提升DAU,数据分析要怎么做?

编辑导语:在数据分析工作中,如何提升DAU?关键在于满足用户的真正需求,站在用户的角度上看问题。其中,数据分析一侧需要做好用户分层,找到合适的方式提升用户活跃度。本篇文章里,作者总结了数据分析中提升DAU的策略,一起来看一下。

DAU涨啦,DAU又降啦;DAU又涨了,DAU又降啦……

大量数据分析师的工作,就消耗在这种无聊的叨叨中。

更糟糕的是:很多涨跌,只是单纯的开发埋点没做好,数据丢失等脑残问题导致的,没啥有价值发现。

当业务方来问:那我要拉升DAU,能做啥?数据分析师只能颤颤巍巍的答道:要!搞!高!

今天系统讲解下,这个僵局怎么破。

一、提升DAU常规做法

提升DAU,运营有的是现成的套路,有诗词为证:

《搞DAU》

  • 用户促活一句话

  • 签到转盘种小花

  • 要是手头没费用

  • 爆款话题往上挂

简单来说,就是有钱的话,就搞签到奖励、在线XX分钟得积分、每日登录摇豆子、种花种树种7天得XX礼品。没钱的话,就发文蹭热点、骗眼球。大家每天搓手机,都多多少少被这些套路过。

问题在于:

  • 第一:这些手段运营自己都知道,根本不需要数据分析;

  • 第二:手段真管用?大部分都是“人走茶凉”型的,治标不治本。

那么,站在数据分析角度,如何摆脱像布谷鸟一样,每天喊“涨啦,跌啦”,真正分析出解决问题的关键呢?

二、DAU的本质

在DAU数字的背后,是:产品对用户需求的满足

  1. 满足程度越高,用户持续登录越多,最后DAU自然提升。

  2. 仅在特定的场景下满足用户需求,用户就会在特定场景下登录(比如大促销、新品上市、……)。

  3. 如果没有明确场景,只是靠蹭流量、派奖励来维持,那最后的结果就是人走茶凉。

另一个问题,在于如何将信息推送给用户。用户登录以后才产生DAU,打卡、签到、种树,都得在用户登录以后才发生。

如果用户不登录,那能吸引用户点击的手段,就只剩下推送信息和裂变两种。大家可以看看自己手机每天收到多少条信息,自己又点开了多少,就能直观感受将信息推送给用户之难——能获得用户宠幸的APP真是少之又少。

这导致了,很多用户虽然名义上没有流失(没有达到流失的统计标准),但事实上已经处于流失状态。不区分用户类型,单纯地上签到、抽奖、大转盘,只能让现有的活跃用户薅更多羊毛,流失用户还是不响应。

综上两点,想节省成本,避免人走茶凉。就得站在用户角度:

  1. 区分用户活跃程度(重度/轻度/流失);

  2. 找出用户感兴趣的东西(活动/内容/商品/优惠);

  3. 找到能推送信息给用户的手段(短信/APP信息推送/裂变)。

这样才能细致地,有针对性地解决DAU问题。特别是,探索出不砸钱也能保持用户活跃的场景,从而减少盲目的砸钱拉大转盘。

三、做好用户分层

针对用户活跃程度做分层,相对容易。通常的做法,可以对用户过往90天(季度)/30天(月度)/7天(周)的登录天数进行统计,区分出频繁登录、偶尔登录、未登录用户。想再做得复杂一点,可以学习RFM模型,构建用户活跃模型RFA(如下图)。

超级产品经理

这样可以区分出重度/轻度/流失的用户。

难点在于找出用户感兴趣的东西,给用户登录一个直接理由。这里需要利用用户分群分析,对用户的过往消费/活跃行为进行分析,找有用户感兴趣的点。比如电商类APP,用户感兴趣的,可能是:

  1. 有大促,图便宜(意味着日常登录就是很少);

  2. 有爆款产品,来抢货(意味着浏览/收藏/加购/消费的是特定商品);

  3. 某品牌/店铺很忠诚(意味着浏览/收藏/加购/消费的是特定品牌/店铺);

  4. 来薅点好处(意味着活动参与率/积分兑换率/优惠价格购买率很高);

  5. 几个平台比价(无购买记录,但是有聚焦某些品类的浏览记录);

  6. 随便逛逛(无购买记录,无重度浏览内容);

  7. 被推广活动吸引进来的新人(无购买记录,浏览记录也很少)。

这些场景中,1-4情况意味着用户行为会集中发生在某个时间段、某个品牌/产品,因此比较容易捕捉。

前提是:需要对商品/活动/优惠类型打标签,再基于商品/活动/优惠类型标签对用户进行分类。这样能更快速输出分析结论。不然对着几万个SKU,几千个活动名字一一提数看,不但工作量大,而且看不出来啥问题(如下图)。

超级产品经理

5、6、7情况下,数据本身会很少、很零散,很难像分析重度用户那样,从过往消费经历里找到规律。此时的用户兴趣点,更多是测试出来的:通过初始线索,测试多种可能性(如下图)。

超级产品经理

更好的做法,是准备运营的“三板斧”:在市场上最有竞争力的武器。在短期内,一个APP能拿出手的爆款产品数量是有限的,能吸引到的核心用户也是有限的。

因此,针对轻度用户和新用户,可以直接推最拿得出手商品/内容,一方面直接提升DAU,另一方面测探用户需求,获取数据。

四、用数据检验拉升效果

有了场景分类,能区分出提升DAU手段的有效性,从而总结出行之有效的手段。

注意:很有可能运营已经有固定的活动/信息推送在做了。只是这些活动没有触达到该触达的人,或者并不符合对方的需求。

这样的话,在做好用户分类与场景划分以后,可以根据现有活动/信息的相应情况,做出对应表。观察哪些用户没有被覆盖,有哪些用户发生了偏差,有待优化(如下图)。

超级产品经理

这样,在解读“为什么DAU又降了”的时候,可以有更多结论:“因为我们没有管这一帮用户”“因为我们没有抓用户需求”同时做优化的时候,可以看到哪些是已经推过的,然后尝试更多未推送的可能性,直到找到更好的答案。

五、小结

从本质上看,拉升DAU手段的分析目标,不是找一个手段,而是找低成本的手段。谁都知道,只要肯往死里打折,只要肯送0.99元一箱的鸡蛋,用户肯定活跃,还会呼朋引伴的过来活跃。

数据分析的价值,在于在盲目推广中,找到更多刚性需求,从而降低成本,用更贴近用户需求的方法保持活跃。只不过这样做,需要商品/活跃/优惠/内容/用户等方面,大量的基础数据建设。从基础的标签建设开始,到分版本测试信息推送效果,都需要一步步积累。

指望一次分析报告整出来,肯定不太现实。

这里肯定有同学会问:那标签库要怎么建设,才能支持这些长期工作?我们下一篇分享,敬请期待哦。

作者

接地气的陈老师,微信公众号:接地气学堂,资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部