運營質量分析-深入活躍、留存、轉化關鍵指標！
不知道大家有沒有這樣的疑問：同樣是新增用戶，有的用戶就能很快地get到產品的點，然后迅速注冊進行一些關鍵功能，比如說購買的轉化；那有的用戶就總是走走停停然后淺嘗即止，可能持續活躍了一段時間，有的甚至還沒有注冊呢。
在這種情況下，活躍狀態是無法幫助我們更好提升業務，我們需要知道用戶的價值，才能更有的放矢地進行運營質量的評估和策略的設計。
這里有一個基本的模型，整個就是呈現為一個三層的金字塔結構，將價值遞增的用戶層級分了出來。
最下面的一層用戶，我們稱之為初級用戶。這一層級的用戶處于一個比較初級的狀態，它本身存在的價值也比較低，但是它的特點在于極具轉化性；
中間這一層一般已經是用戶里能帶來價值的中堅用戶群，我們稱之為價值用戶，這一層級的用戶由初級用戶轉化而來，他的商業價值已經體現出來，所以需要我們用心的去呵護和培養，讓它保持一個持續的活躍，從而帶來更大的一些價值；
最高層也就是價值最大的一部分用戶，我們稱之為核心用戶。核心用戶由價值用戶轉化而來，同時，他的持續存在能夠對價值用戶和初級用戶起到一個很好的促進作用。
強調一下，不是說整個分層只能分三層，其實往往會分三到五層等，然后每個層級之間的用戶完全的區隔開來，沒有任何的交叉，那一般來說我建議大家最初做的時候從三層做起，也就是說最少做三層，這樣我們在運營的時候也能夠更好的利用這三層用戶之間的關系，讓各個層級的用戶產生聯系，進而做到轉化。
那這個層級劃分是怎么做的呢，所謂用戶價值層級，它其實是一個打標簽的過程。
那標簽是怎么來的？我們常說的一個行為及表現，也就是說除了男女地域這種用戶自身的信息，我們常見的其他標簽都是基于用戶發生的行為后提煉的，然后因為用戶發生了這樣的行為，我們賦予她一個什么樣的某一類的一個標簽。比如說發現用戶常用的電商app比較多，而且有很多垂直類電商，那我可能給這個用戶打個標簽叫購物狂，就是說我們每個人做的任何一個行為背后，都是有場景有動機的，基于這些行為特點我們就能夠將用戶標簽化，也就是完成了用戶對用戶的這種價值分層。至少在諸葛里面是比較簡單的，因為諸葛具備一個非常強大的交叉分析能力。這個價值層級對業務分析有什么影響呢？活躍方面的關鍵點就在于不僅僅要看這個新增活躍或者其他狀態的一個數量，更要去關注他們的質量，比如說高質量新增用戶的數量，這樣才能更好地衡量我們獲取精準用戶的能力，那轉化方面呢，也就需要站到更高的層面來看了。轉化不僅僅是完成購買或者完成內容分享這么一個單一的事情，我們需要從用戶的角度來看，比如說低價值的用戶是如何轉化為高價值用戶的，那些帶來用戶遷移的關鍵點在哪呢？這是我們應該思考的更深層次的方面，不只是看哪些用戶留存，哪些用戶沒留存，更重要的是要知道既然這些用戶留下來了，那他需要我們的程度是怎么樣的？他們到底對我們產品有多依賴？這才是我們設計運營策略的一些重要參考點。接下來我們深入到活躍、轉化、留存這三個緯度的指標中去，做一次數據指標的升級。
雖說新增和活躍用戶的數量是一個最基本的指標，尤其是新增，但是更建議大家去關注高質量用戶的行蹤數量，那這樣才能更清楚地去了解我們的市場狀況，和自身自傳播的一個能力。那第二點就是在活躍方面，要注意的是新增占活躍比，為什么是這個指標呢？舉個例子 ，當你看到日均新增用戶是兩萬，然后日活躍用戶是五萬，這樣的數據你是不是覺得還不錯，新增用戶兩萬那還挺給力的，市場渠道做的挺好，活躍用戶五萬也還不錯。但是你要去看新增占活躍比的話，你就會發現新增占活躍比是40%，也就是說你每天活躍的用戶里有40%是新用戶。那這樣就會讓你很直觀的發現問題，說個題外話，其實一個好的指標往往是一個百分比，這能夠讓你跳出絕對的數字帶來的那種感官陷阱，更好更準確地站在全局的角度上來考慮。第三個指標是新增的一次性用戶占比，這也是結合新增用戶和沉默用戶之間的關系定義出來的一個指標，一樣應該是呈現為逐步下降的趨勢，需要密切的去監控。那這些指標其實相信大家也有聽過，但是由于定義他們的一個靈活性，和對數據分析基礎設施的要求比較高，所以可能很多人都沒有實際使用過，自然就很難體會到它的一個優越性。
那我接下來舉個例子，簡單描述一下如何使用諸葛，來定義高質量新增用戶數這個指標。
第一步我們需要一個定義， 什么樣的用戶算是高質量的新增用戶，比如對于一個電商產品，我可以定義觸發過查看商品詳情頁大于等于一次的，并且是在這個用戶新增后一天內觸發的。觸發過搜索商品這個行為，大于等于一次的，并且是在用戶新增后一天內發生的。由于這兩個條件是或者關系，所以這兩個條件只要觸發過一個就算滿足高質量新增用戶，當然你還可以去定義更多的“或者”條件以及“并且”條件來交叉出我們想要的用戶群，之后可以選擇一個或者多個我們想要分析的用戶群。
當我們限定了用戶群體的時候，再看新增用戶指標所呈現出來的，就是我們想要的高質量新增用戶的趨勢圖了，其他幾個也大同小異。通過用戶群進行交叉，可以滿足我們絕大多數的一個分析需求，以往我們也就是看一下關鍵行為的轉化率，可能是購買的轉化率，細一點的可以定義出詳情頁的轉化率，注冊的轉化率等等。
另一方面從用戶價值層級轉化的角度來看，我們需要去衡量關鍵行為的參與度。比如說一個社區產品生成內容的次數，和持續生成內容的天數，變成一個忠實內容生產者的一個轉化情況。諸葛有一個獨有的分析模塊叫粘性分析，通過粘性分析你可以查看一周內或者一個月內用戶有多少天在使用你的產品，甚至在使用你某一個功能。
粘性分析模塊衡量的單位是天數，過往大家都看新增留存，那我建議大家去看自定義活躍用戶留存率，和留存用戶對產品依賴這三個維度的指標。
重點說一下自定義活躍用戶留存率，這個指標就在于可以定義用戶留存的條件。當我們對用戶新增的質量提出要求的時候，同樣的，我們也需要對活躍用戶的質量提出要求，在諸葛的流程模塊里有一個自定義留存指標，我們可以通過定義回訪行為的方式，來劃定高質量的活躍用戶。比如我將回訪行為定義為查看商品詳情，那展現出來的留存，就是有過觸發商品詳情的用戶，我才算他是留存用戶。以這樣的用戶數量除以初始用戶數量就可以算出留存率了，同樣也可以交叉不同活躍狀態和價值的用戶進行一個指標的定義，推薦大家可以上諸葛io上體驗一下。
但是說實話，我們的整個產品也是基于咱們平常日常使用的一些場景和價值逐步迭代出來的，以深入真實衡量業務為目標，對原有的流量轉化留存數據指標進行了一個升級，大家可以認真體會一下，當然在日常運營中，運營人員除了要關注以上主要指標外，還有一些其他指標同樣需要關注，如使用頻率、地域、目標用戶畫像，甚至崩潰率等。這些數據可以幫助我們更全面地了解用戶的使用行為、產品的迭代，還可以讓我們針對不同的目標用戶群，采取不同的運營措施。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）