从用户生命周期的角度，聊聊如何体系化做好用户留存( 三 )

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。
2. 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】
那么针对这个路径，我们可以去做几个维度的分析：
1）路径分析
新用户的实际路径是什么？是不是被无关路径干扰了？
比如，用户发帖是否可以不用进入到对应的主题，在广场时就可以直接进行发帖，然后撰写内容是选择主题即可？
依照这个思路，我们可以把用户路径进行优化：
【打开app→浏览广场内容→发布内容→选择主题→发布成功】
对于用户来说，需要进行的环节少了，自然整体路径的转化率就会带来提升。
2）轨迹细查
流失掉的新用户，在产品里面都有哪些动作？
我们可以具体看看路径上具体哪个环节的流失比较严重，然后具体分析流失的原因再去针对性的解决。
比如：用户在“浏览广场内容”这个动作之后流失率比较高，因为我们下一步是引导用户找到感兴趣的主题，那这一步流失比较高的原因可能就是用户没有找到自己感兴趣的主题或内容。
那针对这个问题，我们是不是可以在用户最初注册时，就先引导用户选择几个感兴趣的标签，然后进入产品后，优先推送更符合用户兴趣的内容。
3）行为漏斗时间间隔
用户路径节点之间的时间间隔窗口有多大？每两步之间的的时间间隔有多久？