Upload
jason-tsung-cheng-hou-
View
1.205
Download
0
Embed Size (px)
Citation preview
今天要跟大家分享...
● 留存率的白話解釋
● 定義與量測用戶留存
● 留存率的趨勢判讀
● 改善留存率 - 行為分群
Jason 目前服務於 KKTV參與過 WhatsTheNumber / ParrotTalks / KKTV(非常偶爾幫朋友看 App 數據,大概幫忙看過 2~3 個 App)
2
狀況 1
狀況 2
我要選哪一個??
如果我開了一間餐廳...
4
每個月能吸引 1000 位新客人 相當於每天 40 人,工作 25 天
熟客回頭比率 60% 假設固定
每個月能吸引 1500 位新客人 相當於每天 60 人,工作 25 天
熟客回頭比率 40% 假設固定(本月用餐,下個月願意再回來)
狀況 1
狀況 2
3 個月後...
5
每個月能吸引 1000 位新客人 相當於每天 40 人,工作 25 天
熟客回頭比率 60% 假設固定,本月用餐,下個月願意再回來
當月食客總數 1,960 人 一開始比較低
每個月能吸引 1500 位新客人 相當於每天 60 人,工作 25 天
熟客回頭比率 40% 假設固定,本月用餐,下個月願意再回來
當月食客總數 2,340 人
狀況 1
狀況 2
8 個月後...
6
每個月能吸引 1000 位新客人 相當於每天 40 人,工作 25 天
熟客回頭比率 60% 假設固定,本月用餐,下個月願意再回來
當月食客總數 2,458 人 逐漸追上
每個月能吸引 1500 位新客人 相當於每天 60 人,工作 25 天
熟客回頭比率 40% 假設固定,本月用餐,下個月願意再回來
當月食客總數 2,498 人
狀況 1
狀況 2
12 個月後...
7
每個月能吸引 1000 位新客人 相當於每天 40 人,工作 25 天
熟客回頭比率 60% 假設固定,本月用餐,下個月願意再回來
當月食客總數 2,495 人 幾乎沒有增加
每個月能吸引 1500 位新客人 相當於每天 60 人,工作 25 天
熟客回頭比率 40% 假設固定,本月用餐,下個月願意再回來
當月食客總數 2,500 人 幾乎沒有增加
以餐廳來比喻
● 食客初次來店之後
● 前 X 個月,有 A% 的人願意再回來
( X = 0, 1, 2, 3… )● Y 個月後,有 B% 人穩定回來
(Y >= X )
最重要前提:穩定回來
有一批忠實顧客,定期回來吃飯
前提滿足後,我們希望:
● X 和 Y 越小越好
● A 和 B 越大越好
10
留存率
Y
B
X1
X2
A1
A2
這些算是留存嗎?
● 訂位,最後爽約
● 入座點餐,等太久,結果中離
● 客人路過,進來打屁、聊天、抬槓
開餐廳就是要客人「吃喝」,然後「付錢」
有吃有喝有付錢,才算留存
以餐廳來比喻
● 食客初次來店之後
● 前 X 個月,有 A% 的人願意再回來吃喝付錢
● Y 個月後,有 B% 人穩定回來吃喝付錢
12
如果我開了一間餐廳...定義留存率
定義留存率:反問自己
● 我希望用戶上來服務,做什麼事情?
● 用戶上來服務,獲得什麼價值?
量測 App 留存率:仰賴事件追蹤 event tracking● 註冊後,量測用戶「享受價值」的事件
● 註冊後,量測用戶「創造價值」的事件
舉例:
● KKTV:「播放」影片(享受)
● Instagram:「成功上傳」內容(創造),或「和內容互動」或「和朋友互動」(享受)
KKTV 的留存率:註冊後 X 個月,有 A% 的人願意穩定回來播影片
13
量測留存率
定義留存率:反問自己
● 我希望用戶上來服務,做什麼事情?
● 用戶上來服務,獲得什麼價值?
● 我覺得理想上,用戶「多久回來」一次?
量測 App 留存率:仰賴事件追蹤 event tracking● 註冊後,量測用戶「享受價值」的事件
● 註冊後,量測用戶「創造價值」的事件
● 量測不同的時間長度:「天留存」、「週留存」、「月留存」、「自訂期間留存」
14
量測留存率
● 頭幾期的留存:有沒有給用戶好的「第一印象」?
● 同期來源分群:有沒有抓到對的人?哪個管道的效率或品質較好? (Attribution)因為相同時間,產品/服務的功能、狀態相同,所以可以用來比較用戶渠道
看每一行 Row:依照初次入座的時間分群,看單群的留存情況
16
KKTV 的例子:上新劇、提升產品穩定性
數位廣告 vs 其他管道
看每一欄 Column:長期下來,留存率的變化?
17
● 服務長期的表現:有沒有更能留住用戶?第一印象有沒有改善?
● 跨期來源分群:不同的行銷策略、行銷活動,成果如何?
相同渠道,跨不同時間,用了不同的行銷策略,差異在哪?
KKTV 的例子:上新劇、更新產品說明、更新推播機制、更新廣告素材
看對角線 Diagonal :影響所有用戶的事件
18
● 服務穩定的表現:有沒有發生大規模故障?
● 用戶經營的成效:跟現有用戶群互動,保持溝通?
KKTV 的例子:後台故障、跟播劇上架、廣播推播
對角線是同一天
● n:期數
第 “2” 個月則 n = 2
● Rn:第 N 期留存
● R1:第 1 期留存
● d:衰減係數
把曲線分階段觀測
Retention 是長期觀測,所以要等幾週、幾個月,才知道改善效果?其實不用,可以快速反應
● 特性一:提高第 1 天/週、第 2 天/週留存,整條留存曲線會一起上升
● 特性二:Daily 和 Weekly 和 Monthly 的留存曲線,其實非常相似○ 前提:理想使用週期是「每週到每月」
○ 相似的定義:前三個點的位置很接近,下滑的趨勢(形狀)很接近(用 Rn = R1(n)d 估算)
○ 參考資料:[干货烧脑]如何预测一个互联网产品的未来—一套关于产品的数学模型
19
幾個有趣的特性
行為分群
21
簡單來說:
● 依照用戶「執行過什麼 App 內事件」來分群
● 依照用戶「遭遇過什麼事件」來分群
因為我想知道,下列用戶,誰有較高留存率?(以 KKTV 為例)
● 執行過什麼事件:○ 「註冊後 24hr 內,沒有播放」 vs 「在 24hr 內有播放」
○ 「沒使用過某個功能」 vs 「使用過」 vs 「使用過幾次」
● 遭遇過什麼事件:○ 「沒收過某個推播」 vs 「收過某個推播」 vs 「收過且點開」
分析比較後,若發現「做過/遇過某個事件」有較高留存 => 設計實驗,嘗試證明因果關係
已知「註冊後 24hr 內有播放」的用戶,之後更願意回來,繼續播放
但是:
● 因為「註冊後 24hr 內有播放」,所以穩定回來?
● 因為「抓對了用戶」,所以「願意 24hr 內播放」,所以穩定回來?
經驗是:
● 通常兩種情形都有,只是看那一個份量比較重
● 看那一個「交給誰更容易達成」:○ 產品中容易設計「讓用戶 24hr 內找到想看內容」的流程?
○ 行銷上容易找到「已經知道要看什麼」的用戶?
23
為什麼要設計實驗?
24
● Lecture 6: Growth - How to Start a Startup - Sam Altman
● Lean Analytics
● How to Measure User Retention and Track Improvement
● 你能找到的最深入的留存分析文章:留存、增长、Magic Number(其實模仿 Amplitude?)
● [干货烧脑]如何预测一个互联网产品的未来—一套关于产品的数学模型
● New data shows losing 80% of mobile users is normal, and why the best apps do better
● Amplitude, Segment.io, Flurry 的部落格
● Brian Balfour's Coelevate
玩玩 Amplitude● Amplitude Demo
建議的閱讀