神策应用-兴趣（三）

导读：神策系列均不设置全开放，敬请见谅。该系列课是基于阿里的用户生命周期管理理论：AIPL→认知、兴趣、购买、忠诚，文章（三）是关于兴趣阶段的一些指标参考。

 

3.Interest 兴趣

• 用户活跃分析

• 平台内容分析

3.1.核心目标

培养用户兴趣，让用户一直有互动和购买的欲望

• 兴趣培养
• 流失防控

 

3.2.核心指标

3.2.1.北极星指标

• 日活

 

• 老用户留存情况

  • 留存分析是一种用来分析用户参与情况/活跃程度的分析模型，考查进行初始行为后的用户中，有多少人会进行后续行为。这是衡量产品对用户价值高低的重要指标。

 

• 内容复阅率

• • 留存分析可以帮助回答以下问题：
    • 一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单
    • 某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？
    • 想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？

 

3.2.2.更多指标

• App使用时长

• App访问深度

  • 前面两者指标均为通用指标，在监测新用户、做活动的时候、查看APP/网页用户粘度情况下，常用

• App跳出率

• App阅读用户数

• 浏览互动转化漏斗

• App用户活跃天数分布

 

• 总结：

  • 日活只能告诉你用户数的变化，分布分析却能揭示单个用户对产品依赖程度的变化。比如某产品虽然三月和四月期间活跃用户量没有明显增长，但是用户关键行为（比如下单，或发布内容）的频率却显著增加，说明产品对于用户的价值增加了。反之，如果虽然日活增长很快，但是行为发生频率却在相比之前较低的水平，很有可能新增加的活跃用户并未真正感受到产品价值。
  • 分布分析不但可以告诉你用户有多依赖你的产品，还可以告诉你某个事件指标的用户分布情况。比如，查看订单金额在 100 元以下、100 元至 200 元、200 元以上三个区间的用户分布情况。
  • 指定一个用户行为事件，然后选择事件的指标。分布分析可以帮助揭示以下问题：
    • 通知策略调整前后，用户每天使用产品次数是否增加？
    • 用户首次购买后是否会重复购买？
    • 假设每天使用 3 次以上某关键功能的用户算作核心用户，那么核心用户的成分变化趋势如何？

 

3.3.应用场景

3.3.1.用户活跃

通过用户的各个指标进行分析，了解用户的活跃程度

 

3.3.2.内容分析

通常是用于提高用户粘性，通过用户对不同内容的活跃程度进行分析，给用户推荐适合他的内容

• 不同内容的阅读用户数

 

• 不同文章的留存率

 

• 不同频道的留存率

 

• 内容点赞率/分享率/评论率等

 

案例1：某在线阅读类App

• 该案例产自2018年
• 涉及数据指标：
  • 日活数、总活跃用户数
  • 人均日启动次数并对比同行业，APP单次启动时长并对比行业
  • 6-7月小说阅读量排行榜、用户阅读来源分布——新&老用户
  • 老用户次日留存率、老版本用户次日留存；新用户次日留存
  • 各书目留存情况（包含短线留存和长线留存）：优秀书籍次留、新用户推荐书籍和畅销榜榜首次留
  • 新用户加入书架率
  • 按性别分析书籍次留

 

 

 

 

3.3.3.产品优化

通过用户对不同版本的活跃程度进行分析，评估产品迭代好坏。

通过用户产品流程中的转化，优化产品。

常见指标：APP的使用时长、付费内容购买漏斗

 

案例1：某航空公司App产品版本迭代分析

• 涉及数据指标
  • 不同版本APP的日活跃用户数
  • 新用户次周留存率并对比行业竞品——基于行业属性设置时间留存率
  • 最近两次版本的新老用户留存率
  • 新老版本APP启动时长（即浏览时长）、跳出率、访问深度
  • 各个版本的新用户注册率
  • 老版本开屏页问题
  • 开屏页的流畅性——通过建立漏斗（转化率）实现，根据新增用户从安装到最终进入首页的全流程建立漏斗
    • 开屏页的流失率、转化时间
    • 两个核心指标：漏斗转化率和各步骤用时
    • 各步骤优化ABtest：转化率、转化时长、流失率等方面展开对比
  • 看入口到核心步骤的转化率
    • 由于公司经营属性，在“机票改期”页ABtest引流效果、转化率
  • 根据数据监测情况和APP使用情景假设，实操APP流程进一步验证数据的可靠性
  • 必要时对比行业竞品APP，对比优化流程
• 思路基本都是按照从大到小层面入手，逐步发现问题和解决问题