查看原文
其他

数据分析干货 | 留存率模型应该怎么搭建?

徐洋洋 凹凸数据 2021-08-09
↑ 关注 + 星标 ~ 有趣的不像个技术号每晚九点,我们准时相约  

"

几乎所有的业务数据分析和运营工作都是围绕着“拉新”、“留存”、“促活”、“转化”4个环节来开展的。


我们常常面临这样的问题,好不容易拉进来一批用户,玩着玩着就都流失了,更别谈转化和变现了。


所以,弄明白“留存率”非常重要,它是衡量产品质量、运营效果的重要指标,也是预估产品盈利能力的重要参考!

"


01. “留存率”是什么?



留存率,留的都是活跃用户(Active User),具体的讲,就是指某一时间段内完成了某种特定行为的用户。例如某内容平台,可以参考打开次数、使用时长、互动情况、内容产出量来制定自己的标准。需要注意的是,单个用户可能多次完成特定行为,统计时需要按照用户维度去重,即只算为1个用户。 


举个例子,某天进来一批新用户,有的用了一下就再也没回来过,有的继续用过几次后也离开了,还有些在一定时间段里,能够一直持续活跃使用,这些一直保持活跃的我们称之为留存用户。留存用户占这批次新增用户的比例,就是留存率。 


考量留存的时间,一般会有次日、第7日、第30日等,分别对应着次日留存率、第7日留存率、第30日留存率。还有按整周、整月的留存率计算形式,比如次月留存率等。 


(7日留存和周留存容易混淆,举个例子说清楚:假如1月1日新增100人,其中20人在1月8日依然活跃,则7日留存是20%,即7日留存是指第一天新增用户在七天后活跃的人数;假如1月1日到第1月7日共新增1000人,其中300人在1月8日到1月14日之间依然活跃,那么周留存就是30%,即周留存是第一周新增总用户在第二周活跃的人数。) 


根据现有的用户留存数量,就可以算出留存率,而根据留存率,又可以预测产品未来的活跃用户量。 


作为一名运营,不要简单地以为用户拉进来就算是你的用户了,也不要总把「用户总数」作为洋洋自得的指标,而应该更关注活跃用户数和留存率。 


因为,只有真正活跃的用户,才能产生商业价值。 


02. 留存率模型



搞清留存率,本文将祭出一大法宝——「以留存率为基础的产品盈利模型」。 


模型1.0

在1.0版本里,留存率只是个初步模型:(其实就是一个加法公式) 



此模型说明了活跃用户数来源于「阶段内新增用户」加上「以往每个阶段的留存用户」。举个例子,假如要算7天的留存用户,那么第7天的活跃总用户数 = 第7天的新增用户数 + 第6天的新增用户数 x 第1天的留存率 + 第5天的新增用户数 x 第2天的留存率 + ……  + 第1天的新增用户数 x 第6天的留存率。假如按周、月算,也是一样的道理,所以简单说来,这个模型就是把每个阶段的留存人数相加的结果。 


我们用案例再来解释一下: 


比如,某产品7月1日的活跃用户量为500,然后拉取这500人接下来7天的每日活跃数,就可以计算出该产品7天的留存率: 


(当天留存率 = 该批次剩余活跃用户数 / 7月1日活跃用户量) 


这样,我们就得出了产品的阶段留存率。然后我们可以依据这个留存率来计算每日自然新增的每日留存了,如果7月1日当天的新增用户为1400人,可以继续计算: 


(当天剩余活跃用户量 = 当天留存率 * 7月1日新增用户量) 


因此,我们就初步得到了7月1日这批用户在接下来几天里的活跃数变化情况。当然现实情况是每天都有新增用户,因此我们可以计算每天新增用户的留存率,再把历史留存都加起来,就得到了每天的总留存。


假如7月1日新增用户为500人,并且每日稳定增长500人,那么根据留存率,可以算出7月7日的活跃用户总数: 



模型2.0

一旦可以算出未来的活跃用户数量,我们就可以粗略的计算未来的收益、销售额等数据。 


而这个模型可以继续优化,增加更多参数,使得计算结果更加接近真实情况。 


需要注意的是,影响模型结果的因素很多,考虑的越多,模型就越接近于真实情况,精确度就越高。但同时,因素与因素之间也会互相影响,增加了模型的复杂程度,计算的需要的时间会增加,计算的结果也会更加难以得出。使用模型时,请仔细思考这两点的平衡性。 



那么问题来了,现实中有哪些因素需要考虑?哪些可以增加到这个模型中? 


1.用户来自不同渠道,因此不同渠道需使用不同的留存率; 

2.随着运营活动的开展,每月自然新增也会产生变化; 

3.很多产品每月会做付费推广,这其中需要考虑到推广的转化率;

4.推广及活动吸引来的用户的留存率,可能和自然新增的用户留存率不同;
5.考虑到用户生命周期,历史存量用户会有固定的流失率; 

6.总活跃用户中,有一定比例的付费率; 

7.随着产品价值的提升,新增用户的付费转化率每月会增长; 

8.随着产品的精细运营,单个用户在生命周期内的消费能力会逐渐递增; 

9.还可以根据人均贡献率预估出总收益; 

…… 


好了,如果把这些参数都添加进去,这个模型已经相当复杂了。但是只要公式正确,结果总归会趋近于真实情况的。 


尽管你可能一时看不懂,但是我们还是YY了一个产品,YY了一些数据,把它的成本测算和收益预估做出来了。 



可以看出,iOS渠道和安卓渠道分开计算了,并且添加了历史存量用户流失(10%)、每月自然新增逐月递增2%几个参数,重要的是,添加了付费推广的转化率和成本。



有了两个渠道的用户、成本后,就可以算更多数据了!先把总成本算出来(蓝底部分),再算用户数据(绿底部分),再然后,可以添加自己的转化数据(黄底部分)进行测算了!GMV都能算出来! 


注意最后一行的红底部分,如果添加了KPI,就可以直接知道是否需要调整策略了! 


当然,这里面的所有数据都是我胡诌的,你要是真以为我们11月可以做到近2000万GMV,那你真是可爱极了。 


03. 这个模型究竟有什么用呢?



主要有2大方面: 


1.对于初创产品,可以预估产品的盈利时间,及时调整策略


对于初创产品,无论是老板、产品经理还是运营,最怕的除了产品功能不稳定,就是用户不稳和收益不清晰了,有了这个表,就可以轻松测算了。 


2.拆分各个参数的KPI


对于已经过了启动阶段的产品,可以根据目标KPI,直观的看到当前运营状态下未来的结果,如果达不到目标,就要及时调整了。更重要的是,可以制定各渠道、付费率、客单价、总成本的KPI,拆分后就轻松多了。 


在提升留存的方式上,不存在一个万能的方法,一用就马上能把产品的留存提高,我们更应该关注的是,产品本身是不是很好地满足了用户的需求。而留存率不高,95%的原因是产品本身的需求没有解决好。


End.

作者:徐洋洋

来源:鸟哥笔记



后台回复「进群」,加入读者交流群~

点击积分,了解积分规则~

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存