用户留存案例分析

本文介绍本案例发生在某一次新版本上线后，随着时间的推移用户留存率逐日下降。故需要从数据角度分析下降原因。

题图来自Unsplash，基于CC0协议

每家互联网单位的运营同学都在围绕着“拉新一促活留存一营收”这三个关键点进行着每日的工作，所以如何做到数据驱动，从数据出发指导每位同学有理有据的进行日常运营就显得尤为重要。

App上累加的功能越来越多，拉新成本也越来越高，产品在设计时总觉得会比上一版效果好，然而真正上线之后的效果却是不尽如意，那么问题出现在哪里?“我们这次上的功能很有意思呀，为什么用户的留存还是如此低呢?是不是推广同学拉来的用户质量太差了?”这一系列的问题时不时就会跑到产品、运营同学的头脑中，所以我在这里想分享一个利用友盟+移动统计(U-AppA｜版)做的一个有关用户留存的案例分析。

背景介绍本案例发生在某一次新版本上线后，随着时间的推移用户留存率逐日下降。故需要从数据角度分析下降原因。

分析过程：

首先，我们先来看一下优化前的数据(数据脱敏)

图中箭头所指当天为APP新版本是上线时间，不难发现从该日起用户的留存趋势开始驟降。如果此时询问产品同学，大概会得到回复“新功能应该是比之前优化了很多呀。咱们看看研发有没有bug吧……＂。此时转向研发同学大概得到的回复是“不可能有bug，我们上线前可是经过N轮测试的…”如此场景基本会发生在每日产品和研发的交涉中。

产品功能确实优化了，研发测试也说了没有问题，但是留存率为什么会降了呢?其中哪个环节影响了用户的体验导致用户丧失了对App的兴趣呢?为了解决这个问题，接下来就需要系统的进行数据分析：

一、新版本上线前后用户构成是否有变化

观察新版本上线前后的日活数据，新增用户数据，用户新鲜度用户活跃度数据，进行用户构成宏观检查(部分截图，数据脱敏)

从下图“用户日活曲线”，“用户新增曲线”可以看出该段时间内，APP日活和新增均处于稳定状态，没有过大的波动;从“用户活跃度”“用户新鲜度”热立体看出整体波动不大，但是活跃度较高的部分用户占比较少。

图例如下：

1.用户日活曲线：

2.用户新增曲线

3.用户新鲜度：

4.用户活跃度

分析完整体用户构成，发现整体用户活跃度在下降，而且新版本的上线家居了下降趋势。通过以上宏观的数据表现分析得出以下两个方面可能会导致数据下降：

1.新版本功能可能有问题，而且违背发现；

2.整体APP产品某些功能点可能导致用户的大量流失。

有了以上两个猜测，就可以通过数据来验证设想是否正确。

首先要进行的是新版本功能排查，通过友盟+功能《页面访问路径》，选取最新的版本得到如下路径图：

从图中可以看出从第一页到第二页访问率为72％，第二页到第三页访问率为61％，综合前两个步骤，整体流失率超过了60％。

通过观察这两个页面的名称并跟研发同学核对，这两页用户访问的分别为App开机屏和App首屏，此时问题渐渐浮出水面，在研发测试过程中没有遇到的bug点出现了，通过后续在应用市场和App Store的用户评论以及新版本调研后得到结论，在某些机型和网络环境不佳时，会导致新版App频繁闪退。故新版本的问题被发现并及时解决，补丁修复版本紧急上线。

接下来就是整体功能着手，我负责的App主要功能点包括搜索流数据点击，UGC内容交互等。所以着手点就从这几个功能出发。我所应用的友盟+功能是《用户洞察》-《自定义留存》功能。

首先选择用户人群，设置初始时间为App主要功能点，回访事件为再次启动Ap。计算每个事件后用户留存情况。

根据App情况，第一步:设置的观测分析组如下(注:下图全部用户留存为流数据点击)

通过友盟数据平台的计算后，我将数据导出，并汇总，基本留存率，UGC留存率，搜索用户留存率，流数据点击用户留存率，得到如下结果：

如图可见：蓝色的线为这几日整体留存率，红黄蓝三条线分别为有重要功能操作之后的用户留存率，由此可以得出，在App中有相关搜索，流数据点击，UGC内容交互之后的用户留存会高于整体留存率。故App上这几个主要的功能，带来的作用都是正向的。得出该结论之后，我出现了另一个设想:如果增加这部分操作用户的基数，是否就可以提升整体留存率呢?为了验证这个设想，我继续设定了新的留存指标、，查看未进行这些功能操作的用户留存率情况如何。

经过友盟后台计算，综合数据结果如下图：

如图所示，蓝色的线为整体留存，绿色线为未点击用户留存，通过图例，可以方便看出未操作APP关键功能的用户留存率低于整体留存，而且通过友盟+后台《自定义事件》可以看出未进行点击的用户量远高于点击用户，所以拉低了整体的留存率。(另两个功能点，结果相同，故不再赘述)

故到此为止，针对留存率降低的原因分析已初步完成。综合以上分析结果，可以为产品运营测同学提供建议:增加用户在App中有关于搜索，流数据，UGC数据的相关操作的引导或激励，将大幅提升用户留存率。

下图为运营优化后的留存曲线：

数据分析结果可以指导和辅助产品运营工作，分析结果旨在给相关同学正确和及时的工作引导，当多个功能或者工作交错时，可以正确的给出工作优先级建议，从而使正向效果更佳明显，事半功倍。

作者：王岳

本文为「人人都是产品经理」社区和友盟＋联合举办的“2019「友盟杯」数据分析大赛”中获奖作品，未经作者及平台许可，禁止转载

本文部分数据有脱敏处理，非全部真实数据

有关产品测评大赛合作事宜，请联系邮箱：denis@woshipm.com