如何将留存率提升100%？最典型的应用场景都在这里啦 | AARRR No.3

留存分析的一个重要场景就是对渠道的分析和调整。

现在人口、流量红利不断下跌，获客成本居高不下，市场投放人员在不同的渠道进行投放时，一定要对渠道做深入的留存分析，才能更好地调整策略，提高渠道投放的 ROI 。

我们要宏观观察用户的生命进程情况，最佳的办法就是从用户导入期就开始。基于不同的获客渠道对用户进行留存分析，观察从不同渠道进来的新用户，在后续一段时间内对产品的使用情况，就能更好地把握渠道质量，比如后续的付费、粘性、价值量、CAC 成本等。

特别是对于一些获客成本较高的互联网金融产品来说，好的渠道分析可以在一定程度上减少羊毛党的出现，比如 A 渠道的新用户因为某次优惠活动进来，但是在后续的留存上表现很差，几乎没有投资行为。那么就可以思考这个渠道用户和产品的匹配度，进而调整投放策略。

对新用户的留存来说，尽快触达 Aha moment 是核心。那么如何提取产品的核心价值，尽快地传递给用户？

找到你产品的魔法数字。

之前有很多「增长黑客」的故事讲到过魔法数字这个概念：

• 比如 Linkedln 发现：第一周增加 5 个新社交关系的用户，留存率很高；

• Facebook 发现：在注册第一周里增加 10 个好友用户，留存率很高；

• Twitter 发现：在第一周有 30 个 follwers（追随者） 的用户，留存率很高。

这些魔法数字都是在用户行为的留存分析中发现的。

那么如何发现自己产品的魔法数字呢？

但是这样的流程说明，你可能需要对一个功能进行近百次的排列组合：

而现在，在 GrowingIO 的留存魔法师功能中，你只要定义了自己的产品，系统就会自动基于存量用户数据进行数据分析，帮你迅速得到魔法数字。这个功能真正让留存分析的计算更智能，更简单，更好用：

另一种情况是，对于你的产品来说，没有非常突出的魔法数字，那么就尽可能地优化 Onboarding 流程。将流失的用户分群出来，观察他们的行为路径或者抽样调研，把他们流失的原因找到，解决问题。大部分新用户流失的原因都是，没有迅速感受到产品的价值；跟自己想的不一样；Onboarding 过程太复杂，不容易上手。

找到用户流失的原因后，就要针对性地优化产品。比如砍掉不必要的功能，提供更流畅的指导流程，将具有核心价值的功能放在更显眼的位置等等。但是不论做什么优化，都需要持续地观察和对比用户的留存情况，在不断的测试和监控中，用户才会一点点稳步地增长。

比如我们之前讲过一个 Sidekick 优化留存的案例，他们从 12 月份到 5 月份用了半年时间，不断地进行假设、验证、分析、观察才让新用户留存有了很大的提升。

一个专门从事 IT 项目跟踪的权威机构曾经对很多大型机构进行研究，发现每家公司、每个团队都可以做出很多功能，但在大部分产品里，50% 的功能基本上没有被用户使用，30% 的功能很少被使用，20% 的功能才是经常被用户所使用的。与其增加更多的功能，我们不如思考一下哪些功能可以更好地留住用户。

如果说留存是最大的一个核心指标，那么拆解到产品功能上，就是提高单个功能的留存。产品经理要做的是，将自己产品的所有功能进行盘点，建立产品功能留存矩阵。

使用用户占比：某个周期内使用当前功能的用户量与该周期的活跃用户量的比例。

功能留存率：当前周期再次使用该功能的用户与上个周期使用该功能用户的比例，可以看出当前功能的用户黏性。

在上面这张图中：

• 第一象限的功能，功能留存率和活跃用户占比都比较高，说明这是产品的核心功能，已经达到PMF（Product Market Fit）；

• 第二象限的功能，留存率较低，但活跃用户占比较高，说明用户对这个功能是有需求的，但是功能本身并没有满足用户；

• 第三象限的，价值不高，但也有可能是设置类的低频基础性必要功能；

• 第四象限，留存率高，但是使用占比低，可能是符合用户需求的功能，但是很多用户没有注意到这个功能。

产品功能的留存优化应该针对第二、四象限，即完善第二象限的功能，将第四象限的功能放在更显眼的位置，引导用户更多地使用。需要注意的是，不要轻易地砍掉功能，因为功能之间的相关性，导致砍掉可能会影响到下一个流程。

GrowingIO 是基于用户行为的新一代数据分析产品，吸取国内外数据分析的最佳实践，颠覆传统数据采集流程漫长、耗时耗力的弊病，创新一套秒级数据采集和分析解决方案，为用户获取全量、实时用户行为数据，并提供业内领先增长咨询服务，为产品和用户增长提供决策支持，用数据驱动企业增长。