你只知道拉新,却不知道留存用户

12 10月

在互联网行业中,用户在某段时间内开始使用应用,经过一段时间后,仍然继续使用该应用的用户,被认作是留存用户。这部分用户占当时新增用户的比例即是留存率,会按照每隔1单位时间(例日、周、月)来进行统计。顾名思义,留存指的就是“有多少用户留下来了”。App的用户留存率越高,意味着用户使用产品的时间越长,他们能够为产品带来现金流和资本估值也就越高。留存用户和留存率体现了应用的质量和保留用户的能力。

留存分析三种类型:

1、新增留存:采样时间范围内的新激活的设备/账号,在跟踪时间范围内,激活后第N日(周/月)的有登录行为的设备/账号数。(N为日,对应1,2,3,4,5,6,7,14,30;N为周,最多8周,N为月,最多3月)。

2、活跃留存:采样时间范围内的活跃的设备/账号,在跟踪时间范围内,活跃后第N日(周/月)的有登录行为的设备/账号数。(N为日,对应1,2,3,4,5,6,7,14,30;N为周,最多8周,N为月,最多3月)。

3、自定义留存:采样时间范围内的采样事件的设备/账号,在跟踪时间范围内,发生事件后第N日(周/月)的回访事件发生的设备/账号数。(N为日,对应1,2,3,4,5,6,7,14,30;N为周,最多8周,N为月,最多3月)。

随着流量红利的消失,互联网获客成本不断增加,对促销活动的留存分析可以有针对性地选择促销渠道,有效降低获客成本,提高投放转化率。

在热云数据TrackingIO留存分析功能中 ,可以根据需求,选择留存类型(新增留存/活跃留存/自定义留存),自定义留存可以选择不同初始行为和回访行为,并可在人口维度和来源维度对初始和回访行为做出筛选,以达到不同层面对比分析目的,全方位的分析产品新增留存数据,满足不同场景下的不同统计需求。直观的了解到用户在产品中的行为路径,及时优化产品功能,比如电商APP中,数据显示大部分用户在加入购物车后没有后续的行为,那么我们就要找到流失的原因,简化产品支付功能的设置,让用户更便捷地完成下单过程,提高用户留存率和转化率。

对于电商,如果新用户在首次购买的2个月内有连续的购买行为的话,保证新用户进来后前2个月的培养,是保证留存的关键。此时我们需要分析APP每个功能的用户行为数据,对用户留存率较低的功能着重分析,及时调整,最大限度的提升留存度。

产品的日活/周活表现受到当前促销活动等的影响,并不能完全反映产品的实际活跃使用人数。开展了促销活动,产品日活数量看似在增长,但在流失率不确定的前提下,不能说用户在不断增长,这就需要留存分析来鉴别。

TrackingIO留存分析功能提供采样时间分析,针对特定时间范围内,查看分析用户留存情况。在采样时间范围内,按设备查看,留存趋势无增长,实际新增用户为1人(初始事件为登陆),该用户在1日后/2日后/3日后/4日后/5日后/6日后/7日后/14日后/30日后未发生回访事件为活跃的行为,点击留存概况中的“整体”,可查看采样时间内每天新增用户的留存情况。

电商APP在拉新过程中,在不同区域采用了多种促销活动来拉新,需要了解具体区域/活动的用户留存情况以及哪个区域哪些活动效果比较好。那么就需要自定义留存,选择初始事件为注册,回访事件为活跃,筛选想要查看的促销活动名称和地域,即可得到该活动在某地的用户留存具体情况,帮助运营和产品部门了解新用户的行为,优化产品功能,同时提升用户留存。

来源:微信公众号:热云数据