借助友盟+将视频App的次日留存率提升20%
最新资讯 • 运营技巧App运营
36103
2019-6-20
摘要:
冷静假设与之关联的因素——寻找与之关联的数据——分析(这是重点)——得出结论,数据分析解决的是第三个环节


本文为「人人都是产品经理」和友盟+联合举办的“2019「友盟杯」数据分析大赛”中获奖作品。


作者:周鑫鑫


本文以一款我曾经运营过的App应用为例,为大家拆解我是如何将产品次日留存率(下文提到的留存率皆为次日留存率)从10%不到提升到30%以上的,在数据优化、提升的过程中,有通过数据获得过意外惊喜,也有通过埋点按部就班的实现过目标,整个过程通过数据分析,带来了效果的提升。


提出假设:产品的问题显而易见,留存率不到10%,需要通过数据来分析出问题所在,并进行优化。首先便是提出导致留存率过低的问题假设,然后通过友盟+移动统计U-App AI版的数据来验证假设。


当时讨论的原因有:
1.用户质量
2.机型适配
3.产品美观度
4.使用习惯
5.产品功能
6.广告打扰

验证假设:
接下来便进入了漫长的验证阶段。产品一旦找出问题,需要经历更新版本、导入新用户,分析和对比数据来判断更新是否有效,每个假设的验证都是极为漫长的过程。

1.用户质量

用户质量问题分两种,一是用户造假,二是用户不精准。同一个假设因为有两种可能,必须要用两种数据作为论据的,第一种分析用户是否造假,我们做的是分析新增用户的数据有没有共性;第二种用户是否精准,我们则是通过分析用户来源的方式得出的结论。
新增用户的共性会有很多纬度,比如机型、地域、使用时长、时段新增等。

6个假设,将视频类App次日留存率从10%提升至30%

按照常理,我们最常分析的是除了时段新增前面的几个纬度,然而并没有发现问题,直到分析到了时段新增,如下图。

6个假设,将视频类App次日留存率从10%提升至30%

App的业务情况是一天24小时,每个小时匀速新增500个,但凌晨两三点还有稳定新增,明显是有问题的,更巧的是U-App有这样一个数据,网络及运营商如下图显示,我们当时的产品99%来源是Wi-Fi。

6个假设,将视频类App次日留存率从10%提升至30%

我们当即判断渠道的质量即用户质量的确有问题,把这个渠道停掉后,留存率上升到20%,很好的排除了用户质量差的渠道。

2.机型适配
当第一个问题解决,留存率大幅提升后,我们进一步分析了其他渠道带来的新增用户,剔除假用户后,留存率依然偏低。产品优化的过程没有从10%一次性提高到30%的可能,只有把每个小细节提升一点点,最终整体提升了20%。

6个假设,将视频类App次日留存率从10%提升至30%

进一步分析,我们发现机型适配方面也存在问题,这个需要多方的数据作为支撑才能分析出结果,单独看上面这张图是看不出来问题的。我们当时找渠道要到了新增用户的机型表,对照后台的数据进行去重,结果发现有个机型在渠道的新增数据表中占比很大,但U-App AI版新增数据占比却很小。通过经验判断,这个机型适配是存在问题的。
为了重现问题,我们没有用模拟器而是直接采购了同款型号的测试机,测试中出现了闪退的情况,技术修复了bug之后,留存率又提升了几个百分点。

3. 产品美观度
在提出假设前,我们对与产品的美观度很难有一个评判标准。我们先提出了一个设想,用户对于美观度差的反应是赶紧关掉,使用时长极短的用户占比会很高,这一设想通过U-App AI版真的找到了数据支撑。

6个假设,将视频类App次日留存率从10%提升至30%

以下为Demo数据,当时的数据没有这么夸张,十秒内就退出的占比不到10%,所以排除了产品美观度的问题,功能性App的UI不用像手游要求那么高,因为用户更在乎的是功能是否能够满足需求。
为了验证用户是否深入使用某项功能,我们制作了漏斗模型,运用的是事件转化率功能,事件转化率是个统称。

6个假设,将视频类App次日留存率从10%提升至30%

我们工具类APP的使用有3个步骤,类似上图,点击功能按钮,使用功能,功能结束。可以从用户使用功能的完成率,来判断产品是否存在功能不畅或者体验不好的问题。

而这个是要区分版本来分析的,我们有次上线一个新版本,换了一套新的扁平化的UI,使用更加流畅,然后漏斗转化率却下降了很多。

排查后是有bug,还好数据分析的及时,否则全部更新成这个版本,很可能会造成不可估量的损失,从这个角度来讲,数据监测是一个防患于未然的保护神,当然更离不开咱们慧眼如炬的运营。

4.使用习惯
大家要找到一个合理的对比,工具类的App次留其实不是最重要的。比如拍照类App,用户的使用频次,不可能是每天都用的,次留是不会像资讯类应用那么高的。
同理,在分析之前,我还不明白这个道理,觉得留存低肯定是产品有问题,当我看到这个数据,弄明白其中的原理,就明白了产品属性不同,留存率的对比也不同。

6个假设,将视频类App次日留存率从10%提升至30%

30日前新增的用户占比最高,说明用户粘性是可以的,次日留存过低,说明用户第二天的需求是没有的,只要用户没卸载,我们就还有赢面。

顺便提一下,我们偶尔做的运营策略,对产品的影响也是可以通过数据来体现出来的,就像一个人突然心动,如果恰好有测心率的仪器,仪器上的指数会直线飙升。通过数据可以看到用户的使用习惯,用户每天的使用次数,如果加上Push功能,效果也是会发生变化的。我们当时加了Push,每天推送2次后,下图3-5的柱形图一下子就起来了。

6个假设,将视频类App次日留存率从10%提升至30%

 

5.产品功能
前面几个假设分析起来都很简单,直到第五个,功能不完善,这要怎么去测试呢?我们想到了埋点,看每个功能的使用数据,这块是我在分析产品数据时,最为核心的一块内容。

6个假设,将视频类App次日留存率从10%提升至30%

自定义事件,App应用里面很多的入口,如果让我们自己开发数据后台,进行功能使用的统计,那难度不是一般的大,我们用友盟+给首页每个入口埋了点,数据展示如上图所示。曾经我们认为用户喜欢的功能,恰恰点击是最低的,有些我们认为不重要的功能,放在了App底部,结果点击量超高。根据点击量和实际的位置进行优化调整,把用户需要的功能放在醒目的地方,不需要的功能置后或直接砍掉。通过这个功能进行分析后做优化,我们的留存率已经到30%以上了。

6.广告打扰
有广告一定会降低留存率,这一点即使没有分析数据,也可以做出判断,于是当我们看到留存率过低时,做的第一件事便是7天内不展示广告,我发现现在很多开发者还不明白这个道理,我在苹果商店下载的App,如果一进去就全屏广告弹出,我是会直接卸载的。

结论总结:

我们分析的过程是将数据和现象做匹配,比如今天花钱买量了,新增数据会上涨,这个很好理解。当若遇到偏点的,比如留存率平时都是20%,突然有一天下降到了10%,若没有一套有效的方法论,会让人手足无措的。


这套方法论我总结的流程是:冷静假设与之关联的因素——寻找与之关联的数据——分析(这是重点)——得出结论,数据分析解决的是第三个环节,我相信很多公司的运营,连数据都没有,更谈不上分析了。有了数据,进而分析,才能够更有效的解决问题。