眾所周知，流量越來越貴，獲取新使用者越來越難；一些產品雖然獲取了大量的新使用者，但流失嚴重。所以培養一批高留存、高粘性的使用者就顯得很重要。

**留存是什麼？**
以移動應用為例，一些使用者下載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，還有些使用者可能根本沒開啟App就解除安裝了，只有那些持續使用產品並帶來價值的使用者，才成為了產品的留存使用者。

而留存率通常是指，使用者在一定時間間隔裡，重複發生某些行為的比例，通常以次日留存率、7日留存率、30日留存率等作為衡量指標。

產品的使用者留存曲線一般分為三種型別：微笑型、趨平型和下滑型。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/2021022615163050.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDcwODI0MA==,size_16,color_FFFFFF,t_70#pic_center)

**微笑型曲線：** 這是所有產品經理都想要追求的理想狀態，它展示的留存率曲線呈上升模式，以電商等購買類應用為例，表示使用者不斷迴歸使用、不斷復購。

**趨平型曲線：** 表示產品獲得了一定比例新使用者的吸引力，得到了一定認可，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，代表留存狀態更健康。

**下滑型曲線：** 留存率持續下滑，說明產品未得到市場認可，留存率持續下滑,是一種危險訊號，需要快速打造產品核心價值、精準匹配目標使用者，否則很可能曇花一現，走向消亡。

**對於使用者留存問題該如何分析？**
使用者細分是前提。透過華為分析服務，將使用者細分，比如按機型、裝置、性別、年齡、地域等細分使用者群，再針對細分使用者從使用者、行為、產品維度進行下鑽分析，定位留存問題原因。比如，透過分析服務提供的使用者分析，發現新使用者留存率明顯低於老使用者，就可以採取最佳化新手引導頁、新使用者快速啟用的策略。透過分析服務的行為分析發現留存率高的使用者“點選課程收藏按鈕”的比例遠高於整體，那麼可以透過產品介面強提醒使用者收藏課程、收藏領積分活動等引導使用者執行收藏動作。透過產品分析發現留存率低的使用者大多使用低版本，則可加強使用者升級提醒，多場景、多渠道引導升級。

**如何提升使用者留存率？**

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210226151749578.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDcwODI0MA==,size_16,color_FFFFFF,t_70#pic_center)

留存曲線分為振盪期、選擇期和平穩期。透過這個曲線，我們不難分析出：提升使用者留存，其實分為兩個方向，一是縮短振盪期，讓留存曲線儘早由陡轉平，也就是讓新使用者儘早穩定沉澱、留存下來；二是提高留存地平線，儘可能將留存率控制在較高水平。

我們先看如何縮短留存的振盪期？

最關鍵的是要提升新使用者留存率。這裡我們來看個案例。

案例：**華為分析助力某社交電商App新使用者留存率提升15.3%**

某社交電商應用，競品較多，希望提升使用者留存率，以提升DAU。首先，開發者將使用者進入產品後的使用過程設計為漏斗，比如安裝-註冊-登入-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%，於是最佳化了產品設計，把加入購物車的有效時間設定成15分鐘，提醒使用者儘快下單。其次，使用分群功能，按渠道細分使用者，發現A渠道的活躍使用者留存率明顯低於整體，於是放棄A渠道的拉新投入，分配到其他留存率表現優異的渠道。經過以上調整，2個月後使用者留存率提升了15.3%。

以上的內容和大家分享瞭如何藉助華為分析實現產品留存率提升。整合華為分析服務的SDK後，便可以上報使用者屬性和使用者行為資料，這兩類資料聚合在一起就可以研究哪些使用者在什麼時間做了什麼事情，形成了資料分析的基礎。為了降低應用的開發工作量，分析服務支援11個使用者屬性和27個事件的自動採集，同時為了滿足開發者個性化需求，支援自定義使用者屬性以及500種自定義事件，這極大方便了開發者對於應用的不斷最佳化，也為精細化運營提供更多資料支撐。在有這些原子資料的基礎上，分析服務提供了豐富的分析模型。包括事件分析、行為分析、漏斗分析、受眾分析、生命週期分析、歸因分析等，幫助開發者深入洞察使用者增長情況、使用者行為特徵、產品功能情況，並且在這些豐富的分析模型基礎上，可透過過濾器針對使用者屬性、受眾等做細分，從而觸發進一步的運營動作。值得一提的是，HMS Core分析服務SDK支援全終端，包括Android，iOS，Web，開發者僅需半天時間就可以整合成功併發布。正是如此敏捷的開發速度，以及這些強大的分析能力，分析服務已經成為全球開發者最受歡迎的服務之一。

**全球已有5000+應用使用華為分析，歡迎整合華為分析，資料驅動產品留存率提升！**

掃碼立即整合：
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20210226151832519.png)

聯絡我們：hwanalytics@huawei.com

---
原文連結：[https://developer.huawei.com/consumer/cn/forum/topic/0204415966984910461?fid=18](https://developer.huawei.com/consumer/cn/forum/topic/0204415966984910461?fid=18)

原作者：胡椒

如何透過華為分析提升產品留存率？

相關文章