这才是真正的用户活跃分析,而不是罗列DAU

用户活跃该怎么分析?很多公司日常在监控DAU、MAU指标,可监控以后呢?经常是DAU下降3%,就逼着人分析半天,结果还没出报告,又涨上去了……纯纯空耗人力。用户活跃分析,该怎么做的更有价值,今天系统讲解一下。

一、用户活跃分析的常见问题

  • 常见问题一:缺乏判断标准,陷入细节无法自拔。就像开头说的,很多活跃分析,陷入“1%上涨”“2%下跌”中无法自拔,完全无法深入,每次都不了了之。
  • 常见问题二:盲目拆解,没有落地建议。很多分析活跃波动,就是闭着眼睛按用户性别,设备型号,一通拆解。可拆解完了,知道“男性用户活跃率下降1%”又怎样呢?所以要做个男性专属版本来拉这1%的活跃吗?
  • 常见问题三:盲目促活,没有长期效果。用户活跃降了,直接想到的办法就是站内做打卡,拉长线活跃,站外猛推一波信息,把不登录的拉回来。可拉回来以后呢?该不消费还是不消费,DAU涨,转化率掉,更头疼了。

为什么会有以上问题,本质上,因为:

  • 活跃很容易短期波动,抓长线规律才不至于一叶障目
  • 活跃很容易被短期拉升,但活跃高不等于有转化
  • 不同用户的活跃价值不一样,抓核心用户才是关键

因此,区分用户价值,识别活跃特点,找到提升高价值用户活跃的抓手,才是把活跃分析从内耗变得有价值的关键,具体怎么做,一起来看看。

二、建立高价值用户标签

并不是所有用户的活跃都有价值的,比如:

  • 直营电商:用户有消费才有价值,可以考察用户过往30天/90天/180天内累计消费金额,消费频次,产生的毛利。
  • 平台型企业:入住商家能产生GMV,能充值广告费才有价值,可以考察过往30天/90天/180天内商家GMV,广告充值/消耗数量。
  • 内容型产品:用户登录,消费内容,且点击广告/充值打赏才有价值,可以考察过往7天/14天/30天内用户登录频次,总时长。
  • SaaS产品:大部分saas是toB销售的,采购部门签单,业务部门使用。此时活跃影响的不是当期的交易,而是后续的续费,毕竟如果连业务都用不起来,也没人会再续费了。

综合分类后,我们可以得到比性别、年龄、设备类型更有用的标签(如下图),在后续分析时能导出更有用的结论。

三、识别活跃行为的特点

有了用户标签,我们可以区分出高价值的核心用户群,比如:

  • 新用户中有消费群体
  • 老用户中高消费群体
  • 老用户中无消费但高活跃群体

在解读活跃数据的时候,能把活跃的波动,具体拆分到各群体,从而综合判断:活跃下降,到底有没有影响核心群体(如下图)。

这样既可以避免“3%波动到底是不是大问题”的纠结,又能快速锁定出问题群体,具体思考:“要不要改善活跃?改善哪些人群的活跃?”而不是盲目地拆分来,拆分去:

  • 如果波动很小,甚至就是周期性波动,不用着急
  • 如果波动大,但尚未影响到核心群体,一般慢慢排查边缘用户
  • 如果波动大,且核心用户有明显损失,就得立即采取行动,不然收入等指标一定会遭殃

四、找到提升活跃的抓手

站在运营的角度,促活的手段,分登录中,登录后两类。在用户尚处于登录状态时,要给用户留下念想,让用户有惦记的东西,比如:

  • 电商平台:收藏/加购/转发商品
  • 直播平台:关注主播/主播互动
  • 内容平台:点赞/转发等主动行为
  • SaaS产品:核心功能的使用数量

在数据上,应首先监控这些有利行为的发生情况:

  • 有多少用户在活跃期间发生了有利行为
  • 有多少用户高频率的发生了有利行为
  • 哪一种行为能吸引更多用户/哪一种没用

通过数据监控,如果发现:发生有利行为用户占比在下降,那么长期来看,活跃是必然持续降低的。反之,如果运营活动/产品改版,能让用户有利行为持续增加,则说明长期活跃有提升的机会。

除此以外,还可以根据登录时行为,对用户打标签,比如:

  • 该用户对A商品的收藏次数大于X次 → “A商品偏好”标签
  • 该用户和X主播的互动频次高于平均水平→ “X主播偏好”标签
  • 该用户XX话题的浏览次数占自己总浏览比例大→ “X主播偏好”标签

这些标签在后续分析时,可以成为好用的工具。

在登录后,用户已下线,能用的手段就是信息推送/站外广告,此时的常用思路是:

  • 根据用户活跃前偏好标签,筛选内容/商品推送
  • 根据当前站内主力推的活动,主力推的产品来推送
  • 根据当前社会上流行话题,应季产品来推送

这里特别要注意!有可能所谓千人千面,是个伪命题。特别是非垄断企业,自身平台提供的内容/商品有限。有可能就是当前热点是啥,推啥最管用。所以这里重点工作还是打标签,记录用户响应情况。一来从总体上看,哪一类推送拉回用户效果最好,二来看每个用户对不同类型活动的响应,从而指导更细节的业务行动(如下图)。

五、观察促活的综合效益

经过以上三步,我们可以:

  • 识别高价值用户与有利的用户行为
  • 观察活跃波动来自哪个群体,是否伤及KPI指标
  • 观察活跃行为中,有利行为是否增加,是否向好方向
  • 观察拉回活动的手段,对什么人起作用,能起多大作用

做到这,就只剩最后一步:持续观察活跃走势变化。

  • 用户活跃增长,不以站外投放费用率的增长为代价
  • 用户活跃增长,不以转化率下降为代价
  • 用户活跃增长,高价值用户群体规模同步壮大

这就是非常好的数据表现(如下图)。

作者:接地气的陈老师
公众号「接地气的陈老师」

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