網(wǎng)站用戶運(yùn)營如何解決留存數(shù)據(jù)問題？

　　1/什么是用戶留存率

　　在互聯(lián)網(wǎng)行業(yè)中，用戶在某段時(shí)間內(nèi)開始使用應(yīng)用，經(jīng)過一段時(shí)間后，仍然繼續(xù)使用該應(yīng)用的用戶，被認(rèn)作是該應(yīng)用的留存用戶，這部分留存用戶占當(dāng)時(shí)新增用戶的比例即為留存率。

　　例如，7月份某旅行app新增用戶500，這500人在8月份啟動過應(yīng)用的有250人，9月份啟動過應(yīng)用的有200人，10月份啟動過應(yīng)用的有150人，則說明7月的這波新增用戶一個(gè)月后的留存率是50%，兩個(gè)月后的留存率40%，三個(gè)月后的留存率是30%。

　　留存用戶和留存率體現(xiàn)了應(yīng)用的質(zhì)量和保留用戶的能力。如果一款產(chǎn)品不僅能夠滿足用戶的核心需求，而且可以比較好的、比較快的、比較方便地滿足客戶的核心需求，那么這塊產(chǎn)品的用戶留存率基本不會太差。

　　2/常用留存數(shù)據(jù)分析工具

　　目前市面上有蠻多專業(yè)的數(shù)據(jù)機(jī)構(gòu)在提供數(shù)據(jù)統(tǒng)計(jì)服務(wù)，使用比較多的移動應(yīng)用統(tǒng)計(jì)平臺大概有3、4家，國外比較流行的是Flurry，功能上非常全面，另外就是Google Analytics也推出了移動版，但是其在國內(nèi)基本無法正常使用。而在國內(nèi)的統(tǒng)計(jì)分析平臺中目前比較有名的是友盟、TalkingData以及無需埋點(diǎn)即可實(shí)現(xiàn)數(shù)據(jù)統(tǒng)計(jì)分析的GrowingIO

　　這些工具都擁有非常強(qiáng)大數(shù)據(jù)分析能力，以用戶量較大的友盟為例，它除了可以做用戶留存率分析，還可以對新增用戶、啟動情況、版本分布、用戶構(gòu)成、渠道分銷、運(yùn)營商情況、管理等指標(biāo)都能十分清晰地統(tǒng)計(jì)出來。

　　3/用戶留存率圖表

　　當(dāng)產(chǎn)品植入數(shù)據(jù)統(tǒng)計(jì)分析工具的SDK，通常情況下數(shù)據(jù)分析工具的后臺就會自動生成用戶留存率報(bào)表。

　　友盟統(tǒng)計(jì)為某產(chǎn)品提供的在7月4日——7月10日這個(gè)時(shí)間段里的新用戶留存報(bào)表。像GrowingIO 這樣的工具，為了讓運(yùn)營更加方便的掌握產(chǎn)品的用戶留存率趨勢，在數(shù)據(jù)報(bào)表的基礎(chǔ)上還提供了留存曲線圖。

　　這是一個(gè)常見的留存曲線，我們把它分成了三個(gè)部分：第一部分是振蕩期，第二部分是選擇期，第三部分是平穩(wěn)期。其中振蕩期的優(yōu)化空間最大，將振蕩期引起用戶流失的問題解決（引導(dǎo)頁/核心功能優(yōu)化），可以有效的提升其他兩個(gè)時(shí)期的用戶留存率。

　　4/用戶留存分析流程

　　第一步：分組

　　用戶留存分析的第一步是按照不同的（時(shí)間/渠道/行為等）維度進(jìn)行用戶分組。比如我們在對用戶留存率進(jìn)行日常的數(shù)據(jù)分析時(shí)，通常是按照單個(gè)自然日進(jìn)行分組，然后對任意時(shí)間段內(nèi)獲取到的新用戶在留存率上的表現(xiàn)做出個(gè)報(bào)表.

　　某社區(qū)類app的用戶留存情況解讀

　　上圖是某社區(qū)類APP按照用戶的獲取日期進(jìn)行了一個(gè)用戶留存情況的分組。從圖中可以看到具體每一天的用戶留存表現(xiàn)情況。比如在6月28日這天獲得的用戶，一天后留存率27.8%，兩天后留存率是13.5%，三天后留存率是11.3%。

　　如果想深度地挖掘哪里出了問題才導(dǎo)致這款社區(qū)型app的次日留存率這么低，只有這種圖是不夠的，我們還需要進(jìn)一步地分析用戶行為分析。

　　第二步：對比

　　運(yùn)營想通過對用戶留存率的數(shù)據(jù)分析找到優(yōu)化方案和檢驗(yàn)運(yùn)營策略效果，最核心分析的方法是根據(jù)用戶行為進(jìn)行分組的比較，因?yàn)榻^對的數(shù)值在大多數(shù)場合下是沒有意義的，只有通過在不同維度之間做數(shù)據(jù)的比較分析，能幫助運(yùn)營找到數(shù)據(jù)變化的原因。

　　比如對于百度貼吧客戶端來說想驗(yàn)證看貼對新用戶的留存效果，則可以對同樣是來自A渠道的新用戶進(jìn)行（有使用看貼/未使用看貼）行為分組比較。通過比較可以知道使用過看貼功能的新用戶和非使用過該功能的新用戶，在三日留存率上相差50%以上（說明看貼對新用戶留存用正向促進(jìn)作用）。

　　新用戶看貼和不看貼的三日留存率比較

　　如果進(jìn)一步的進(jìn)行分組留存率分析的話，可以是對在看貼功能內(nèi)瀏覽了3篇貼子的新用戶和僅瀏覽1篇貼子的新用戶進(jìn)行分析，看他們在留存率上的差異表現(xiàn)，要是瀏覽3篇貼子的用戶留存率大于1篇貼子的留存率，那么下一步則需要加強(qiáng)內(nèi)容質(zhì)量的把關(guān)，提升看的功能的PV/UV的百分比。

　　5/用戶留存數(shù)據(jù)分析案例

　　當(dāng)運(yùn)營采取了某個(gè)運(yùn)營手段來提升用戶留存率時(shí)，則可以通過對運(yùn)營手段覆蓋到的新用戶留存率和未覆蓋的新用戶留存率做對比分析，來驗(yàn)證手段的有效性。除了剛才提到的貼吧看貼的案例，這里再分享一個(gè)中東的數(shù)字音樂流app通過數(shù)據(jù)分析來改進(jìn)其引導(dǎo)頁以獲得更高新用戶留存率的例子。（屬于通過數(shù)據(jù)分析尋找優(yōu)化方案的例子）

　　音樂app的第一版引導(dǎo)頁

　　這款app的初版引導(dǎo)頁由三個(gè)部分組織，分別為引導(dǎo)用戶定制自己的音樂、選擇自己喜歡的音樂類型、選擇對應(yīng)類型的音樂家，然后根據(jù)用戶的選擇進(jìn)行個(gè)性化的首頁內(nèi)容（音樂）推薦。

    更多類似資訊，可以訪問2898站長資源平臺建站欄目：http://www.afrimangol.com/web/ 謝謝！