0
雷锋网按：本文作者檀润洋，GrowingIO 数据分析师。 加州大学圣地亚哥分校硕士，曾任职美国 Emas Pro、 Kyocera 分析师，丰富的数据分析技术和案例实战经验。回国后加入 GrowingIO，致力于为客户构建数据模型，实现业务增长。本文首发于GrowingIO博客和公众号，授权转载。
资本寒冬下，大家都在谈增长，DAU（日活跃用户数）似乎已经成为企业和媒体描述产品增长的标配指标。然而，单独的DAU增长能否成为产品的护身符？要想实现长久稳定的用户增长，我们还遗漏了哪些？
本文将结合两个案例，和大家分享留存、Magic Number和以用户增长为目标的产品迭代策略。
留存，顾名思义，就是用户在你的网站/APP中留下来、持续使用的意思。留存的概念简单易懂，但是能深入了解留存本质的人还是很少的。
（一）增长与留存的关系
图1：看似增长的累积用户量
上面这张图中：新用户来到我们的产品，随着时间的推移逐渐流失；虽然总体上用户数是在不断增长的，但是流逝的用户也逐渐增多。
图2：实际增长的累积用户量
上面这张图中：虽然新用户进来后有一定流失，但还是有较高的留存；随着时间的推移，用户总数上升非常快，这才是真正的增长。
很多企业花大钱吸引新客户，比如O2O行业常见的“首单免费”模式。虽然当天的DAU有很大的提升，但其实这些用户都是一些负资产；因为很多人享受到第一次优惠就走了，这是不科学的增长方式。
要想实现真正的增长，首先我们的产品得满足用户的核心价值，然后通过运营方式让用户留下来、持久使用我们的产品。我们不能老是看DAU，而应该更多关注留存；只有留存提升才能实现真正的增长。
（二）产品什么时候做增长
不是任何阶段产品都可以快速增长的，在快速增长之前，你需要对你的产品进行精准的定位。我们需要确定产品有人用、用户有一定的市场规模、有清晰的商业模式，这就是产品和市场相匹配（Product Market Fit , PMF）的概念。
图3：产品增长路径
一旦我们找到了PMF，我们就要考虑逐步去做增长，这里面很重要的一点就是数据驱动。
（一）数据分析方法概论
给大家介绍一个非常朴素的数据分析方法论，它适用于大部分数据分析场景，包括留存分析。
图4：数据分析方法论
首先我们通过日常的数据监控来发现问题, 然后根据问题去设立一个解决目标，并且用数据去探索。探索问题的过程中，原因可能会多种多样；我们会建立各种各样的假设，根据假设进行试验，最后后根据实验结果去检验假设。这样循环直到我们找到一个满意的结果，然后用来优化产品或运营。
（二）留存分析框架
常见的AARRR模型包括五个环节，在这里面留存分析分为两个阶段：新用户留存分析和产品留存分析。
图5：留存分析框架
首先是新用户留存分析，用户刚刚使用我们产品的时候，决定用户去留的就是它。我们基本上只有一次机会去展示我们产品，一定要把我们产品最有价值的东西展示给出来，不然用户就流失了。
第二个是产品留存分析。新用户留下来以后持续使用你的产品，他会逐渐去挖掘、探索产品的不同功能的特点。这个时候我们需要一个功能去打动用户，做出新花样让用户觉得你的产品很好，只有这样用户才会长久留下来。后面我会和大家分享的Magic Number，就是这样一个数据分析工具。
Sidekick 是一家做强化Email 功能的SaaS公司，它可以做一些个性化的邮件，还可以监控收邮件的人是否打开了邮件。他们通过数据监控发现，新用户的留存率在持续大幅度下降。
图6：sidekick公司新用户留存曲线
（一）流失用户分析
针对新用户流失严重的问题，我们制定出一个目标：希望提升第一周的留存率。为了达成目标，我们需要进行数据探索，做流失用户画像分析，看看流失用户都有哪些特征。
我们分析了流失用户使用我们产品的次数，发现近60%的流失用户只用了一次我们的产品就流失了。这说明在用户进入我们产品时，第一次体验不好或者没有发现产品价值的话，用户就会流失。
图7：用户流失原因
通过进一步的流失用户访谈发现：30%的用户没有感受到产品价值，30%的用户表示不理解产品的用途。这两类问题的核心在于如何让用户快速发现我们产品的价值，而且占了60%，需要优先解决。
（二）产品迭代探索
提升留存主要有两大思路，一是改变产品或者技术，二是通过运营进行人工干预。既然用户没有及时发现我们产品的价值，回归到刚才的方法论，我们可以进行系列探索。
尝试1：砍掉使用频率低的功能
既然用户没有及时发现我们产品的价值，那我们就尝试砍掉复杂难懂的功能、突出核心功能。试验结果发现留存率不但没有提升、反而继续下降。
图8：砍掉非核心功能（尝试1）
尝试2：提示客户发现产品核心价值
用户不知道我们的产品核心价值是什么，那么对新用户进行产品内提示呢？结果显示留存率继续下降，尝试并没有收到什么好的效果。
图9：增加功能提示（尝试2）
尝试3：产品操作引导视频
既然用户不知道怎么用我们的产品，那么我们就又尝试做一个引导视频；其实很多公司都在这么做，最后数据表明还是不行。
图10：提供操作引导视频（尝试3）
尝试4：直接在邮箱内使用产品
大概做了20多个试验后才发现了一个可行的方法，当用户下载安装完产品后，提示用户：你可以去你的邮箱使用我们的产品、追踪邮件了。
图11：提示用户去邮箱使用产品（尝试4）
因为用户发现产品从网页上下载，想当然认为是在网站上直接使用，所以客户端产品的留存率非常低。于是他们给用户一个提示–––你可以去邮箱直接使用，加了这句话后，留存效果就好多了。
图12：最后试验留存度大幅提升
这个是数据的结果，之前是蓝色那条线的，最后慢慢提升成黄色那条。通过这个案例，我们可以对留存分析的方法论、数据分析的过程有一个清晰的认识；而且产品迭代的过程没有那么简单，需要反复探索、循环。
（一）产品功能留存分析方法论
新用户的留存率提升以后，我们面临第二个问题，将处于平稳期的留存曲线上移。如何提升用户的整体留存度，提升平稳期的留存曲线，我总结了三个方法。
第一，分析不同功能模块的留存趋势，增加产品的粘性。
第二，分析不同功能模块的访问人数和活跃度。
第三，分析用户使用功能的路径，找出流失原因，降低流失率。
（二）Magic Number探索实践
一个用户使用了我们网站或者APP的某些功能、做了某些动作，然后留下来持续使用我们的产品、成为忠诚的用户。这说明用户的行为和留存率之间是有一些相关性的，我们要找出这种相关性，然后去看是否有因果关系。
Magic Number可能有些抽象，我们需要对其量化。给大家举几个例子，Facebook发现用户10天内添加7个好友的留存度更高，Twitter发现用户10天内关注30个大V的留存率更高。这些Magic Number都是通过数据分析、数据挖掘的方式找出来的，并且有一套完成的方法论。
图13：Magic Number 的探索过程
第一步，确定产品 on boarding 功能。
一个社交类APP可能有多个on boarding功能，包括登录、添加好友、添加关注、发送消息、点赞、分享、上传文件等等。
第二步，分析用户行为与最终留存度之间的相关性。
用户一周内点击7次关注用户的留存度为57.5%，一周内点击5次关注博客的留存度为54.4%，一周内点击6次点赞或者评论的留存度为52.6%，均为强相关。
第三步，筛选出合适的Magic Number。
根据公司目前的发展战略、操作成本、可执行性、A/B测试筛选出合适的Magic Number。假如这个APP产品目前发展战略是快速获取新用户、扩大市场，那我们可以将“一周内添加7个新用户”作为最终的Magic Number。
第四步，找到了最终的Magic Number，我们需要去执行、运营好它。
比如在这个社交APP里面鼓励用户添加好友，为用户更加精准的推荐好友。从而实现最初的目的，培养用户产品使用习惯、提高用户粘度，促进增长。
一旦留存提升上来，我们就可以做用户变现或者传播推荐，这样我们的用户才会慢慢增长。通过不断的市场拉新，留存的用户慢慢沉淀下来，成为我们的重要用户，是可以变现的。而那些不稳定的用户，我们还要做各样的产品和运营方面的改进，让他们逐渐变成留存用户、然后开始变现。
只有用户的留存度提升上来了，我们才能真正实现活跃用户的增长。
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
