产品经理,你知道用户活跃情况怎么分析吗?

2 评论 9349 浏览 91 收藏 14 分钟

作产品一般都离不开用户活跃度分析,但是这个“度”我们应该如何把握呢?它是单纯的一串数据或者数字吗?我们该怎么去拆解它?

因为用户相关的话题很多,为了便于大家阅读,这里把各种话题做一个归类如下图,这样看着清楚一些。今天我们来系统的分享一下:用户活跃这个话题。

01 用户活跃常见问题

1. 到底啥叫活跃,口径不统一

用户注册、付费是很明确的动作,一般不会认错,但“活跃”到底是个啥,往往众说纷纭,比如:

  • 登录成功就算活跃?
  • 登录了点击几下算活跃?
  • 登录完成一个特殊动作?

当然,针对不同目标、不同业务,可以有不同定义。但使用这些定义的前提是口径统一,各个部门得达成共识:有XXX行为的就算活跃了。

而最常见的问题,就是不但没统一口径,而且还不断发明新名词,搞得历史数据前后对不上。最后开起会来鸡同鸭讲。

2. 陷入细节,纠结每一天波动

看过活跃率、活跃人数指标的同学都知道,这玩意日常波动太多了,几乎大事小事都会对活跃率产生影响。

有时间分析活跃率下跌的报告还没交,丫自己就涨回来了。结果每天纠结于“为啥又高了/低了1%!”累死自己,还没找到病根。

3. 孤立看问题,砸钱搞活跃

虽然活跃率为啥跌不一定清楚,但是怎么搞活跃率,那套路可太清楚了。登录7天签到送福利、30天连续签到送福利、登录就抽奖最高888、种树20天送一袋猕猴桃……

于是,往往还没找到病因,短期拉指标的措施已经怼上去了。

结果按下葫芦浮起瓢。活跃率做高了,转化率跌了,转化率做起来了,费用烧干了……

注册、活跃、付费这些指标从来都不能割裂开看,就像我们评论人的身材,是三围一起报。要不然,你想要一个36D的女朋友,推荐个36-48-52身材的你要不要?不但得要,还得幸福哦。

02 用户活跃分析核心问题

陈老师总是举例,做数据的不懂业务会导致各种问题。可在用户活跃分析中,恰恰是做业务的不懂数据,才导致上述乱象。

运营没有深入思考过活跃指标的含义,也没有分析过活跃指标与注册、付费、转化关联。只是单纯因为“这是我的KPI”,就产生:“KPI指标下跌综合症”:不等分析清楚就急不可耐的下手了,最后总是治标不治本,还折腾人。

想破局,先解决一个核心问题:到底活跃对我们意味着什么?

除了类似阴阳师、DOTA传奇这种很肝的游戏以外,其他的大量互联网应用,真的需要用户天天守在这?除了微信这种超级应用,真的有另一个应用是用户无可替代每天一看的?(如下图所示)

从本质上看,互联网应用讲用户活跃,就像传统企业讲顾客到店一样。

  • 活跃是一切的基础,必须关注;
  • 不能空活跃不转化,得联起来看;
  • 影响因素太多,必须抓大放小,聚焦行动

在讲用户流失分析的时候,我们说过:流失分析的目的不是消灭流失率,而是把流失控制在可控范围内。在用户活跃分析的时候,道理类似:做活跃分析,不是为了逼用户天天来戳一下,而是为付费、转介绍提供稳定的支持。

03 用户活跃分析基本思路

  1. 定标准:目前业务需要什么样新增、活跃、付费结构
  2. 找规律:常规的活跃走势,该是什么样
  3. 查异常:区分常规变化、异常变化
  4. 追原因:对异常变化进行追踪,分析
  5. 定计划:根据问题轻重缓急,制定应对

最重要的当然是定标准。作为业务方,心理要有判断:我需要多少活跃用户,需要多少活跃率;并且不能割裂看一个指标,要关注AARRR的整体形态。

1. 定标准的常用办法

定标准主要参考三点:

  1. 业务特征:不同业务,本身需要的活跃用户数和活跃率就不一样。
  2. 发展阶段:一般新上线更倾向于聚集人(做大DAU),到一定程度才做付费转化。
  3. 竞争策略:策略不同,意味着对活跃、付费的要求不同。

比如最基础的三大策略(如下图所示):

请注意,竞争策略才是定标准的核心。比如传统观点认为金融服务是低频业务,可做金融APP时,完全可以把财经新闻、理财教育、本地吃喝攻略、电影信息这些和消费有关的东西做进去,把一个低频应用做成高频应用。

因此,一般同类业务特征和发展阶段只是参考。更重要的,是业务内心的声音:“我们要做成一款XXX的应用,相比之市场上的产品,我的目标是XXX”。

这就要求,运营需要有自身业务判断能力,能对自己的方向有清晰的认识。数据分析师只是辅助作用,提供比如业务特征、发展阶段、竞品数据以作参考。

这也是为什么陈老师会吐槽,活跃问题是“乱自上做”,确实有很多公司的运营没啥想法,就知道机械完成KPI,只要数据达标就行。数据不达标,就试图把锅甩给数据分析师没洞察、对手刷量了、我们费用不够。这样标准都不清晰,更没法谈后边的分析了。

2. 找规律的常用办法

规律包含三类

  1. 政策规律。政策发布以后,产生的巨大反响。
  2. 自然规律。全年1-12月,本身就包含了很多影响活跃的因素(如下图所示)
  3. 运营规律。常见的运营事故(商品缺货、系统宕机、宣传误导……)运营措施(抽奖、签到、互动游戏)都能引发活跃数据变化。

这些具体的政策、事件、运营动作,才是指标变化的本质原因。因此在分析之前,应该先大量收集内外部事件,拿着事件思考问题。而不是就数论数,说“因为过去三天涨,所以今天涨”“因为之前周五涨、所以这个周五涨”之类毫无逻辑的话。

找到一些明显的规律后,可以用来做定性预测,根据未来要发生的时间,预计指标波动变化,也可以用来做解释。比如发生指标波动的时候,如果有对应事件发生+对应波动形态,那八成就是规律性变化。

这样做,可以节省大量分析时间,而不是做了一堆分析,还被吐槽为:“我早知道了”“它就是这样的呀”。

3. 查异常的常用办法

遭遇异常,要关注:

  1. 幅度:单日波动是否足够大
  2. 持续性:是否有持续增大、持续回落的走势
  3. 规律性:是否是有规律的、计划内的波动
  4. 关联性:关联的注册、付费指标是否同样波动

注意,不是所有的波动都值得追击,大幅度、持续性、非规律、波及其他指标的优先处理。偶尔的波动一下很正常,但是要记录发生时间,观察走势,当问题出现恶化时容易溯源。这样做,不用让数据分析师陷入无休无止的纠结里,更容易找到真正的异常问题。

4. 追原因的常用办法

确认是异常波动,常见的形态有三种

  1. 事件型:一次性的,大幅度下跌
  2. 持续型:从某一节点开始,持续下跌
  3. 系统型:自身波动小,但始终比竞品差

先判断是哪一型的问题再追原因。追原因的难度是:事件型》系统型》持续型的。一次发生的事件最容易查到源头。

系统型差异,可以通过竞品分析得到答案。持续性问题反而最纠结,有可能过着过着自己没了,有可能是一次重大事件的余波,也有可能是深层次的问题。

需要注意,我们常说DAU=DNU+DOU(日活跃用户=每日新用户+每日活跃老用户,一般新注册用户都直接计入活跃)往往系统型问题会影响DNU,在用户注册后T+1,T+2…T+N的时间内没有做好引导,导致用户不活跃甚至流失。

DOU往往与事件有关,比如季节性促销,沉默用户唤醒,新品上市等等。因此在追踪原因时,可以分头观察。对新人关注注册到首次付费流程,对老人打标签,关注老人对活动的响应(如下图所示)

5. 定计划的常用办法

然而并没有这一部分,这一部分是运营的范畴,是一个业务动作,不在本篇的讨论范畴。定计划主要看运营的业务能力。作为数据分析,可以提供的支持是:

  1. 判断问题轻重缓急
  2. 对紧急重要的问题,提示问题源头
  3. 对过往改善问题的方法,提供ROI分析结果支持
  4. 等着运营提想法,做临时性支持

总结

最后再强调一句:好方法是设计出来的,不是算出来的。靠数据分析只能评估过往的方法好坏,最多再预测下用户对XX产品响应率,不能再多了。真正做好落地,还是得靠运营自己多练内功才行。

从头看完,我们会发现:数据分析方法一点不神秘,更多的是:

  • 大量的、细致的收集事件
  • 用数据描述、评估、总结事件
  • 用逻辑推演事件的影响,用数据验证假设。

这是个很枯燥的体力活,却是出成绩的关键。脱离了这些细节,任何 “思维方法”“底层逻辑”“核心法则”都没法起效。只有算命大师才是摇摇铜钱天知地知,做数据分析的人,其实和搬砖工没啥区别。

 

作者:接地气的陈老师,微信公众号:接地气学堂。十年资历的数据分析师,拥有多个行业的CRM经验。

本文由 @接地气的陈老师 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 请问如何能了解竞品的用户数据情况呢?

    回复
  2. 请问如何能了解竞品的用户数据情况呢?

    回复