基于AARRR模型进行App体系化的数据分析

标签: 大数据 | 发表时间:2015-12-09 20:52 | 作者:标点符
出处:http://www.biaodianfu.com

从流量经济到粉丝经济

迄今为止,大多数公司只关注三件事:流量、用户、收入。他们关注的是通过大批流量的入口,招来大批用户,然后再带来大量收入,或者换言之,这是一种“流量经济”。但现在,如上面所述人群差异化越来越明显,导致以前的这种方式,会越来越低效,出现了越来越多的无用投放,以致于最后出现这样一种现象:通过流量交换,或者一些渠道与CP其实已经影响了很多用户,但最终留存下来的用户却很少。之前36kr有篇文章《流量时代何时走向终结》写过这样一句话:“‘流量经济’的重点在于‘洗’,要找到一种与之相对的模式,那一定是‘粉丝经济’,其重点在于‘养’”。

所以抛开流量增长带来的收入,我们更应该关心的是流量带来的是什么样的用户,怎么来的用户,以及不同用户怎样产生收入,产生什么收入。比如说,现在我们很多App常常会换量,找两个CP换量,一个带来5000量,而另一个带来3000量。很多人单从流量数字来看会觉得5000的好,但是没有考虑5000和3000用户背后的留存率,如果5000的量的留存是10%,3000的留存是40%,实际上是后者带来的有效用户是前者的两倍;然后还不止这么简单,如果前者(5000量里的10%的留存)带来的ARPU值是后者(3000量里的40%的留存)的5倍,意味着前者带来的价值又会是后者的两倍多,所以这些都必须通过对人群的深度分析才能得出结论,了解你的高留存用户,然后去“养”这些用户,那么才有可能产生持续稳定的高价值。

AARRR模型

Dave Mcclure曾在 OATV (O’Reilly AlphaTech Ventures)发起的一个Startup Camp上总结了一个AARRR模型,来定义重要的几个Metrics。AARRR是由Acquisition、Activation、Retention、Revenue、Refer,这几个单词缩写构成,分别对应一款生命周期的5个重要过程,即从获取用户,到提升活跃度,提升留存率,并获取收入,直至最后形成病毒式传播。

aarrr

基本上一个APP都需要考虑上面这5个环节,每一个环节都有一定的转化率(conversion rate),比如被获取到的用户里,也许只有30%的用户喜欢你的APP,但要让他们下次回访,也许还要再乘以20%,要让他们主动推介甚至购买,比率就更低了。资金雄厚的团队,可能每个环节都由独立的子团队来负责,利用精确的数据实现业绩考核。

AARRR 着重解决三个问题

aarrr-2

  • 靠谱的市场营销。能够完成用户的获取,并最终转化为APP用户,需要数据衡量数量。
  • 靠谱的产品质量。能够留下用户,产品的体验,内容,玩法则是根本,需要数据衡量质量。
  • 靠谱的商业模式。能够促进变现转化,产品在具备用户量和品质的同时,需要数据衡量收益。

如果从AARRR模型的转化关系来说,解决这三个问题就是回答用户从何而来,是否喜欢APP,留下来多少人,多少人为此而付费,是否具有较高的传播价值。这几个问题是一个优秀APP产品走向成功所要必须回答的问题。

AARRR 模型的全局作用

放眼整个APP业务,数据分析起到桥梁的作用,在APP研发、营销、运营等关键节点上,APP数据分析都将有所衡量和提供决策支持。

aarrr-3

不同阶段的指标,对应了不同的业务需求,以及阶段的运营目标,数据指标起到了监督阶段工作的效果,也完成了对产品整体生命周期内的分析。

  • 潜在用户-潜力用户。在这个阶段的转化,是们在完成寻找用户。
  • 潜力用户-核心用户。在这个阶段的转化,是在完成用户转化。
  • 潜在用户-潜力用户-核心用户。全阶段都需要运营的参与,完成用户经营。

获取用户(Acquisition)

这个阶段,最初大家最关心的数据是下载量。到今天,一些媒体的报道中也还经常用下载量来衡量一个应用的用户规模和是否成功。不过,下载了应用不等于一定会安装,安装了应用也不等于一定使用了该应用。所以很快激活量成为了这个层次中大家最关心的数据,甚至是有些推广人员唯一关注的数据。通常激活量(即新增用户数量)的定义是新增的启动了该应用的独立设备的个数。从字面上看激活量似乎更应该是第二层Activation的指标,但是因为下载量、安装量这些数据都比较虚,不能真实反映用户是否已经被获取。所以大家都要看激活,这才是真正获取到了新的用户。

另一个非常重要的数据,就是分渠道统计的激活量。因为在渠道推广时,很多应用开发者选择了付费推广。结算的时候,自然要了解在某个渠道有多少真正激活的用户。即使没有付费关系,开发者也需要知道哪个渠道是最有效果的。但是站在更高的高度看,CAC(用户获取成本 Customer Acquisition Cost)才是最需要去关注的数据。

用户获取分析的关键在于找出最有价值的渠道。那么多广告、活动、促销、SNS平台和SEO/SEM的投入,究竟哪一个渠道给你带来了最有价值的流量?Dave McClure说要“转化最好的渠道”,他所强调的“好渠道”并不意味着用户量最大的渠道,而是指那个为我们带来了“触发关键行为的用户”的渠道。那么问题就来了,什么是“关键行为”?其实这将取决于应用类型,它可能是观看视频、下载插件、开始游戏或者填写邮箱。但无论如何,“关键行为”将是一个比PV更有意义的事件。在定义好什么是产品上的“关键行为”后,这个指标将成为运营团队更准确地评估各个渠道质量的最佳标准。当然啦,如果你比较怕麻烦,欢迎使用最简单粗暴的“关键行为”指标——留存率。

关注指标:

用户生命周期价值(LTV)>用户获取成本(CAC)

  • 用户数量:点击用户数(Click)、安装用户数(Install)、注册用户数(Sign-Up)、在线用户数(Login)、最高在线(PCU)、平均在线(ACU)、日活跃(DAU)、周活跃(WAU)、月活跃(MAU),至于有效用户的定义,不同产品有不同指向,有的是付费用户数、有的是注册用户数、有得是登录用户数
  • 渠道转化率:点击->安装->注册->登录的转化比率(分渠道)
  • 自然增长用户Organic Users: 非推广手段获得的用户,如果此数据增长率相对Marketing Users的增长率很高,或者说明产品已经进入成熟稳定期,或者说明营销推广需要加强了。
  • 推广获得用户 Marketing Users:推广渠道获得的用户,含有渠道标签,用于宏观的评价渠道推广效果。
  • 虚假用户数(One Session/Day User):顾名思义,一次会话用户。主要用于监控渠道刷量作弊。同时也可反映目标用户的使用习惯,判断渠道获取的用户是否有效,从而评价渠道推广质量
  • 渠道增长率:评价渠道长期运转健康度
  • 渠道份额:渠道对比
  • 最后说说CAC(Consumer Acquisition Cost) CAC = 投入成本/有效用户数,以CPX(Cost per X,如获取每个登录用户的成本)的方式呈现。将CAC按渠道进行拆解,就可以得出渠道推广的成本。

提高活跃(Activation)

看到活跃,大家首先会想到的指标是DAU(日活跃用户)、MAU(月活跃用户)。这两个数据基本上说明了应用当前的用户群规模。通常活跃用户是指在指定周期内有启动的用户。但是启动是否真的等于活跃呢?如果在指定周期内只启动了一次,而且时间很短,这样的用户活跃度其实并不高(当然对某些特殊的应用来说可能算高,例如用来记录女性生理周期的应用,一月启动一次就够了)。所以其实还要看另两个指标:每次启动平均使用时长和每个用户每日平均启动次数。当这两个指标都处于上涨趋势时,可以肯定应用的用户活跃度在增加。

针对使用时长和启动次数的渠道统计同样很重要。我们把它们称为渠道的质量数据,如果某个渠道上来的用户,这两个指标很差,那么在这个渠道上投入太多是没有意义的。最典型的就是水货刷机的用户,很多预置的应用都是在刷机完成时被激活的。针对这种被动激活的用户,可以看另一个指标,叫一次性启动用户数量,也就是迄今为止只启动过一次的用户的数量。

除了渠道,另一个和活跃度相关的分析维度是版本。各个版本的使用时长和启动次数也会有差异。对产品经理来说,分析不同版本的活跃度差异有助于不断改进应用。此外跟活跃度相关的,还有日活跃率、周活跃率、月活跃率这些指标。当然活跃率和应用的类别是很有关系的,比如桌面、省电类的应用的活跃率就比字典类的应用高。

另一个重要的因素是产品本身是否能在最初使用的几十秒钟内抓住用户。再有内涵的应用,如果给人的第一印象不好,也会“相亲”失败,成为“嫁不出去的老大难”。在优化渠道流量带来了高价值的用户之后,我们需要确认用户的首次访问是否愉快。他们在APP或网站上的体验是否流畅,有没有在某个步骤或页面受到阻挠、甚至直接流失了?可以使用A/B test来测试每一个新功能(或着陆页)的转化率。此外,借助数据分析工具,我们还可以更深入地研究不同的用户类型、在线时长、登录间隔等指标对转化率的影响。此外,还有些应用会通过体验良好的新手教程来吸引新用户。

关注指标:

用户生命周期运营可以归纳为如下的这个转化过程:获得用户(下载安装) -> 转化成活跃用户(登录使用) ->留住用户(回访留存)->转化成付费用户(应用内支付) 。

1.活跃用户

指标定义:

  • 活跃用户=一段时间内启动/登录过移的用户
  • 每日活跃用户数量(DAU)、每月活跃用户数量(MAU)
  • 活跃用户比例=一段时间内活跃用户数量/一段时间内累计用户数量
  • 日活跃率、周活跃率、月活跃率
  • 一次性用户(One-Day User):根据当前时间,自新增以来再没有使用过应用的用户。只有新增时的一次启动/登录,之后再无启动/登录。
  • 一次性用户比例:一次性用户数/累计用户数。

反应问题:

  • 产品用户质量。活跃用户的绝对数量低,或相对总用户数量比例低,说明用户的质量不高,应结合渠道等维度深入分析是否目标用户群是否准确或者深入分析产品使用是否存在问题。反之并不能绝对说明用户质量高,产品使用不存在问题,还应当结合其它指标深入分析判断。
  • 一次性用户。虽然从定义上这部分用户也属于活跃用户,但应当格外给予关注。绝大部分一次性用户都是无效的量,不能创造任何价值。比如渠道的刷量作弊会带来大量一次性用户。在观测活跃用户数量的同时,请同时注重观测此指标,以客观评价分群体(如渠道)的用户质量。对于移动游戏来讲,健康的一次性用户比例应当不大于15%。

产品状况:

  • 活跃度可以有效的反映用户首次体验情况。界面效果、启动加载时间、交互操作体验、用户引导等因素都将对用户的活跃度带来直接影响。

健康表现:

  • 成熟、健康的产品运营的MAU从长期的发展趋势来看,应当呈现出稳定的趋势曲线(图)
  • mau
  • 一次成功的推广活动或版本上线应当带来活跃用户数量明显的增长曲线,同时一次性用户保持在健康的比例范围。(图)
  • mau-2

2.启动次数

指标定义:

  • 用户对移动产品的一次使用记为一次启动。启动次数就是用户对应用的启动总量。
  • 可以按不同时间区间进行统计。做数据追踪统计时,一般建议30秒内重复开启记录为一次完整使用,不单独计量。
  • 日启动次数、周启动次数、月启动次数、日平均启动次数:该日平均每用户启动应用次数。 日启动次数/日启动用户数

反应问题:

  • 启动次数反应APP的用户使用频率。

健康表现:

  • 不同类型的产品会有不同级别的启动次数量级。该指标应当结合用户分布维度来看,主要用户应当分布在较高的启动次数上。

3.使用时长

指标定义:

  • 平均单次使用时长:一定时间内,用户平均每次产品使用的多长时间 = 时间内用户总使用时长/启动次数
  • 平均日使用时长:当日用户使用产品时间综合的算数平均值

反应问题:

  • 使用时长反映用户持续停留在产品中的状况,是用户参与使用APP的体现。可以作为产品质量的一个指标。同时也可以结合用户分布维度来分析产品的用户质量。

健康表现:

  • 不同类型的产品会有不同级别的使用时长量级。该指标应当结合用户分布维度来看,主要用户应当分布在较高的使用时长上。如果存在大量短使用时长用户存在,排除产品主要因素之外说明目标用户群体存在问题,可能存在如渠道作弊等异常情况。该指标可作为监控渠道用户获取质量的一个指标。

4.DAU/MAU

指标定义:

  • 当日的日活跃用户数与30日活跃用户数的比值

反应问题:

  • DAU/MAU是社交游戏类和在线类应用常用的一项评估指标,被用来分析用户粘度。比值越趋近于1表明用户活跃度越高,在比值低于2时,应用的传播性和互动性将会很弱。行业中也常用DAU/MAU乘以30来计算每月用户平均活跃天数。

健康表现:

  • 好的产品会有更高的DAU/MAU比值。通常健康的DAU/MAU长期趋势呈现平稳的曲线。如果长期趋势曲线出现急剧增减,就要结合其它指标综合分析问题原因了。

提高留存(Retention)

有些应用在解决了活跃度的问题以后,又发现了另一个问题:“用户来得快、走得也快”。有时候我们也说是这款应用没有用户粘性。我们都知道,通常保留一个老客户的成本要远远低于获取一个新客户的成本。所以狗熊掰玉米(拿一个、丢一个)的情况是应用运营的大忌。但是很多应用确实并不清楚用户是在什么时间流失的,于是一方面他们不断地开拓新用户,另一方面又不断地有大量用户流失。

下载>安装>使用>卸载或者遗忘,这是用户在每个应用中的生命周期。成功的应用就是那些能尽量延长用户的生命周期,最大化用户在此生命周期内的价值的应用。对于大部分应用,应该关心的是1-Day Retention 和7-Day Retention。这里之所以用英文,是因为其中文翻译不统一,容易引起歧义。1-Day Retention通常翻译为首日留存率,其实这个“首日”并不是指应用被安装使用的第一天(假设日期为D),而是D+1日,即安装使用的第二天。因为安装使用的第一天没有留存率这个概念(有的话,只能是100%)。到了第二天,前一天安装使用的用户中还有多少百分比的人还在启动使用这款应用,这就是1-Day Retention。因为是第二天,所以有些文章中也叫“次日留存率”。同样的,7-Day Retention是在D+7日启动使用这款应用的占D日首次安装使用这款应用的用户总数的百分比。通常用户新安装使用后的前几天是流失比例最大的时期。所以这两个指标在留存率分析是最重要的。曾经有游戏行业的行家指出,如果想成为一款成功的游戏,1-Day Retention要达到40%, 7-Day Retention要达到 20%。

有些应用不是需要每日启动的,那样的话可以看周留存率、月留存率等指标,会更有意义。 留存率也是检验渠道的用户质量的重要指标,如果同一个应用的某个渠道的首日留存率比其它渠道低很多,那么这个渠道的质量是比较差的。

怎么能让用户再次到访我们的App或者网站呢?此时,我们需要开始分辨哪些改动提升了用户留存率,而哪些改动效果相反。那么基于用户分组和关键行为的留存率表现,将成为我们数据监测的关键点。相比起泛泛而谈的“留存率”,更有价值的信息将会是:我最关注的目标用户是否喜欢我最新的改动。这样的人群细分方式还可以应用于不同的性别、年龄、地区、设备等等。“细分留存率”将帮助团队更好地把握目标人群的行为动态,从而能不断给用户惊喜,提升其使用粘度与忠诚度。

关注指标:

用户的留存(Retention)可以告诉您用户对产品的忠诚度有多高。简单的讲,就是留住活跃的用户。用户留存是用户最终向付费转化,创造实际收入价值的过程中最关键的阶段。

指标定义:

  • 用户在某段时间内开始使用产品,经过一段时间后,仍然继续使用产品的被认作是留存用户;这部分用户占当时新增用户的比例即是留存率。
  • 日留存(1Day Retention)、周留存(7Day Retention)、月留存(30Day Retention)

反应问题:

  • 留存一直都是用来评定用户黏度的最好指标,从字面上就很好理解“有多少用户留下来了”,这是对你总体产品质量最直观的说明。留存率越高,说明产品的质量越高,用户的忠诚度越好。
  • 关注某日/某周的新增用户在之后的不同时期还有多少人仍在使用,从而了解到您的应用在使用多久后容易流失用户。找出最易流失用户的时间段,通过调整应用的策略、活动激励等措施来降低用户的流失。
  • 在行业中,很多应用都很重视首日留存率(1Day Retention)这项指标,这是对应用质量的直接反映,这项指标还可以在一定程度上说明用户首次体验的满意度。

健康表现:

  • 用户的留存在推广渠道,产品版本既定的情况下应当呈现一定的发展趋势。一般来讲用户留存会呈现如下的发展趋势曲线:
  • Retention
  • 从指标角度将,用户的留存1日,7日和30日留存存在着一定的转化关系。健康的产品1日,7日,30日用户留存率应不低于50% – 25% – 10% 的水平。也就是说一款好的产品首日用户留存率应维持在50%左右的水平,周留存率在25%水平,月留存率在10%水平。
  • Retention-1

获取收入(Revenue)

获取收入其实是应用运营最核心的一块。极少有人开发一款应用只是纯粹出于兴趣,绝大多数开发者最关心的就是收入。即使是免费应用,也应该有其盈利的模式。

关于收入,大家最耳熟能详的指标就是ARPU(平均每用户收入)值。对应的比较少提的还有个指标叫ARPPU(平均每付费用户收入)。是不是ARPPU高,ARPU就一定会高呢?答案是不一定。因为其中还有个指标是付费用户比例,也就是付费用户在全部用户中所占的比例。如果付费用户比例较低,那么那些收入摊到所有用户身上的平均值就低了。

但是收入并不是最重要的,利润才是。如何最大化利润呢?利润最简化的计算公式是:利润=收入-成本。首先我们看一下成本。除用户获取成本(CAC)之外,还有应用本身的开发成本、服务器硬件和带宽成本以及运营成本等等。不过在用户量很大的情况下,CAC会成为最主要的成本。

那么收入如何计算? ARPU是一个和时间段相关的指标(通常讲的最多是每月的ARPU值),还不能完全和CAC对应,因为CAC和时间段并没有直接关系。所以我们还要多看一个指标:LTV(生命周期价值)。用户的生命周期是指一个用户从第一次启动应用,到最后一次启动应用之间的周期。LTV就是某个用户在生命周期内为该应用创造的收入总计,可以看成是一个长期累计的ARPU值。每个用户平均的LTV = 每月ARPU * 用户按月计的平均生命周期。

LTV – CAC的差值,就可以视为该应用从每个用户身上获取的利润。所以最大化利润,就变成如何在降低CAC的同时,提高LTV,使得这两者之间的差值最大化。更进一步的,对不同渠道来源用户做断代分析,根据他们不同的CAC和LTV,就可以推导出不同渠道来源的利润率差异。

每个行业、每款App的盈利模式都是“私人定制”的。可以说,透视一个用户的生命价值(LTV),是也必须是我们保持盈利的超乎想象的利器。因为这个数值将帮助我们判断,自己到底该花多少钱去获取新用户。知道了那些关键行为是判断用户价值的标准,我们就知道了谁是高价值的用户,进而可以分析他们的触媒习惯,确定重点投入的渠道。

LTV(Lifetime Value)就是一个用户在生命周期内创造的价值总和。对于移动APP来讲就是一个用户在生命周期中创造的收入综合。

目前产品主要通过以下三种模式创造收入:

  • 付费下载
  • 应用内广告
  • 应用内付费

对于付费下载的收入计算比较简单,Revenue = 每下载单价 * 下载次数(Installation)

对于应用内广告模式,衡量应用的广告价值可以通过“用户生命周期广告价值”这个指标来体现

应用内付费(IAP)目前已经成为未来移动产品盈利模式的主要发展趋势,越来越多的产品采用F2P(Free to play)+ IAP的盈利模式。

收入宏观指标:

1.ARPPU

指标定义:

  • ARPPU, Average Revenue per Paying User, 即平均每付费用户收入。一般以月为单位计算,计算方法如下: 月总收入/月付费用户数。ARPPU反映的是平均每个付费用户的付费额度。

2.ARPU

指标定义:

  • ARPU, Average Revenue per User, 即平均每用户(活跃用户)收入。一般以月为单位计算,计算方法如下:月总收入/月活跃用户数。ARPU反映的是总体收入在整体用户中均摊的情况,通常该值会远小于ARPPU。

3.付费转化率(Conversion Rate)

指标定义:付费用户占整体活跃用户的比例。一般以月为单位计算。计算方法如下:月付费用户数/月活跃用户数

反映问题:

  • 产品引导玩家付费的能力如何?
  • 玩家的付费倾向和意愿如何?
  • 收入、ARPPU、付费转化率之间存在如下的关系:Revenue = ARPPU * MAU * 付费转化率
  • 运营者应当通过监测付费转化率,结合其它产品运营指标因素(如游戏应用事件转化情况等)以制定提升收入的策略。

健康表现:

  • 付费转化率不能直接反映收入的变化情况。付费转化率低并不一定意味着付费用户的减少,有可能是某一时期(如推广活动后)有大量新用户进入产品造成,还应结合首次付费时间等其它指标因素综合考量对收入变化的影响。相反,付费转化率变高也不一定就意味着用户付费额的增加。
  • 不同类型的产品的付费转化率水平也有所不同。例如对于社交游戏来讲,付费转化率会因类型的不同在1%-5%范围内变化。 MMO等硬核游戏的付费转化率则依赖于传播途径以及地域等因素也会有所不同(10%-50%)。

4.用户生命周期价值(LTV)

用户的生命周期是指一个用户从第一次启动应用,到最后一次启动应用之间的时间。LTV就是某个用户在生命周期内为该应用创造的收入总计,可以看成是一个长期累计的ARPU值。每个用户平均的LTV = 每月ARPU * 用户按月计的平均生命周期。比如,如果APP的ARPU = $0.5, 用户平均生命周期为3个月, 那么LTV = $0.5 * 3 = $1.5。

LTV帮助运营者了解平均玩家会在APP里呆多久,他们会花多少钱。结合之前提过的用户获取成本(CAC), LTV – CAC的差值,就可以视为该应用从每个用户身上获取的利润。所以最大化利润,就变成如何在降低CAC的同时,提高LTV,使得这两者之间的差值最大化。结合分群(segmentation),断代(cohort)等分析方法,可以针对特定的群体或渠道计算LTV和CAC,从而评估特定特定群体和渠道的利润。

推介&自传播(Refer)

以前的运营模型到第四个层次就结束了,但是社交网络的兴起,使得运营增加了一个方面,就是基于社交网络的病毒式传播,这已经成为获取用户的一个新途径。这个方式的成本很低,而且效果有可能非常好;唯一的前提是产品自身要足够好,有很好的口碑。从自传播到再次获取新用户,应用运营形成了一个螺旋式上升的轨道。而那些优秀的应用就很好地利用了这个轨道,不断扩大自己的用户群体。

通过上述这个AARRR模型,我们看到获取用户(推广)只是整个应用运营中的第一步,好戏都还在后头。如果只看推广,不重视运管中的其它几个层次,任由用户自生自灭,那么应用的前景必定是暗淡的。自传播,或者说病毒式营销,是最近十年才被广泛研究的营销方法。虽然大家都听过一些病毒式营销的经典案例,但是要说怎样量化评估其效果,却很少有人知道K因子(K-factor)这个衡量指标。其实K因子这个术语并非起源于市场学或软件业,而是来源于传染病学。K因子量化了感染的概率,即一个已经感染了病毒的宿主所能接触到的所有宿主中,会有多少宿主被其传染上病毒。

K因子的计算公式不算复杂,K = (每个用户向他的朋友们发出的邀请的数量) * (接收到邀请的人转化为新用户的转化率)。假设平均每个用户会向20个朋友发出邀请,而平均的转化率为10%的话,K =20*10%=2。这个结果还算是不错的效果——当K>1时,用户群就会像雪球一样增大。如果K<1的话,那么用户群到某个规模时就会停止通过自传播增长。

很遗憾的是,即使是社交类的移动应用,目前K因子大于1的也很少。所以绝大部分移动应用还不能完全依赖于自传播,还必须和其它营销方式结合。但是从产品设计阶段就加入有利于自传播的功能,还是有必要的,毕竟这种免费的推广方式可以部分地减少CAC。

让留存分析更加给力些

APP和用户可能会经过相遇、相知、相恋、相离的过程,这里面每一步都是一个漏斗转化,用户在任何一步觉得不好,可能都会选择中途离开。如果你想通过经营一个APP,逐步实现盈利,你应该获得更多“相恋”的用户(忠诚用户),并且尽量延后“相离”的时间点(延缓流失期的到来)。这样,可以获得更大的用户生命周期价值,业内称为LTV。

留存率是一个分析用户不同生命周期阶段的最基本的指标,你可以通过日留存率来判断新用户留下来的意愿,通过周留存率来判断忠诚用户转化比例,通过月留存率来判断产品的生命周期,从而合理规划产品,提高产品的价值。当然,还有更多高级模型来做忠诚用户的分析,比如RFM三度模型,参与度模型等等。

让新用户留下来-日留存率分析

好的开场白等于50%的成功。一个新用户如果能在第一次使用你的APP时获得好的体验,这个用户留下来的可能性会非常大。日留存率可以反映这个第一印象分。我们可以结合下面这些因素来分析日留存率。

1 )品牌认知度

自从商品经济出现之后,人们很愿意为品牌买单。一个购买iPhone的消费者,相比山寨机的消费者,更容易形成品牌二次回购。无线领域也是如此。在国内,知乎的新用户留存,应该比quora更高。知乎在国内的品牌影响力更大嘛。

2 )外观风格

好的UI是APP的门脸。其重要性不言而喻。我一直认为画面精细度对用户留存的影响也越来越大。换句话说,如果一个APP的画面都是粗制滥造的,用户又如何相信这个APP能够为自己带来价值呢?

3 )新手引导

新手引导是新用户转化为老用户的第一道,也是最难的一道门槛。恰到好处的新手引导,可以有效的提高次日留存率。以游戏为例,新手引导设计得太难或太简单,都会导致用户流失。好的新手教程需要体现游戏的基本玩法,同时又能展现游戏的亮点,吸引玩家留下来。分析新手引导的首次完成率和日留存率指标,合理设计新手引导教程,对游戏来说非常重要。以电商为例,新手引导有更多玩法。电商繁琐的注册流程和下单流程是用户流失的罪魁祸首。电商应用需要设计有吸引力的奖励来刺激新用户注册下单。一旦新用户注册完成了,常用地址填写了,支付方式绑定了,那么,以后维系和通过促销活动来刺激老用户消费就变成一个相对容易的事情了。可以对新手活动进行埋点,将日留存率与首次下单率指标结合起来分析。

4 )性能

这里先讲个真实案例。一个用户量近百万的电商APP,新用户刺激足够大、ui设计也是一流,但做了一轮大型推广活动后,发现次日留存率竟然不到20%,朋友找我帮忙分析。我就去下载了这个APP,却经历了一次揪心的体验……这个APP在我首次打开时,就不争气的闪退了。好不容易正常启动之后,商品配图加载非常慢,然后我刷了2、3分钟,手机就开始发烫了!!!我去手机应用管理中查看这个APP的进程,发现它比同类型的APP占用内存都高出好几倍。这样的运行情况,留存率高才奇怪了。产品性能不好是最低级的错误。即便团队人力有限,行业内也有很多的工具帮你解决性能的问题。

  • 发布之前:可以用云测工具对多个手机终端型号进行测试。中国市场安卓手机碎片化非常严重,我们选择主流机型加入测试矩阵。至少要保证主流用户的体验。
  • 发布中:网络环境是非常复杂的,很多时候用户的体验得不到保证。可以使用CDN服务,来提高真实网络环境下图片或视频的加载速度。
  • 发布后:当做好前期测试、多节点部署之后,我们还需要实际监控不同城市、不同终端设备、不同运营商下面的响应时间、崩溃率、网络错误率等性能指标。

5 )推广

前面所有的分析都建立在推广获得优质用户的基础上。我们判断一个渠道用户是否是优质的,前提是这个渠道的用户是真实的用户。如果获得的是真实的用户,我们还需要判断这个渠道用户的质量。评估渠道用户的质量并不是说让你购买的渠道用户越优质越好。如果将渠道用户分为高质量和低质量两种,其实比较推荐的推广方式是,用高价购买高质量用户,用低价购买低质量的用户。其中,高质量用户会有高的留存率,提升LTV,为APP带来价值;低质量用户会影响应用市场的权重,增加APP的曝光,带来部分自然流量。两种用户都是有价值的。

让用户转化为忠诚用户—周留存分析

新用户经过1周到2周的时间,会经历一个完整的产品体验周期。经过这个周期还留下来的用户,继续流失的速度会变慢,在各项转化指标上的体现更好,是价值最高的用户。

这个曲线衰减趋势和人类记忆的衰减曲线趋势类似。(小白科普:人的记忆是一个比较成熟的学科了,通过找到人类的记忆遗忘临界点,在临界点复习知识点,可以有效的缓解记忆者对这个知识点的遗忘。)

如果将这个研究成果应用到APP留存率上,我们可以通过一些产品设计和运营手段,结合合适的场景,在“记忆界点”加深用户的“记忆”,降低用户的“遗忘”,帮助新用户转化为忠诚用户。

1 ) APP内社区

有实验证明APP内社区是可以提高用户留存率的。用户花费的时间越多,感情越深,流失的可能性会越低。以一个理财类的APP为例,用户可能产生理财需求时,想不到手机里面安装过理财APP;等到看到这个APP时,购买冲动早就消失了。如果构建了APP内社区,运营人员定期整理理财资讯,强化品牌。促进用户在社区交流。APP被打开和被记忆的频次就高了很多。通过APP外社区进行品牌的传播,获得新用户;通过APP内社区提高用户粘性,提高用户留存率。聪明的创业者根据需要来进行社区的合理规划。

2 ) 推送

推送就是大家常说的push,合理的推送可以刺激用户活跃,提高留存率。按照“记忆曲线”的理论,运营人员应该在次日、三日、七日这样的“遗忘临界点”重点推送。另外,别忘了设置冷却时间(2次推送的最短时间间隔),避免频繁打扰到用户。

有一种设计叫用户为中心的设计,有一种推送叫用户为中心的推送。运营人员在推送每一条消息的时候,都应该考虑用户的实际场景,这条消息是不是用户正好需要的。发送内容时,发送用户最关心的内容。

用频率、付费金额、距离首次付费时间等多个维度,把用户划分到多个用户群,针对性的进行新客引导、新客品牌灌输、忠诚用户维护、流失用户召回,等等。精细才能成就有效的运营。

3 ) 打卡签到设计

每日签到,可以有效拉动用户的活跃,提高留存率。在用户签到时给与一些奖励。记得赋予“遗忘临界点”更高的奖励刺激,会有很好的效果。

比如下面是PopStar!消灭星星的签到设计,我们可以一起研究下它的数值。

days

我们看到,在次日、3日、5日、7日这样的“遗忘临界点”设计更高的奖励差值,能有效的提高留存率。

基于用户生命周期的产品规划-月留存率分析

APP的用户生命周期(下简称为life time)各不相同,不同的lift time需要有不同的产品策略。通过月留存率了解life time,提前做好产品的规划。爆款APP的life time不会超过1个月。如果你的life time不超过1个月,同时具备很好的病毒传播性,你将在短时间内获得大量的用户,但是这些用户如同过眼云烟,很快又会离你而去。所以在life time内实现变现是最理性的决定。游戏的life time一般在几周到1年不等。结合等级和关卡来分析用户的流失。如果发现流失用户都是自然满级用户,可能你需要推出更多英雄或关卡,来延长游戏的可玩性。

有些APP的目标用户会发生身份的转化,这些APP会有固定的life time。比如孕期APP的life time不会超过10个月。怀胎10月,准妈妈变成真妈妈了嘛。这个妈妈几乎一定会卸载孕期APP。通过丰富产品矩阵来满足用户的不同身份,引导这个妈妈使用育儿APP。忠诚用户还是自己的用户,只是换了一个载体继续延续用户价值。

总结

  • 认真对待用户和APP的第一次见面,创造良好的印象分
  • 在遗忘临界点出现在用户眼前,可以延缓用户的遗忘,促进忠诚用户的转化
  • 通过月留存率,了解用户的生命周期,提前做好产品布局

希望应用的设计者能够进行有效的留存率分析,提高忠诚用户的转化率,延长用户生命周期,来获得用户价值。

附件一:AARRR模型中的常用指标

aarrr-4

相关 [aarrr 模型 app] 推荐:

基于AARRR模型进行App体系化的数据分析

- - 标点符
迄今为止,大多数公司只关注三件事:流量、用户、收入. 他们关注的是通过大批流量的入口,招来大批用户,然后再带来大量收入,或者换言之,这是一种“流量经济”. 但现在,如上面所述人群差异化越来越明显,导致以前的这种方式,会越来越低效,出现了越来越多的无用投放,以致于最后出现这样一种现象:通过流量交换,或者一些渠道与CP其实已经影响了很多用户,但最终留存下来的用户却很少.

用AARRR模型,剖析樊登读书会增长和变现

- - PMCAFF互联网产品社区 - 产品经理人气组织
通过拆解别人家的案例,更加熟悉对方增长思路,并让自己像专家一样的思考. AARRR模型已经很多前辈已经讨论过,并且一直持续在实践中,大大小小的成功相信大家都看到很多,但是今天小编想详细的深入,让你也能像专家一样思考. 1.1 AARRR模型概述. 1.2 知识付费分析及樊登读书会产品概括. 2 AARRR模型下用户的持续增长策略研究.

App 和 iCloud

- 笑炊 - 爱范儿 · Beats of Bits
iCloud 的技术细节还在 NDA 的保护下. 但是大家的好奇心不能等到 NDA 失效再满足. 本文基于对 iCloud 的猜测写成,靠谱与否,等待时间检验. 打开浏览器,嗯,今天用 Safari , Chrome , IE 或者 Firefox. 输入 Twiter.com ,啊,不对,是 Twitter.com.

App Internet 革命

- Cary - Mr. Jamie 看網路與創投
Apple 公布最新一季的財報,3 個月賣出了破紀錄的 3,500 萬台 iDevices (iPhone, iPad & iPods). Google 公布最新數字,全球有 1.9 億支 Android 已經被啟用. 大家很興奮「智慧型手機」、「行動裝置」革命終於來到,我卻隱隱感覺到另一件更重大的事情正在發生,我們所熟知的「網路」,即將經歷另一次大幅度的轉變.

浅析App Engine

- - 搜索研发部官方博客
在国内外,云计算正在大步的走向商业化的道路,也得到了越来越多公司的重视. 其中平台即服务(Platform-as-a-Service  PaaS)已经称为业界探讨云计算的热点方式之一,采用PaaS模式来构建应用运行平台App Engine是一种重要的实现方式. 本文主要是对App Engine的背景、特点、需求等进行分析整理,并据此对业界主要的App Engine进行了调研分析.

Mobile App 将死?!

- - Tech2IPO
日前,Mozilla 产品副总监 Jay Sullivan 称移动应用不久即将成为历史,未来将是移动 Web 应用的天下. 光盘好歹还能当杯垫,可怜 Mobile App,难道就这样一下跌落进历史的垃圾堆. Mozilla 的产品副总监杰 • 沙利文 (Jay Sullivan, 上图) 日前表示,移动终端应用(Mobile App)没有未来,真正有前途的是移动 Web 应用(Mobile Web App).

APP已死?

- - 商业不靠谱
APP目前面临的几大窘境将促使搜索引擎由Search向Service、Getting 转变以适应用户在APP时代养成的简洁、高效等习惯. 《未来移动终端应用 C/S Vs B/S 架构》 许永硕——物联网智库. 参照PC软件的发展历程,B/S架构或许是破解APP难题的出路,目前,微信开放平台、手机QQ等在尝试扮演Browser(http://open.weixin.qq.com).

欺诈 app 追杀 — 给 App Store 的信

- Webto - Wangling
感谢 @apple4us 的建议. 我深知如果等着别人相助,此事大概会不了了之,届时只徒留一篇愤概文章. 所谓“追杀”,敌未死,我未停,正如给“动车追尾”事件的受害人追讨公道,公道未到,追讨不止. 于是,我刚给 App Store 发了信,如下:. 每人干掉一个坏蛋…,坏蛋没那么多;每一百个人、每一千个人、甚至每一万个人干掉一个坏蛋,世界都会美好许多.

Web App和Native App 谁将是未来

- - 互联网旁观者
未来是Web App的天下,还是Native App的天下. 作为设计师,我们是应该努力把客户端的体验提升到最优,还是在网页应用层面上做更多的设计. 那么,我们首先应该立体的认识一下Web App和Native App. Web 无需安装,对设备碎片化的适应能力优于App,它只需要通过XHTML、CSS和JavaScript就可以在任意移动浏览器中执行.

Blogger也有App了!

- 幻幽 or A書 - Jas9 Taipei.
感覺上,彷彿自從Google+推出之後,所有Google的既有產品服務都積極活動了起來. 繼上週Blogger的新後台從Draft轉到正式版更新上線之後,Google終於也推出期待多時的官方版本Blogger App.