【数据分析案例】留存率分析方法

案例来源:@ GrowingIO檀润洋 @鸟哥笔记 @TalkingData @ 陈维贤
案例地址: http://wwv.cyzone.cn/a/20160414/294127.html http://www.yixieshi.com/51954.html http://www.youxituoluo.com/4108.html http://www.woshipm.com/operate/372455.html

1. 留存率的三个阶段
1)振荡期:开始拉新
2)选择期:用户对产品有初步了解,开始探索产品是否满足其核心需求
3)平稳期
【数据分析案例】留存率分析方法_第1张图片

2. 留存分析使用两层模型:用户分群+指标。用户分群的方法包括:
1)产品版本
2)来源渠道
3)用户画像

3. 案例1:音乐app
1)如下图根据用户行为进行分群,然后计算不同用户群体的留存率指标,发现magic number:喜欢行为>=3。因此要设法让用户在刚使用app的时候就尽量找到3个以上的内容。
【数据分析案例】留存率分析方法_第2张图片
2)细分用户群体,区分振荡期和平稳期关心的功能点
【数据分析案例】留存率分析方法_第3张图片
3)找到影响留存率的关键产品功能
【数据分析案例】留存率分析方法_第4张图片
4)绘制“活跃用户占比”、“功能留存率”二维矩阵,找到核心功能
【数据分析案例】留存率分析方法_第5张图片

4. 案例2:资讯类APP
1)四个一级入口页的留存率
【数据分析案例】留存率分析方法_第6张图片
2)分析:
a. A页面留存率高,要想办法尽量往A页面导流
b. D页面留存率极低,要考虑将其从一级入口移除,避免对主线的干扰

5. 案例3: Anghami
是一款音乐流媒体APP,原来的新用户使用引导页流程是 导览页(1)→引导用户选择音乐风格(2)→选择对应风格的音乐家(3)。
【数据分析案例】留存率分析方法_第7张图片
实际使用中,对留存率进行分析发现:
1)完成所有引导页的用户比没完成的多47%成为长期用户,说明引导页是有用的
2)页2→页3的转化率却很低。分析原因,发现产品所面对的用户去群体,听歌认脸大于认音乐类型
3)修改方式:
a. 在引导页2中,对于音乐风格展示相应的知名歌手头像
b. 选择音乐风格后直接选择歌手,然后可以回头继续选类型。而不是割裂的先选所有喜欢的音乐风格再选歌手。
【数据分析案例】留存率分析方法_第8张图片

6. 案例4:游戏APP,留存率某日骤降50%
1)某日留存率下降50%
2)细分,发现前几日用户注册量显著上升。但奇怪的是并没有大规模拉新活动
3)观察设备安装量,发现并没有提升
4)继续研究,发现这几日正好有个新服开服
5)研究新服特征,有个活动:“ 新建帮派在开服后前3日,召集10名玩家加入其帮派,即送帮主大量金币”。因此猜测是老玩家刷小号行为
6)验证猜想:观察两个指标,单日游戏次数和单日游戏时间,发现单日游戏次数上升、单日游戏时间下降,说明存在大量低级账号、并且账号间的切换频繁。因此锁定了现象发生的原因

你可能感兴趣的:(数据分析案例,数据分析,案例,留存率)