百木园
一、What——什么是留存
你对用户留存的概念真的了解吗？很多朋友容易下意识联想到与自己业务相关的，认为用户留存就是有再次访问自己网站/App的行为，如抖音的留存是有再次访问抖音的用户行为等等。
不妨先来看个示例：7日留存如何理解？
从时间维度上理解，它既可以是第7日留存的留存，也可以是7日内的留存，不同维度的作用不一样；
从指标定义的理解，它既可以是活跃留存（如有再次访问），也可以是购买留存（电商复购）。
因此我们在谈用户留存的时候先要统一口径，理解指标的定义和颗粒度，达到思维同频，才能进行愉快的交流。
同时，不同业务体系，关注的留存指标和颗粒度不一样！抖音这种高频短视频娱乐App关注的是次日、周留存为主，而携程这种偏旅游行业的App则更多关注月、季度留存。
理解上述内容后，我们可以尝试给什么是留存下一个更广的定义：谁，在什么时间，做了什么事，在多长时间内还会再做？
而做什么事、多长时间还会在做则取决于不同业务体系要关注的关键指标，如电商关注购买指标则留存是有再次复购的行为，内容网站关注有启动或者浏览算留存行为。
二、Why——为什么大家都要做留存
关于为什么要做留存，这点已经有非常多的文章分享过，就不作为重点阐述了。
主要还是由于现在互联网人口红利已不再，由之前的爆发式增长变成了存量竞争时代，单用户成本变的极高（源于网络：2016年淘宝获得一个新增用户166块钱，京东是142块钱。
2016年有一个拼多多，获得一个用户花10块钱。2019年，淘宝要花536元，京东花757元，五线以外用的拼多多获得一个用户也需要花143块钱），因此自然要提升单用户的价值才能抵消高昂的成本；同时用户愿意留下来也是产品是否能够提供有效长期价值的重要判断。
三、How——用户留存应该怎么做
用户留存怎么做，是本文分享重点部分。
让我们先用身边的案例来辅助理解一下，在下面的场景中，你为什么会再次消费（留存）？
比如你去一个理发店消费，肯定是因为理发师水平不错（产品），又或是水平一般但服务态度（服务）很好，又或是价格还很实惠（价格），你才会再次去消费，总不可能理发师剪的二狗子似得你还会再去消费吧？
这里面影响用户是否愿意再次去理发店消费，就涉及到3个影响因素了：产品、服务、价格，那对应哪个才是最重要的因素呢？
或许有朋友说那一定是产品，其实也不一定，如果理发师剪的一般但服务态度特别好，也是很有可能留住用户的。
因此，从上面案例中，我们初步得出2个结论：
所以，对于还在初始阶段的产品，产品价值还没得到验证或核心流程还得不到保障的初始阶段，其实是不需要做用户留存的，专心先把基础价值和核心流程做起来在考虑后面的事情。
在产品价值已经得到基本的验证，产品属于成长期及之后的产品，就开始要考虑用户留存了。
笔者尝试分享下自己实战总结出来的方法：寻找影响因素——找到最大杠杆点——找到最佳时刻/路径——制定提升指标策略——验证迭代。
1. 寻找影响留存的因素——尽可能罗列
如上方提到的理发店留存案例，影响用户留存的不是单一因素，而是由多因素组成。
在分析前期，我们要尽可能罗列能想到可能会影响留存的因素，举一个电商的例子，如谁、从哪里来、在什么时候、做了什么事情、结果怎么样？
- 用户类型：新用户、老用户；
- 渠道相关：App\\小程序、拉新渠道；
- 商品相关：购买何种品类商品、评分高低（对应反馈品质满意程度）；
- 价格/优惠相关：首单价格、是否用券、用的何种力度的券（什么活动吸引来的）；
- 产品功能相关：体验过什么功能/其他业务；
- 其他：是否有添加社群等等自己认为可能会影响的因素。
数据已做平移和脱敏，具体数值无参考意义，不必较真
罗列完后，我们需要把对应因素转换为可被数据化定义的指标，才能进行处理。
并且，需要在同一类型的用户基础上，对比分析不同因素的留存率差异才有意义，如新老用户本身留存率就有差异，我们得从都是新用户情况下分析某一因素的留存率差异（简单来说就是控制变量），否则很容易被数据所迷惑，分析失真。
2. 找到最大杠杆——差异越大影响因素越重要
通过给一些列可能影响留存的因素中做数据对比分析，会发现有些因素看似没什么区别，而有些则差异非常大，如下图案例中的非付费会员与付费会员的留存率差异值达到1.9倍，而是否社群、首单购买商品、首单APP还是小程序差异就非常小了（PS：此处因素只是随机列举）。
数据已做平移和脱敏，具体数值无参考意义，不必较真
因此我们找出了最大杠杆的影响因素付费会员、体验过签到功能的用户。
3. 找到最佳时刻/路径——四两拨千斤
我们现在知道撬动留存率提升的杠杆是把用户往付费会员、体验签到功能上迁移，但业务往往都是在有限资源条件下进行的，不可能所有资源都投入进去。所以我们需要进一步挖掘下钻，用户什么时候或在什么路径下，最优可能成为付费会员、体验到签到功能？
在数据分析的过程中我们有一个非常好的参照思路，那就是我们可以去看“已经成为付费会员的用户”他们在非付费会员时，是在什么时间段转化的？
这里我们就可以拉出这些会员转化前的特征（如是第几单用户了）、从首单开始多久转化了付费会员。我们通过拉取这些数据的平均数和中位数进行参考，就可以快速找出适合引导的时机了。
相应的功能留存（如签到）也是一样，我们可以通过分析用户在什么路径更有可能体验签到功能，则在该路径下尽可能的强引导去体验签到功能。如此以来，我们就能在用户需要或最有可能转化时，巧妙的推荐，做到四两拨千斤的效果。
4. 制定提升指标策略
在找到用户做什么事情、在什么时刻下引导更有效后，那么接下来只需要去制定相应的提升策略。可以适当参考行业最佳实践（如缩短链路、提供体验服务、利益突出、页面简洁明了等），也可以走近用户，通过访谈了解到用户最感冒的地方等等。
具体根据现状、团队预期能提升的效果及开发难易程度迅速测试，监测核心数据指标的变化即可。
5. 验证迭代
最后，虽然我们找出了撬动用户留存提升的杠杆、最佳时刻、制定了提升策略，理论上我们是通过合理的数据分析来制定的策略，更有可能会成功，但毕竟这还是我们的假设，我们还需要通过实践去验证，并不断的迭代优化找到最好的策略，最终使用户留存关键指标得到提升。
以上，笔者从什么是留存（What）、为什么大家都要做留存（Why）、用户留存应该怎么做（How），分享了自己总结出来的用户留存体系，其中重点内容放在了How部分，跟大家分享如何理清思绪从数据中寻找撬动的杠杆，发挥最大的效益，希望对大家有所启发。
关于留存中还有一部分是涉及到用户精细化运营-激活体系的，等下次有机会在跟大家分享。
给作者点赞，鼓励TA抓紧创作！
来源：http://www.woshipm.com/user-research/5502714.html
本站部分图文来源于网络，如有侵权请联系删除。