说起用户留存分析,想必同学们又会开始吐槽了:哪家公司现在不看用户留存,用你教?
没有错,不管是一线的产品、运营同学们,还是把控全局的管理层们,都一定会关注用户留存。但是,作者在这里想问的是,对于不同类型的用户行为,留存分析的思路相同吗?想要实现自定义的留存分析和流失分析,该怎么做呢?
为了解答以上两个问题,本篇将分享用户留存分析的进阶方法。
(备注:本文中涉及的数据均为 demo 环境下模拟的虚拟数据)
一、通过流失分析逆向反推留存
有的同学会觉得,留存分析的是一群人第一天来了之后,后续几天每天来的一个比率,这也是一种对留存比较主流的的定义,他评估的是一群人进行某项行为后,再次进行某项行为的一个可能性。
这类分析常常适用于用户对于产品的访问会有一定的粘性,使用产品的频率一般较高的场景,例如常见的直播类产品进入直播间、电商类产品进入商品详情页,都可以用这种分析方式来评估用户留存情况。
但其实广义上来讲,留存分析还有另外一种定义。那就是,一群人第一天来了之后,虽然第二天有的人没来,但是我不关心,我在乎的是,以走完产品的核心流程周期或使用频率为基准,用户留存的可能性到底有多少。
具体来说,如果产品的核心流程较长,用户其实在第一天进行了某些操作之后,短