使用者參與度衡量

Yunchen Chen

2021/02/28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

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。

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。

Yunchen Chen的沙龍

0會員

1內容數

留言0

查看全部

發表第一個留言支持創作者！

你可能也想看

Google News 追蹤

方格子 vocus 官方沙龍

2024/10/21

「天天秋嗨嗨」：vocus 秋季徵文，五大主題 & 獎品登場！

這個秋，Chill 嗨嗨！穿搭美美去賞楓，裝備款款去露營⋯⋯你的秋天怎麼過？秋日 To Do List 等你分享！秋季全站徵文，我們準備了五個創作主題，參賽還有機會獲得「火烤兩用鍋」，一起來看看如何參加吧～

#天天秋嗨嗨 #秋季旅遊 #秋季穿搭

MimiVsJames的美股投資分享

2024/11/03

美國大選『終局之戰』（Endgame）即將展開，美股將迎來新世紀？（上篇：模型推導寶座花落誰家？）

美國總統大選只剩下三天，我們觀察一整週民調與金融市場的變化（包含賭局），到本週五下午3:00前為止，誰是美國總統幾乎大概可以猜到60-70%的機率，本篇文章就是以大選結局為主軸來討論近期甚至到未來四年美股可能的改變

#美股 #美國大選 #投資理財

矮袋鼠律師的沙龍

2024/11/03

如果這個世界有神，那祂一定姓李名相赫｜矮袋鼠律師

Faker昨天真的太扯了，中國主播王多多點評的話更是精妙，分享給各位王多多的點評「Faker是我們的處境，他是LPL永遠繞不開的一個人和話題，所以我們特別渴望在決賽跟他相遇，去直面我們的處境。我們曾經稱他為最高的山，最長的河，以為山海就是盡頭，可是Faker用他28歲的年齡...

#Faker #電競 #運動

cshowme的沙龍

2021/09/05

BMJ小小統計問題(4)：下列何者為離散程度測量指標？

BMJ小小統計問題（4）：離散程度測量指標 British Medical Journal，英國醫學期刊（簡稱 BMJ），創始於1840年，在醫學研究領域享有盛名。本系列精選BMJ所發行之3百多題Statistical Question，採用中英對照有興趣的朋友們可進行回答。各題都有詳細說明。預計每

#匯東華 #統計分析 #醫學統計