系统的聊一聊产品的用户留存策略( 三 )

原则2：生命周期越短，激活需要越快

产品生命周期越短，新用户越快期待从产品中获得价值
比如游戏类的产品生命周期相对来说比较短，那激活期相对来说就要短一些
电商类的产品生命周期比较长，那激活期相对来说就要长一些

原则3：参考实际数据
分析新用户的实际数据，看大多数早期激活行为发生的时间窗口

比如，某个社区类的产品，我们拉出所有首次发布内容的用户的时间分布，发现80%都发生在一周内，那么我们可以定义“多长时间”≈7天

然后再回到这个公式
aha时刻=谁在多长时间完成多少次什么行为
“多少次”等下再谈，我们先看看“行为”
第四步：通过数据分析找到这个关键行为的最佳次数为什么要计算最佳次数？
有些激活行为，只做一次就够了，例如电商的首单；有些激活行为，需要重复多次，才能确保新用户感受到产品价值，例如看段视频。
理论上来说，重复次数越多，对于留存提升越大。但是新用户激活时间有限，让用户重复太多次不现实。因此我们找到激活行为的最佳次数，确保用户获得价值的同时又不给用户带来负担
怎么计算？
找到行为次数影响留存数据边际效应最大的数值。举个例子解释一下：
假设，某一款产品影响留存的关键行为是发帖，行为周期是一周
那么我们先画出新用户首日激活行为次数的分布图（一周内，用户不同发帖次数的用户数量）

文章插图
然后，去分析首周关键行为次数和次周留存率的关系（如下图）：

文章插图
最后，我们找到留存编辑效应最大的点（通常是曲线拐点），这个点对应的关键行为次数，就是我们要找的最佳次数了（如下图）

文章插图
好的，截至现在，其实我们已经对aha时刻找的比较清晰了
aha时刻=谁在多长时间完成多少次什么行为
不过，这里需要特别提醒一下。我们通过上述一系列操作下来，其实找到的是影响留存的相关性因素，而不是因果性因素。
什么是相关性？
观察到有某个行为的用户，同时留存率更高
什么是因果性？
用户做了某个行为，导致留存率更高
相关性只能帮助我们分析和实验，因果性才能知道我们执行动作。
所以，当我们得到一系列相关性的结论后，还需要去不断的优化和实验，最终找到因果性因素。
用户行为分析当我们找到影响用户留存的aha时刻之后，我们该如何去引导用户完成这个关键行为呢？
通过分析用户数据，找到新用户完成行为的关键路径，分析路径转化漏斗
我们同样还是举个社区产品的例子，假设这个产品用户完成关键行为的路径如下：
【打开app->浏览广场内容->找到感兴趣的主题->打开主题广场->浏览主题广场的内容->发布自己的内容->发布成功】