在用戶(hù)留存率低迷的情況下，仍然投入巨額預(yù)算去拉新/獲客，那么你其實(shí)就只是在租用流量而已。既然如此，那我們要如何去提高用戶(hù)留存？

在上一文《循序漸進(jìn)的增長(zhǎng)黑客指南：如何提高用戶(hù)注冊(cè)轉(zhuǎn)化與用戶(hù)激活》中，我們已經(jīng)分享了如何從“目標(biāo)用戶(hù)-文案內(nèi)容-渠道選擇-落地轉(zhuǎn)化”這個(gè)漏斗中去提高用戶(hù)注冊(cè)轉(zhuǎn)化率。那么在用戶(hù)完成注冊(cè)轉(zhuǎn)化之后，增長(zhǎng)黑客的工作就是盡量去留住用戶(hù)——用戶(hù)留存率高，用戶(hù)生命周期長(zhǎng)，用戶(hù)生命周期價(jià)值就高。

我在《AARRR已是過(guò)去式，而RARRA才是更好的增長(zhǎng)黑客模型》一文中提過(guò)，注重用戶(hù)增長(zhǎng)的AARRR模型已經(jīng)失去了實(shí)際意義——2007年McClure提出“海盜指標(biāo)-AARRR模型”時(shí)獲客成本（Customer Acquisition Costs, CAC）還很低，所以AARRR模型強(qiáng)調(diào)“獲客/用戶(hù)拉新(Acquisition)指標(biāo)”是首要指標(biāo)。

但是今天，市場(chǎng)情況已經(jīng)完全不同了。你去看現(xiàn)在各大廣告/社交渠道的流量?jī)r(jià)格，獲客成本CAC已經(jīng)高到離譜，市場(chǎng)情況和2007年已經(jīng)完全不同。所以如果到現(xiàn)在這個(gè)發(fā)展階段了，首要任務(wù)還在強(qiáng)調(diào)獲客，我覺(jué)得是不合適的。

所以我們需要一個(gè)更好的增長(zhǎng)黑客模型，那個(gè)模型就是RARRA模型。

RARRA模型

而在RARRA模型中，用戶(hù)留存Retention是最被關(guān)注的要素——因?yàn)橛脩?hù)留存率能夠真正反映產(chǎn)品的價(jià)值。正如我所一直強(qiáng)調(diào)的那樣，如果你在用戶(hù)留存率低迷的情況下仍然投入巨額預(yù)算去拉新/獲客，那么你其實(shí)就只是在租用流量而已，這根本就算不上是真正的獲客，因?yàn)椴还苣憷露嗌傩掠脩?hù)，他們最終都流失了。

那么應(yīng)該如何提高用戶(hù)留存率？

我先潑盆冷水，提高用戶(hù)留存絕對(duì)不是簡(jiǎn)單的教你幾招武術(shù)招式，而是靠數(shù)據(jù)去分析并驅(qū)動(dòng)的。所以在我們采取一系列運(yùn)營(yíng)行為試圖去提高用戶(hù)留存之前，需要先進(jìn)行用戶(hù)留存分析和群組分析，需要搞清楚用戶(hù)留存率有多少、用戶(hù)是在什么節(jié)點(diǎn)流失的以及為什么用戶(hù)流失，這是你做出所有運(yùn)營(yíng)干預(yù)的基礎(chǔ)，然后我們?cè)儆械姆攀傅剡M(jìn)行優(yōu)化實(shí)驗(yàn)，否則就是無(wú)用功。

搞清楚這三個(gè)問(wèn)題，至關(guān)重要：

1. 用戶(hù)N天留存率是多少？
2. 用戶(hù)是什么時(shí)候流失的？
3. 用戶(hù)是什么留存節(jié)點(diǎn)流失的？

要分析用戶(hù)留存率，我們可以嘗試群組分析Cohort Analysis。

什么是群組分析Cohort Analysis？

群組分析Cohort Analysis是指你根據(jù)用戶(hù)來(lái)源或用戶(hù)行為對(duì)用戶(hù)進(jìn)行分組，以了解他們?cè)谀惝a(chǎn)品上的留存情況。群組分析Cohort Analysis我們一般主要分為兩類(lèi)：

• 獲客群組Acquisition Cohorts：是指在用戶(hù)首次注冊(cè)產(chǎn)品時(shí)對(duì)用戶(hù)進(jìn)行劃分，可以按照獲客日期或者獲客渠道來(lái)源劃分。
• 行為群組Behavioral Cohorts：是根據(jù)用戶(hù)在在你的產(chǎn)品中采取的行為軌跡來(lái)劃分。這些行為可以是應(yīng)用啟動(dòng)、應(yīng)用卸載、商品交易等任何行為事件。

如何運(yùn)用獲客群組分析，我們可以來(lái)看一個(gè)例子：

示例1：獲客群組-按照獲客渠道劃分-用戶(hù)留存率

示例1所示的是按照不同的獲客渠道所劃分的獲客群組Acquisition Cohorts，你可以從表中分析周留存，即7日留存情況：

• 搜索引擎自然流量（Organic Search）；
• 直接輸入網(wǎng)址訪(fǎng)問(wèn)（Direct）；
• 引薦流量（Referral）貼吧、友鏈等；
• 社交媒體（Social）；
• 搜索引擎競(jìng)價(jià)流量（Paid Search）；
• 電子郵件（Email）。

獲客渠道群組分析Acquisition Cohorts有什么作用？

你可以通過(guò)比較不同的用戶(hù)來(lái)源，然后篩選出最優(yōu)質(zhì)的渠道。

比如，你可以在上表中分析發(fā)現(xiàn)：通過(guò)搜索引擎自然流量（Organic Search）來(lái)源的用戶(hù)最多（可能是SEO優(yōu)化做得最好），但是它的周留存率是很低的。但是通過(guò)直接輸入網(wǎng)址訪(fǎng)問(wèn)（Direct)）的用戶(hù)數(shù)量雖然沒(méi)有搜索引擎自然流量（Organic Search）來(lái)的多，但是周留存率是最高的（可能對(duì)產(chǎn)品已經(jīng)產(chǎn)生了品牌信賴(lài)）。

而通過(guò)電子郵件(Email)來(lái)的用戶(hù)雖然不多，但是周留存率是比較高的，后期可以在這個(gè)渠道加大營(yíng)銷(xiāo)投入。相反，通過(guò)搜索引擎競(jìng)價(jià)流量(Paid Search)來(lái)的用戶(hù)，不光是數(shù)量少，而且留存率也最低。

所以你后期在調(diào)整營(yíng)銷(xiāo)戰(zhàn)略的時(shí)候，可以縮減搜索引擎關(guān)鍵詞競(jìng)價(jià)預(yù)算，轉(zhuǎn)而把經(jīng)費(fèi)投入到電子郵件營(yíng)銷(xiāo)當(dāng)中去，或者打磨產(chǎn)品兩點(diǎn)，增加直接輸入網(wǎng)址訪(fǎng)問(wèn)（Direct)）的用戶(hù)粘性和留存。

我們?cè)賮?lái)看一個(gè)例子：

示例2：獲客群組-按照獲客日期劃分-用戶(hù)留存率

示例2是按照獲客日期劃分的獲客群組Acquisition Cohorts，你可以從表中分析：

• 1月25日（Day0）的新用戶(hù)共1098人，Day1留存率是33.9%，Day2留存率是23.5%，Day3留存率是18.7%……Day7留存率是14.5%……Day10留存率是12.1%，也就是說(shuō)1月25日共1098名新用戶(hù)的到第10天的留存率是12.1%，只剩下132人，用戶(hù)流失率高達(dá)87.9%；
• 1月26日（Day0）的新用戶(hù)共1358人，Day1留存率是31.1%，Day2留存率是18.6%……Day9留存率是11.3%，用戶(hù)留存率高達(dá)88.7%，1358人只剩下153人；
• 你可以根據(jù)此表格，繼續(xù)分析不同獲客日期的每日用戶(hù)留存率……

獲客日期群組分析Acquisition Cohorts有什么作用？

這張圖表能夠明確的告訴我們Day1的用戶(hù)流失率是最高的，從1月25日到2月3日共計(jì)13487名新用戶(hù)（Day0）到了Day1平均留存率僅僅才27%，也就是說(shuō)13487人在Day1當(dāng)天就只剩下3641人了，剩下的9846人全部離開(kāi)了，用戶(hù)流失率高達(dá)73%。

所以你已經(jīng)明白了——用戶(hù)在第一天的流失情況最嚴(yán)重，至于用戶(hù)流失的原因，你不知道。因?yàn)楂@客群組分析只會(huì)告訴你用戶(hù)在第幾天流失了，但不會(huì)告訴你具體流失的原因以及具體的流失節(jié)點(diǎn)。

所以我們需要運(yùn)用用戶(hù)行為群組分析，來(lái)洞察用戶(hù)流失的原因和具體流失的節(jié)點(diǎn)。

我們可以來(lái)看一個(gè)例子：

示例3：用戶(hù)行為群組-用戶(hù)引導(dǎo)Onboarding-用戶(hù)留存率

通過(guò)上圖，我們選擇了用戶(hù)引導(dǎo)（Onboarding）作為觀察項(xiàng)，看看用戶(hù)在完成用戶(hù)引導(dǎo)（Onboarding）之后的留存情況。仔細(xì)觀察會(huì)發(fā)現(xiàn)最大的流失率是在Day1，平均留存率都是23%-27%之間，那意味著完成用戶(hù)引導(dǎo)Onboarding之后，流失率竟然高達(dá)73%以上！

那么這就表明了用戶(hù)引導(dǎo)Onboarding出了問(wèn)題，我們需要完善Onboarding用戶(hù)引導(dǎo)，告訴用戶(hù)我們的產(chǎn)品價(jià)值、產(chǎn)品功能等等。

用戶(hù)行為群組分析Behavioral Cohorts有什么作用？

它可以告訴我們用戶(hù)為什么流失以及用戶(hù)具體流失的節(jié)點(diǎn)，用戶(hù)行為群組分析Behavioral Cohorts和獲客渠道群組分析Acquisition Cohorts是相輔相成的。

如果說(shuō)用戶(hù)行為群組分析(Behavioral Cohorts)不太便于理解，那么漏斗分析模型就更能直觀地表現(xiàn)用戶(hù)的流失情況，而且會(huì)將用戶(hù)流失的情況更為具象化，我們舉個(gè)例子：

示例4：漏斗模型-用戶(hù)引導(dǎo)Onboarding-用戶(hù)流失率

從示例4中，有多少新用戶(hù)成功地完成了所有引導(dǎo)頁(yè)流程？

我們來(lái)分析整個(gè)漏斗的完整流程：下載安裝—登錄App—引導(dǎo)頁(yè)1—引導(dǎo)頁(yè)2—引導(dǎo)頁(yè)3—完成用戶(hù)引導(dǎo)Onboarding

我們分析這個(gè)漏斗模型的結(jié)果是——大多數(shù)用戶(hù)在從引導(dǎo)頁(yè)2進(jìn)到引導(dǎo)頁(yè)3階段放棄了，最終完成整個(gè)用戶(hù)引導(dǎo)Onboarding的只有30%的用戶(hù)。

這個(gè)漏斗分析模型有說(shuō)明作用？

這個(gè)漏斗分析模型告訴我們——用戶(hù)之所以流失嚴(yán)重，是因?yàn)镺nboarding頁(yè)面出了問(wèn)題，而且是Onboarding頁(yè)面3出了問(wèn)題。

那么我們應(yīng)該如何完善？

用戶(hù)引導(dǎo)頁(yè)面Onboarding Pages對(duì)于產(chǎn)品是非常重要的，首先它是對(duì)產(chǎn)品主要功能的描述，其次是向用戶(hù)傳遞產(chǎn)品的價(jià)值，再次是幫助用戶(hù)更好地使用產(chǎn)品。所以如果引導(dǎo)頁(yè)面Onboarding Pages不吸引人，那么用戶(hù)的好感度就會(huì)下降，建議做文案上或者視覺(jué)設(shè)計(jì)上的A/B測(cè)試，然后再次試驗(yàn)、分析、調(diào)整。

以上只是舉例說(shuō)明用戶(hù)行為群組分析和漏斗模型分析需要結(jié)合著使用，這樣能夠幫助你更加清楚直觀的分析用戶(hù)流失的時(shí)間以及用戶(hù)的流失節(jié)點(diǎn)。

所以通過(guò)以上的三點(diǎn)：

1. 獲客渠道群組分析Acquisition Cohorts；
2. 用戶(hù)行為群組分析Behavioral Cohorts；
3. 用戶(hù)漏斗模型分析Funnel Analysis。

我們就能夠知道：

• 用戶(hù)N天留存率是多少？
• 用戶(hù)是什么時(shí)候流失的？
• 用戶(hù)是什么留存節(jié)點(diǎn)流失的？

那么我們接下來(lái)要做的，就是針對(duì)具體的問(wèn)題，去針對(duì)性的、有的放矢地運(yùn)營(yíng)，才能真正提高用戶(hù)留存。

數(shù)據(jù)驅(qū)動(dòng)增長(zhǎng)是真正的關(guān)鍵所在。

推薦閱讀

《循序漸進(jìn)的增長(zhǎng)黑客指南：找到產(chǎn)品和市場(chǎng)的最佳契合點(diǎn)PMF》

《循序漸進(jìn)的增長(zhǎng)黑客指南：如何提高用戶(hù)注冊(cè)轉(zhuǎn)化與用戶(hù)激活》

作者：席文奕，蝌蚪互娛聯(lián)合創(chuàng)始人，關(guān)注SaaS行業(yè)應(yīng)用、大數(shù)據(jù)分析及業(yè)務(wù)增長(zhǎng)。

本文由 @?蝌蚪互娛 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議