【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

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。

2）细分用户群体，区分振荡期和平稳期关心的功能点

3）找到影响留存率的关键产品功能

4）绘制“活跃用户占比”、“功能留存率”二维矩阵，找到核心功能

4. 案例2：资讯类APP

1）四个一级入口页的留存率

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）。

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。

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