使用者參與度衡量
更新於 發佈於 閱讀時間約 11 分鐘
想要有個評斷的方式，透過使用者行為來看看 App/Feature 在使用者們心目中的位置。
一個產品上線後，曝光率總是首要的衝刺目標，而能不能持續獲得使用者的親睞，就需要更多的分析了，來看看一些基本的指標以及衡量方式吧
活躍使用者指標
擁有帳戶的使用者，以及真實有進入到App 的使用者，是很不一樣的，後者會看到App 提供的服務內容，有什麼新招，使用者想從App 獲得資訊，做了一些操作，也就是說，他們是跟App 有互動的，稱之為活躍使用者(Activity User)。
依照現今社會習慣的時間區段，每天，每週，每個月，我們會獲得三個活躍使用者的指標，為了精確的定義，我們以固定天數來取代，而在本文中我們說的一個月，也是指前三十天。
DAU:Daily Activity User. 前一天活躍使用者數量
WAU:Weekly Activity User. 前七天活躍使用者數量
MAU:Monthly Activity User. 前三十天活躍使用者數量
這裡的活躍使用者數量是distinct的，就算一位使用者上午用了一次，下午用了一次，也只能算一次。每一天，活躍使用者都是會變化的，所以這三個觀測值都是slide window，隨著天數變動而變動。
舉例來說，2020/12/31 三個值各是取什麼區間呢？
DAU: 2020/12/30 的活躍使用者數量
WAU: 2020/12/23~2020/12/29 七天的活躍使用者數量
MAU: 2020/12/01~2020/12/30 三十天的活躍使用者數量
DAU: 2020/12/30 的活躍使用者數量
WAU: 2020/12/23~2020/12/29 七天的活躍使用者數量
MAU: 2020/12/01~2020/12/30 三十天的活躍使用者數量
使用者採用程度 (Adoption)
每個產品或App 的存在，總是有些核心的功能，我們用一個比率的指標來觀測，使用者是否願意採用。並不是每個使用者都會每天使用App 的，今天沒使用，也不代表明天不使用，所以Adoption 需要一段時間來觀察，通常是一整個月（30天)。這個指標會因你想評估的是一整個產品(Production)或是個別的功能(feature) 的不同，而有不同的定義。
產品使用者採用程度 Production Adoption (%)
(關鍵功能的前三十天活躍使用者數/前三十天登入的使用者數量 )* 100%
(Key feature MAU/monthly logins )* 100%
如果關鍵功能有數個，使用者數量不重複計算，至於取交集或是聯集都是可以的，本文範例採用聯集。
功能使用者採用程度 Feature Adoption(%)
(功能的前三十天活躍使用者數/前三十天登入的使用者數量)* 100%
(feature MAU/monthly logins)* 100%
Example
有個記帳App，提供記帳，消費分析，同時也提供了日記功能。記帳與消費分析是我們所重視的關鍵功能，日記則是次要功能。我們透過紀錄獲得以下數字：
前三十天登入的使用者數量(monthly logins): 10000
記帳前三十天活躍使用者數量(記帳MAU): 7000
消費分析前三十天活躍使用者數量(消費分析MAU): 2000
記帳或消費分析前三十天活躍使用者數量(記帳/消費分析MAU): 8000
日記前三十天活躍使用者數量(日記MAU): 3000則:
產品使用者採用程度= (8000/10000 )* 100% = 80%
記帳功能使用者採用程度= (7000/10000 )* 100% = 70%
消費分析功能使用者採用程度= (2000/10000 )* 100% = 20%
日記功能使用者採用程度= (3000/10000 )* 100% = 30%
使用者黏著度(Stickiness)
使用者有多想用這個產品呢？對此產品的依賴又有多高？我們觀測某段時間的使用者數量佔了每月活躍者數量多少比率來評估。某段時間通常是每天或是每週，取決於你的產品特性。如果你的產品是每天使用的，舉例來說你開了一家小吃店，因為人天天都要吃飯，就會建議使用每天活躍者人數來觀測。如果你今天開了一家電影院，這並不是大家每天都會去的地方，就會建議使用每週活躍者來觀測。同樣地，根據你想分析的是產品或是功能有不同的定義。
產品使用者黏著度 Stickiness(%)
(關鍵功能的前一或七天活躍使用者數/關鍵功能的前三十天活躍使用者數量 )* 100%
(Key feature DAU or WAU/Key feature MAU )* 100%
如果關鍵功能有數個，使用者數量不重複計算，至於取交集或是聯集都是可以的，本文範例採用聯集。
功能使用者黏著度 Stickiness(%)
(功能的前一或七天活躍使用者數/功能前三十天活躍使用者數量)* 100%
(feature DAU or WAU/feature MAU)* 100%
Example
我們繼續使用剛剛的例子，記帳App，提供記帳，消費分析，同時也提供了日記功能。記帳與消費分析是我們所重視的關鍵功能，日記則是次要功能。因為記帳通常是每天要進行的，所以我們採用每日的定義。
產品關鍵功能的前三十天活躍使用者數量(Key feature MAU)，也就是記帳或消費分析前三十天活躍使用者數量(記帳/消費分析MAU): 8000
記帳前三十天活躍使用者數量(記帳MAU): 7000
消費分析前三十天活躍使用者數量(消費分析MAU): 2000
日記前三十天活躍使用者數量(日記MAU): 3000
記帳前一天活躍使用者數量(記帳DAU): 1000
消費分析前一天活躍使用者數量(消費分析DAU): 100
記帳或消費分析前一天活躍使用者數量(記帳/消費分析DAU): 1020
日記前一天活躍使用者數量(日記DAU): 300則:
產品使用者黏著度 = (1020/8000 )* 100% = 12.75%
記帳功能使用者黏著度= (1000/10000 )* 100% = 10%
消費分析功能使用者黏著度= (100/10000 )* 100% = 1%
日記功能使用者黏著度= (300/10000 )* 100% = 3%
留客率(Retention Rate)
當使用者用了產品或是功能後，願意持續使用的比例是多少呢？繼續簽約的比率是多少呢？觀察一段時間，並且這段時間內新增的客戶不列入計算。
而什麼是持續使用者數量呢？如果產品是需要簽約的，那麼他就會是簽約人數，以手遊來說，可以想成是買月卡的人數。
而什麼是持續使用者數量呢？如果產品是需要簽約的，那麼他就會是簽約人數，以手遊來說，可以想成是買月卡的人數。
產品留客率 Retention Rate(%)
(關鍵功能的持續使用者數量/關鍵功能的前三十天活躍使用者數量 )* 100%
(Key feature retented user/Key feature MAU )* 100%
如果關鍵功能有數個，使用者數量不重複計算，至於取交集或是聯集都是可以的，本文範例採用聯集。
功能留客率 Retention Rate(%)
(功能的持續使用者數量/功能前三十天活躍使用者數量)* 100%(feature retented user/feature MAU)* 100%
Example
繼續使用記帳App的例子，記帳與消費分析是關鍵功能，日記則是次要功能。我們想知道前三十天的留客率，而此App 沒有什麼簽約不簽約的，就以有使用兩天以上的使用者視為他們願意留下來，並且前三十天新增的客戶不列入計算。
記帳或消費分析前三十天活躍使用者數量(記帳/消費分析MAU): 6000
記帳前三十天活躍使用者數量(記帳MAU): 4000
消費分析前三十天活躍使用者數量(消費分析MAU): 1500
日記前三十天活躍使用者數量(日記MAU): 2800
記帳前三十天中用超過兩天的使用者數量(記帳retented user): 1700
消費分析前三十天中用超過兩天的使用者數量(消費分析retented user): 400
記帳或消費分析前三十天中用超過兩天的使用者數量(記帳/消費分析 retented user): 1800
日記前三十天中用超過兩天的使用者數量(日記retented user): 900則:
產品留客率 = (1020/6000 )* 100% = 17%
記帳功能留客率= (1700/4000 )* 100% = 42.5%
消費分析功能留客率= (400/1500 )* 100% = 26.67%
日記功能留客率= (900/2800 )* 100% = 32.14%
產品/功能參與度 Product/Feature Engagement Score
當App 不再滿足使用者的需求時，他們很容易尋求別的解決方案，投向別的App懷抱。產品參與度透過上述的使用者採用程度，黏著度，留客率來綜合評估。當產品參與度低於平均，或是有下降的趨勢時，就是一個警訊。
產品參與度 Product Engagement Score
使用者採用程度，黏著度，留客率的平均值
Average of production adoption, production stickiness, and production retention rate.
功能參與度 Feature Engagement Score
功能使用者採用程度，黏著度，留客率的平均值
Average of feature adoption, feature stickiness, and feature retention rate.
Example
根據上述的例子，記帳App的產品參與度以及日記功能的參與度各是多少呢？
我們已經算出：
產品使用者採用程度= 80%
產品使用者黏著度 = (1020/8000 )* 100%= 12.75%
產品留客率 = (1020/6000 )* 100%= 17% 日記功能使用者採用程度= (3000/10000 )* 100%= 30%
日記功能使用者黏著度= (300/10000 )* 100%= 3%
日記功能留客率= (900/2800 )* 100%= 32.14%因此我們可以這樣算出:
記帳App的產品參與度 = (80+12.75+17)/3 = 36.58
日記功能的參與度 = (30+3+32.14)/3 = 21.71
到了這裡，已經將業界常用的指標介紹一遍了，不過實務上會根據產品特性，sales cycle，想觀測的目標…等等因素來制定合適的定義。像是筆者最近在計算retention rate 時，只計算新客戶的retention rate，反而不計算既有客戶。而客戶參與度也並非必須採用這三個指標，你想置換其中的項目，或是增加刪減，也都是可以的。觀測指標長時間的變化，讓決策者看見目前趨勢，讓資訊協助他們制定策略，才是我們採用參與度的原因。
0會員
1內容數
留言0
查看全部
你可能也想看
Google News 追蹤
/
大家現在出門買東西還會帶錢包嗎
鴨鴨發現自己好像快一個禮拜沒帶錢包出門
還是可以天天買滿買好回家(?
因此為了記錄手機消費跟各種紅利優惠
鴨鴨都會特別注意銀行的App好不好用！
像是介面設計就是會很在意的地方
很多銀行通常會為了要滿足不同客群
會推出很多App讓使用者下載
每次
自 2019-07-27 開始，往前推 30 天 ，計算每天的活躍用戶數。用戶在某天如果至少有一次活動記錄，則被認為在該天是活躍的，不用管答案的排序。
本週的工作內容包括推廣線上課程的重新定位思考，內部行銷團隊的廣告數據分析週報、月報規劃，多種儀錶板的整合需求，以及Amazon DSP 的數據分析。
應用AIDMA模型，可系統化制定銷售策略，從吸引注意力到最終促成購買
AIDMA代表以下五個階段：
Attention（注意）：吸引消費者的注意力，讓他們知道產品或品牌的存在。
Interest（興趣）：激發消費者的興趣，使他們對產品或品牌產生好奇或關注。
Desire（渴望）：促使消費者產
消費者研究，可以了解以下：
瞭解消費者行為、能力、態度，了解消費者本身有哪些限制
確認消費者使用情境、需求，以期產品最終符合消費者期許的目標
讓設計決策能有依據，並非猜測或個人喜好，可以回朔研究結果
確認專案目標，以利後續評估產品成敗
研究消費者基本特徵，運用顧客標籤進行分眾
常
「真正有價值的產品，會一直幫助用戶花時間。」
在創業相關的書籍上看到這句話，我深深認同。
回想2024年3月，幫助我花了大量時間，很不錯的產品有：
1.得到App
2.Day One Journal
3.神奇寶貝紫版
我加入得到App已經兩年多，
每天都會在上面花上
每年Datareportal都會推出的《Digital》系列的報告，報告中會顯示出消費者網路行為、趨勢、網路使用習慣，而今年《Digital 2024：Taiwan》也終於在２月出爐了！一起來看看這次的報告顯示了哪些趨勢吧！
產品製作的核心因素有三個重點，分別為：使用者（誰在用）、需求（為什麼用）、場景（在哪裡用）。這些因素對於任何產品的成功都是相當重要的。
達到1000萬下載意味著產品已經在市場上站穩了腳跟，但要達到一億，就需要更加深入的理解和滿足全球多元化用戶的需求。這包括了對不同文化、語言和市場趨勢的觀察，以及對產品進行地區化和個性化的調整。在這個階段，最關鍵的是「市場擴張」和「用戶忠誠度」。同時「提升用戶留存」和「增加用戶參與度」變得至關重要。這
在今天的數位時代，App的成功往往通過其在市場上的表現來衡量。而在這個衡量標準中，下載量無疑是最直接且最具說服力的指標之一。對於任何開發者或公司來說，App達到一億次下載，不單單是一個數字上的成就，更是一個證明產品能夠觸及廣大用戶，並在競爭激烈的市場中脫穎而出的明確標誌。對於Omlet Arcade
/
大家現在出門買東西還會帶錢包嗎
鴨鴨發現自己好像快一個禮拜沒帶錢包出門
還是可以天天買滿買好回家(?
因此為了記錄手機消費跟各種紅利優惠
鴨鴨都會特別注意銀行的App好不好用！
像是介面設計就是會很在意的地方
很多銀行通常會為了要滿足不同客群
會推出很多App讓使用者下載
每次
自 2019-07-27 開始，往前推 30 天 ，計算每天的活躍用戶數。用戶在某天如果至少有一次活動記錄，則被認為在該天是活躍的，不用管答案的排序。
本週的工作內容包括推廣線上課程的重新定位思考，內部行銷團隊的廣告數據分析週報、月報規劃，多種儀錶板的整合需求，以及Amazon DSP 的數據分析。
應用AIDMA模型，可系統化制定銷售策略，從吸引注意力到最終促成購買
AIDMA代表以下五個階段：
Attention（注意）：吸引消費者的注意力，讓他們知道產品或品牌的存在。
Interest（興趣）：激發消費者的興趣，使他們對產品或品牌產生好奇或關注。
Desire（渴望）：促使消費者產
消費者研究，可以了解以下：
瞭解消費者行為、能力、態度，了解消費者本身有哪些限制
確認消費者使用情境、需求，以期產品最終符合消費者期許的目標
讓設計決策能有依據，並非猜測或個人喜好，可以回朔研究結果
確認專案目標，以利後續評估產品成敗
研究消費者基本特徵，運用顧客標籤進行分眾
常
「真正有價值的產品，會一直幫助用戶花時間。」
在創業相關的書籍上看到這句話，我深深認同。
回想2024年3月，幫助我花了大量時間，很不錯的產品有：
1.得到App
2.Day One Journal
3.神奇寶貝紫版
我加入得到App已經兩年多，
每天都會在上面花上
每年Datareportal都會推出的《Digital》系列的報告，報告中會顯示出消費者網路行為、趨勢、網路使用習慣，而今年《Digital 2024：Taiwan》也終於在２月出爐了！一起來看看這次的報告顯示了哪些趨勢吧！
產品製作的核心因素有三個重點，分別為：使用者（誰在用）、需求（為什麼用）、場景（在哪裡用）。這些因素對於任何產品的成功都是相當重要的。
達到1000萬下載意味著產品已經在市場上站穩了腳跟，但要達到一億，就需要更加深入的理解和滿足全球多元化用戶的需求。這包括了對不同文化、語言和市場趨勢的觀察，以及對產品進行地區化和個性化的調整。在這個階段，最關鍵的是「市場擴張」和「用戶忠誠度」。同時「提升用戶留存」和「增加用戶參與度」變得至關重要。這
在今天的數位時代，App的成功往往通過其在市場上的表現來衡量。而在這個衡量標準中，下載量無疑是最直接且最具說服力的指標之一。對於任何開發者或公司來說，App達到一億次下載，不單單是一個數字上的成就，更是一個證明產品能夠觸及廣大用戶，並在競爭激烈的市場中脫穎而出的明確標誌。對於Omlet Arcade