八大數據分析模型之——粘性分析（六）

1、深入理解留存

對大多數產品而言，咱們會用留存來總體評估產品的健康度，你也能夠理解爲，留存是在「某一天有多少人使用」的維度下進行的計算，它統計了來自同一羣人，放在時間的跨度下，計算每一天回訪用戶佔這羣人的百分比。以新增留存爲例，某一天或一段時間新增的用戶，第2天還有多少人使用（第二天留存），隔2天還有多少人使用（2天后留存），隔了7天還有多少人使用（周留存），一般咱們會以此來判斷產品留存用戶的能力，以及用戶的價值。

圖1：7日留存

關於留存，咱們上週進行了詳細的解讀，點我回顧。

2、粘性：以用戶視角，科學評估產品留存能力

從精細化運營的角度來看，你可能有過這樣的疑問，在某一段時間活躍的用戶爲用戶羣中：

隔7天來的用戶有多少？

有多少用戶是中間6天一天都沒來？

有多少用戶是連續訪問了7天？

第30天來的用戶中，有多少中間29天沒有訪問過？

有多少用戶是有連續訪問的？

有多少用戶又是每週都來2-3天的？

他們分別佔比多少？

若是要總體評估產品健康度，咱們認爲，你可能還須要知道：「一我的使用了幾天」，也即不少產品一直沒法衡量的維度：粘性。由於由粘性你能夠知道：一款產品，用戶一個月使用幾天，使用大於1天的有多少，使用大於7天的有多少，你也能夠再擴展到周的維度，一週使用大於2天的有多少，一週使用大於5天的有多少？以此來綜合評估產品的健康度。

當咱們將這一模型進行可視化， 以下圖，選擇「任意行爲」，按周查看，即爲用戶平均每週使用產品的天數分佈。

圖2：任意行爲的粘性分析

如上圖所示，咱們能夠看到近四周全部使用產品的用戶中，平均每週使用2天、3天及以上的用戶佔比。

固然，你更能夠評估某一功能的粘性，好比咱們選擇「開始簽到」來分析新上線的社區功能的粘性：

圖3：「開始簽到」模塊的粘性分析

說明：在計算各個天數的人數佔比狀況時，咱們會以在所選時間段內觸發過該事件的人爲基數（第一天爲100%）。好比，近四周的活躍人數是200，觸發過「開始簽到」的人是100，其中一週內觸發過「開始簽到」2天以上的是20人，那麼在粘性分析中，「開始簽到」2天以上的人數佔比是 ：20 / 100 = 20%。咱們不會以活躍人數爲基數，若要看在整個活躍用戶中使用過某個功能的人數佔比，可經過「事件」中的「活躍比」功能實現。

3、場景舉例

以諸葛io服務的客戶——向上金服爲例，做爲一家運營4年的互聯網金融服務平臺，同全部互金產品運營思路同樣，一方面，須要不斷強化用戶對產品的信任感；另外一方面，經過完善積分體系/搭建商城等手段，不斷開拓更多用戶與產品交互的場景，從而提升用戶留存和粘性。

此外，咱們可能還會須要對比兩個不一樣用戶羣的粘性狀況，好比咱們想了解一下「已投資用戶」相較於「未投資用戶」來說，對「查看股票市場」的依賴程度有何不一樣：

圖4：不一樣用戶羣對於「查看股票市場」的粘性對比

（數據爲脫敏數據）

如上圖所示，咱們發現，與未投資用戶相比，有過投資行爲的用戶更關注股票市場的動態，對股票市場這一功能模塊的粘性更大。

經過粘性分析，讓你瞭解產品或某個功能粘住用戶的能力如何，除了經常使用的留存指標外，粘性從更多維度讓你瞭解到用戶是如何使用產品的，哪一個功能是被用戶所喜歡的，不一樣用戶對同一功能在使用上有哪些差別，幫你更科學的評估產品和功能，更有效的制定留存策略。