1. 留存分析

1.1. 1. 概念理解

  • 留存:

    用户在某时间开始使用应用,一段时候后,仍然继续使用该应用的用户,即被定义为留存用户;

  • 留存分析:

    分析用户参与情况或活跃程度的分析模型;

    统计在选定的时间范围内,进行了初始行为的用户中,随后进行后续行为的人数及比例。

1.2. 2. 功能说明

  • 分析用户对产品或某些功能行为的用户黏性
  • 通过不同时间范围内的留存对比分析,找到用户流失的具体原因,对产品优化和改进提供实质性的指导建议
  • 划分用户分群群体,例如:周留存数据可以得出忠诚度较高的用户群体

1.3. 3.操作详解(?)

image
Figure: image

1.3.1. a. 初始行为、后续行为和用户条件

初始行为是在待分析的两个事件中先触发的事件,一般用来从所有用户中先选定部分群体;
后续行为通常选择希望用户重复触发的事件;
初始行为和后续行为均可以对属性设置筛选条件;

1.3.2. b. 时间、显示类型、显示设置

image
Figure: image
标识 说明
A 初始行为发生的时间
B 留存的统计时间段设定,可以按照日、周、月查看不同时间段的留存情况
C 切换数量显示或比例显示
D 显示设置(?)

1.3.3. c. 图表展示

表格展示留存的具体数据结果,支持对初始行为的属性和用户属性进行数据下钻;

image
Figure: image

每个单元格中数据的含义可以通过将鼠标滑动置于单元格上进行查看,点击单元格中的数字,页面将跳转到用户分群页展示该用户群中的用户列表信息;

image
Figure: image

1.4. 4.常见场景举例

1.4.1. a. 次日留存

结合产品的新手引导设计和新用户转化路径来分析用户流失原因;

1.4.2. b. 周留存

一周的时间中用户通常会经历一个完整的使用和体验周期,如果这个阶段中用户能够留下来,就有可能成为忠诚度较高的用户;

1.4.3. c. 月留存

通常产品的迭代周期可以“月”来计,月留存能反映出产品的一个版本的用户留存情况,一次来判断版本更新的功能点对用户体验的影响;

1.4.4. d. 渠道留存

渠道来源不同,用户质量也会有所差别,因此可以针对渠道进行分析;也可以排除渠道因素带来的差异后进行对比分析,更准确的判断产品上的问题;

results matching ""

    No results matching ""