如何經過華爲分析提高產品留存率？

衆所周知，流量愈來愈貴，獲取新用戶愈來愈難；一些產品雖然獲取了大量的新用戶，但流失嚴重。因此培養一批高留存、高粘性的用戶就顯得很重要。

留存是什麼？
以移動應用爲例，一些用戶下載App後，僅僅瀏覽了幾個頁面，有些羊毛黨領取了優惠券後就流失了，還有些用戶可能根本沒打開App就卸載了，只有那些持續使用產品並帶來價值的用戶，才成爲了產品的留存用戶。

而留存率一般是指，用戶在必定時間間隔裏，重複發生某些行爲的比例，一般以第二天留存率、7日留存率、30日留存率等做爲衡量指標。

產品的用戶留存曲線通常分爲三種類型：微笑型、趨平型和下滑型。

微笑型曲線： 這是全部產品經理都想要追求的理想狀態，它展現的留存率曲線呈上升模式，以電商等購買類應用爲例，表示用戶不斷迴歸使用、不斷復購。

趨平型曲線： 表示產品得到了必定比例新用戶的吸引力，獲得了必定承認，被持續使用。但趨平型曲線也有優劣之分，曲線變平的位置越高，說明產品的長期留存率越高，表明留存狀態更健康。

下滑型曲線： 留存率持續下滑，說明產品未獲得市場承認，留存率持續下滑,是一種危險信號，須要快速打造產品核心價值、精準匹配目標用戶，不然極可能曇花一現，走向消亡。

對於用戶留存問題該如何分析？
用戶細分是前提。經過華爲分析服務，將用戶細分，好比按機型、設備、性別、年齡、地域等細分用戶羣，再針對細分用戶從用戶、行爲、產品維度進行下鑽分析，定位留存問題緣由。好比，經過分析服務提供的用戶分析，發現新用戶留存率明顯低於老用戶，就能夠採起優化新手引導頁、新用戶快速激活的策略。經過分析服務的行爲分析發現留存率高的用戶「點擊課程收藏按鈕」的比例遠高於總體，那麼能夠經過產品界面強提醒用戶收藏課程、收藏領積分活動等引導用戶執行收藏動做。經過產品分析發現留存率低的用戶大多使用低版本，則可增強用戶升級提醒，多場景、多渠道引導升級。

如何提高用戶留存率？

留存曲線分爲振盪期、選擇期和平穩期。經過這個曲線，咱們不難分析出：提高用戶留存，其實分爲兩個方向，一是縮短振盪期，讓留存曲線儘早由陡轉平，也就是讓新用戶儘早穩定沉澱、留存下來；二是提升留存地平線，儘量將留存率控制在較高水平。

咱們先看如何縮短留存的振盪期？

最關鍵的是要提高新用戶留存率。這裏咱們來看個案例。

案例：華爲分析助力某社交電商App新用戶留存率提高15.3%

某社交電商應用，競品較多，但願提高用戶留存率，以提高DAU。首先，開發者將用戶進入產品後的使用過程設計爲漏斗，好比安裝-註冊-登陸-瀏覽商品-加入購物車-提交訂單-付款成功。觀察每一步驟的轉化率，發現「加入購物車-提交訂單」環節流失率高達39%，因而優化了產品設計，把加入購物車的有效時間設置成15分鐘，提醒用戶儘快下單。其次，使用分羣功能，按渠道細分用戶，發現A渠道的活躍用戶留存率明顯低於總體，因而放棄A渠道的拉新投入，分配到其餘留存率表現優異的渠道。通過以上調整，2個月後用戶留存率提高了15.3%。

以上的內容和你們分享瞭如何藉助華爲分析實現產品留存率提高。集成華爲分析服務的SDK後，即可以上報用戶屬性和用戶行爲數據，這兩類數據聚合在一塊兒就能夠研究哪些用戶在什麼時間作了什麼事情，造成了數據分析的基礎。爲了下降應用的開發工做量，分析服務支持11個用戶屬性和27個事件的自動採集，同時爲了知足開發者個性化需求，支持自定義用戶屬性以及500種自定義事件，這極大方便了開發者對於應用的不斷優化，也爲精細化運營提供更多數據支撐。在有這些原子數據的基礎上，分析服務提供了豐富的分析模型。包括事件分析、行爲分析、漏斗分析、受衆分析、生命週期分析、歸因分析等，幫助開發者深刻洞察用戶增加狀況、用戶行爲特徵、產品功能狀況，而且在這些豐富的分析模型基礎上，可經過過濾器針對用戶屬性、受衆等作細分，從而觸發進一步的運營動做。值得一提的是，HMS Core分析服務SDK支持全終端，包括Android，iOS，Web，開發者僅需半天時間就能夠集成成功併發布。正是如此敏捷的開發速度，以及這些強大的分析能力，分析服務已經成爲全球開發者最受歡迎的服務之一。

全球已有5000+應用使用華爲分析，歡迎集成華爲分析，數據驅動產品留存率提高！

掃碼當即集成：

聯繫咱們：hwanalytics@huawei.com

---

原文連接：https://developer.huawei.com/consumer/cn/forum/topic/0204415966984910461?fid=18

原做者：胡椒