

• 比如，某个社区类的产品，我们拉出所有首次发布内容的用户的时间分布，发现80%都发生在一周内，那么我们可以定义“多长时间”≈7天

然后再回到这个公式

aha时刻=谁在多长时间完成多少次什么行为

“多少次”等下再谈，我们先看看“行为”

第四步：通过数据分析找到这个关键行为的最佳次数

为什么要计算最佳次数？

有些激活行为，只做一次就够了，例如电商的首单；有些激活行为，需要重复多次，才能确保新用户感受到产品价值，例如看段视频。

理论上来说，重复次数越多，对于留存提升越大。但是新用户激活时间有限，让用户重复太多次不现实。因此我们找到激活行为的最佳次数，确保用户获得价值的同时又不给用户带来负担

怎么计算？

找到行为次数影响留存数据边际效应最大的数值。举个例子解释一下：

假设，某一款产品影响留存的关键行为是发帖，行为周期是一周

那么我们先画出新用户首日激活行为次数的分布图（一周内，用户不同发帖次数的用户数量）

然后，去分析首周关键行为次数和次周留存率的关系（如下图）：

最后，我们找到留存编辑效应最大的点（通常是曲线拐点），这个点对应的关键行为次数，就是我们要找的最佳次数了。

好的，截至现在，其实我们已经对aha时刻找的比较清晰了。

aha时刻=谁在多长时间完成多少次什么行为

不过，这里需要特别提醒一下。我们通过上述一系列操作下来，其实找到的是影响留存的相关性因素，而不是因果性因素。

什么是相关性？

观察到有某个行为的用户，同时留存率更高

什么是因果性？

用户做了某个行为，导致留存率更高

相关性只能帮助我们分析和实验，因果性才能知道我们执行动作。

所以，当我们得到一系列相关性的结论后，还需要去不断的优化和实验，最终找到因果性因素。

用户行为分析

当我们找到影响用户留存的aha时刻之后，我们该如何去引导用户完成这个关键行为呢？

通过分析用户数据，找到新用户完成行为的关键路径，分析路径转化漏斗

我们同样还是举个社区产品的例子，假设这个产品用户完成关键行为的路径如下：

【打开app->浏览广场内容->找到感兴趣的主题->打开主题广场->浏览主题广场的内容->发布自己的内容->发布成功】

那么针对这个路径，我们可以去做几个维度的分析：

1）路径分析

新用户的实际路径是什么？是不是被无关路径干扰了？

比如，用户发帖是否可以不用进入到对应的主题，在广场时就可以直接进行发帖，然后撰写内容是选择主题即可？

依照这个思路，我们可以把用户路径进行优化：

【 打开app->浏览广场内容->发布内容->选择主题->发布成功 】

对于用户来说，需要进行的环节少了，自然整体路径的转化率就会带来提升

2）轨迹细查

流失掉的新用户，在产品里面都有哪些动作？

我们可以具体看看路径上具体哪个环节的流失比较严重，然后具体分析流失的原因再去针对性的解决。

比如：用户在“浏览广场内容”这个动作之后流失率比较高，因为我们下一步是引导用户找到感兴趣的主题，那这一步流失比较高的原因可能就是用户没有找到自己感兴趣的主题或内容

那针对这个问题，我们是不是可以在用户最初注册时，就先引导用户选择几个感兴趣的标签，然后进入产品后，优先推送更符合用户兴趣的内容。

3）行为漏斗时间间隔

用户路径节点之间的时间间隔窗口有多大？每两步之间的的时间间隔有多久？

比如：【浏览主题广场的内容->发布自己的内容 】，这个环节的时间间隔比较长。那么我们是不是可以在发布这个动作上做一些引导。

比如用户在主题广场浏览内容时，提醒“对这个主题感兴趣？来聊聊你的看法吧！”并配以动态效果，是否可以对用户行为进行了引导？这可能是其中一个方法，当用户在某个行为动机不强时，我们要想办法去激发用户行为动机

4）用户分群

不同分群的用户流失率是否相同？不相同的话，需要分群进行相对应的策略。

这个其实就是把上面三个维度根据用户属性的不同进行组合策略。我们把相同属性的用户进行分群，然后单独进行上面三个维度的分析和策略就可以了。这里就不多说了。

最后，关于用户行为引导这块，我们再总结一下：

1. 通过路径分析了解用户的真实路径，建立漏斗，分析各环节转化率

2. 通过用户分群，了解是否不同分群流失率不同？（常见分群的维度：用户画像、获客渠道、设备平台、产品线、CRM渠道、红包补贴、人口学、客服互动、社群互动等）

3. 通过行为漏斗间隔分析，了解用户的行为进度

4. 通过用户调研了解背后的原因是什么

5. 通过点击热图了解新用户首先点击的元素是什么

通过以上步骤，我们基本上就可以大概分析出在用户行为路径上，用户流失的原因有哪些了