編輯嚴選打造你的專屬流量池，讓用戶養成「上癮」的習慣—使用者留存
編輯嚴選
試想一個情境，早上你起床泡了一杯咖啡，拿起手機看到IG跳出了個新通知，原來是自己的好朋友Tina假日去了一間新開的網美餐酒館，上傳一段有bartender秀出調酒炫技的限時動態影音，精采的畫面令你嘆為觀止，接著，你馬上對此視頻給予按讚回應，沒多久之後，Tina看到並回覆你私訊，還跟你聊了那天的餐點多麼美味，晚上下班後你跟朋友去了一間義式料理店，這次輪到換你在IG打卡，並上傳了充滿異國風味的餐廳照。
上述的場景故事，相信大家應該完全不陌生吧！
類似的劇本幾乎每天在我們生活周遭中上演著，無論你是在Instagram上發布限時動態，或者Facebook看朋友的貼文，還是在抖音上傳自製影音，這樣的動作行為已經占據了每個人，全天多數的時間與空擋，我們有如「上癮」般的使用這類產品，頻繁地造訪並成為活躍用戶，可怕的是，這些創造的互動流量中，還有極高的比例是被幾個網路巨頭所瓜分，以至於小產品與小公司們只能繼續於殘存的流量與時間中，再往下繼續分食，掙扎的求生著！
流量的困境
由此可知，以往美好的流量紅利時代，正逐漸邁入消逝，接下來公司企業面臨到的挑戰，不外乎是越來越貴的營銷拉新成本，越來越少的眼球曝光，以及越來越多的同質產品，沒錯，是越來越多！甚至以APP應用程式最為一發不可收拾，透過一些網路調查報告的觀察，現存的ios/Andorid的應用程式總數高達400多萬個，其中約90%的應用程式是無法透過APP商城獲得有效曝光，等於使用者根本無法看到那些辛苦開發的產品，超恐怖😱！
單純依靠「拉新」，以達成商業目標，勢必越來越困難，因此，怎麼從「增量」的概念轉移到經營「存量」，就變得相當重要了，然而不諱言的，要做好「存量」管理的首要條件，就是需先讓用戶感受到產品的價值，當用戶開始認為這個產品「好棒棒👍」後，才可能有下一步的參與行為（Engagement），接著參與推動黏著（Stickiness），黏著推動留存（Retention），最後留存帶來了增長（Growth），形成了一個完整的閉環流程。
互動（Engagement）、黏著（Stickiness）、留存（Retention）及增長（Growth）
我們用一個普遍的例子來解釋上述的行為，Engagement Drives Stickiness Drives Retention Drives Growth文章中指出了這四種指標具有互相推動的關係，好比說：
假設有三個Facebook的用戶，Alice、Bob、Sarah。
其中，Alice非常喜歡Facebook，她經常點讚、評論和發文，幾乎每一小時就打開Facebook看看有甚麼新動態消息；
Bob則是參與度比較低，主要就滑一滑查看朋友的貼文，然後他只透過點讚表達回應，幾乎不使用留言評論，且也很少使用貼文功能；
跟上述兩人相比，Sarah不算特別喜歡Facebook，沒有頻繁使用，在上面的好友也沒有很多，推測她似乎沒有在Facebook上獲得顯著的價值。
從他們三位用戶的使用情境描述，可以輕易的推知Engagement的程度大小：Alice>Bob>Sarah，假設他們每週造訪的天數，Alice為（7/7）、Bob（5/7）、Sarah（1/7），因此，我們知道了特定時間內的session次數可作為Stickiness（黏性）的早期指標，也可以解釋說Engagement的高低程度決定了Stickiness的大小。
當用戶對產品產生了黏性後，自然地會重複造訪使用它。Alice在產品中獲得了巨大價值，接下來肯定會自發的持續使用產品，連帶著會創造出極佳的留存成效；而Bob和Sarsh由於沒有體會到很高的產品價值，以至於他們的使用頻率或許一開始高，後來隨著興趣降低，就慢慢減少了產品黏性，所以，他們創造出來的Reteneion（留存）表現，也完全取決於他們對於產品的Stickiness（黏著）。
剛剛都是以WAU（週活躍用戶）來做觀測，儘管Alice、Bob、Sarah的行為差異很大，但他們仍歸屬於週活躍用戶的一員，此時若換個角度由DAU做為指標，就可看出三者的不同，所以DAU的下降可說是WAU的早期指標，同理可證，WAU的下降就可視為MAU的早期指標。
使用產品的初期，這三位用戶都貢獻了DAU（不用意外，任何產品一開始都具備嘗鮮期），但隨著時間增長，才是產品見真章的時刻，互動（Engagement）、黏著（Stickiness）、留存（Retention）的用戶行為建立，才會決定最後平台的長期增長（Growth）。
A great company focuses on sustainable growth — through engagement, stickiness and retention.
留存是所有增長的基礎
統整上面所說的，大家現在應該都有清楚的共識，產品的Engagement Users增長，比單看Total Users數字上的增長更為重要，因為僅專注將流量用戶數衝高，或許一開始數據表現看起來頗爽的，只是一旦陷入虛榮數字的迷思，等到時間久了，才發現留存的用戶占比很少，流失的用戶越來越多，最後導致你的產品增長動能，只能步入逐漸消退（前面提到的流量困境）的局面，此時驚醒就已來不及了！
所以基本上留存（Retention）貫穿了所有的行為指標，當新用戶第一次與產品發生互動時，感受好的會持續使用，與產品建立黏著度，感受不好的則成為流失用戶；與產品的黏著越來越緊密時，可能就進化成為了忠實用戶，直接升級成產品的宣傳者。
從接觸產品的最初到最後，留存的觀察都佔著舉足輕重的腳色，Amplitude稱這整個流動過程為「留存階段的用戶流」，如下圖所示。（關於每個身份用戶的行為定義，建議可參考我另一篇文章：你的產品Product-Market Fit了嗎？用數據檢視產品的健康狀況_上）。
HubSpot的增長副總裁Brian Balfour曾這樣說過，留存（Retention）是所有增長的基礎，沒有了留存，其它的產品增長優化都顯得無關緊要了。
在數位領域待過一陣子的我們，應該都有過這樣的經驗，新用戶來到我們的網站或是下載APP後，將近70%的人在一週後就會流失（別懷疑，就是實實在在的分手了），從下面這張Retention Curve可以清楚得知，此圖顯示了在該時段區間內，獲得的所有新用戶群組的第N天保留數之加權平均值，數字中告訴我們，新用戶在首度使用產品後，第三十天仍再度回訪的留存率約降為13%，這還算是表現相當好的狀況。
甚麼時候需關注留存率指標
在過往的實務經驗裡，我自己很常聽到的一個誤解觀念是，「我們產品現在還處於生命週期的導入階段，重點應該是讓更多新用戶知道我們，所以品牌知名度與新訪客佔比最為重要，留存率尚不需要關注。」
我認為，只要我們的產品開始擁有了一定數量的用戶接觸後，就必須開始追蹤留存率的變化。舉個例子來解釋，假設有一個B產品的Retention Curve如下圖綠色所示，留存率的數字在20天後幾乎降到0%，此時我們就能得出一個數據洞察，當前B產品遇到的最大問題並非留存的優化，而是產品市場適配性（Product-Market Fit）還未實現。
延伸閱讀：你的產品Product-Market Fit了嗎？用數據檢視產品的健康狀況
可見留存率的觀察，越早開始越好，我們解讀留存率的方法可能會隨著產品生命週期階段而去改變，但不變的是，惟有持續的優化並提高留存率，才有辦法在詭譎多變的市場環境中成長並獲利。
衡量用戶留存率的三種方法
重新回到留存率的定義，留存率是指隨著時間的推移，在我們的產品中仍保持活躍用戶的比率。The Retention Lifecycle Framework將留存率的計算方式分為三種：
小叮嚀：用戶在我們的產品中首次啟用的那一天被指定為“第 0 天”。這可能是用戶第一次下載我們APP的那一天、他們註冊的那一天，或者他們在您的產品中執行任何事件的那一天——播放他們的第一首歌、添加他們的第一個朋友等。
- 第N日留存率（N-Day Retention）= 第一次啟用產品後第N日當天仍活躍的比率
N-Day Retention的應用場景非常適合遊戲或社交類的數位產品，因為在這些產品中，用戶通常會表現出有規律的重複活躍行為。可以計算用戶在啟動後幾天的第 N 天留存率，這意味著，如果查看第 7 天的留存率，則用戶必須在第 7 天處於活躍狀態才能被計算在內；用戶在第 1 天和第 6 天之間返回了多少次，或者他們是否在第 8 天返回並不重要。如果他們在第 7 天不活躍，則不會被視為第 7 天保留。
- 無界留存率（Unbounded Retention）= 第一次啟用產品後第N日及N日後仍活躍的比率
Unbounded Retention更適合那些不希望用戶以任何規律的節奏回訪，並與他們的產品或服務互動的企業，比如第一天的Unbounded Retention為30%，代表著第0天的新用戶中有30%在第一天或之後的任何時間內有活躍，就會被計算在此，換句話說，也能得出流失率為70%。
- X-Y日留存率（Bracket Retention）= 第一次啟用產品後第X日及第Y日間有使用產品的比率
Bracket Retention是N-Day Retention更靈活的版本，它可以將留存的時間區隔用自訂義的方式做設定，而不必局限於每天、每週或每月的時間範圍內。
找出你用戶的關鍵事件
前面聊了許多留存率的基本概念，似乎還缺少了一環，就是我們如何去確認使用者為「留存」？重複造訪可有效判斷留存嗎？打開APP可以嗎？答案似乎可能是對的，也有可能是錯的，完全取決於用戶對於產品的這個動作行為，是否和當初產品所要傳達的核心價值主張是一致的，如果是的話，這個動作行為就是用戶的「關鍵事件」。
換句話說，當我們衡量留存率時，關鍵事件描述了我們希望用戶執行的動作，有完成這個動作時，我們才能稱該用戶是真正的活躍或留存。
在這邊我們特別將用戶的使用行為（包含瀏覽、點擊、滾動...等）都稱為事件Event，因為這也是順應目前國內外主流分析工具的統一說法。
以音樂串流平台Spotify為例，如果用戶只是造訪或打開APP，我們可以將該用戶計為留存嗎？
應該不大適合吧，單純的造訪並無法替Spotify達成任何商業目標，也不符合替用戶帶來價值，所以比較正確的關鍵事件，就應該會是「播放一首音樂」，是吧！
定義你產品的使用間隔
我們找出了用戶的關鍵行為後（通常這階段需要公司內部討論，獲得大家認可以及贊同的答案），還不太夠，接著下來，需要考量的重點則會放在產品的使用間隔，怎麼說呢？有一些產品是為了日常使用而設計的，比如新聞媒體、社群媒體、遊戲類別..等，另外，有一些則是為了特定需求目的而存在，如電商平台、旅遊平台、房仲交易平台...等，上述各類產品的使用頻率，會因用戶的需求差距而受到很大的影響，此時留存率的指標監測方式就需進行調整。
假設產品的使用頻率約為一週，可是我們若採用了日的頻率來觀測留存表現，第1天之後留存率就可能出現大幅下降，造成數據觀測上的誤判，所以比較正確的方法，以每週的留存率來做監控（也就是說，用戶在第1-7天、第8-14天、第15-21天等期間有留存的比例），更可以反映出產品的現況，如下圖所示。
除了透過我們對於產業的直覺與經驗，來推估產品的使用間隔為多少，還能參考Your Critical Event & Product Usage Interval在文中所提出的一個分析框架，技巧性地找出使用間隔的區段：
- 確認在特定期間（建議60天）內重複關鍵事件至少兩次的所有用戶。
- 分析步驟1中的用戶第二次返回並執行關鍵事件所需的時間。
- 繪製在不同時間間隔內重複關鍵事件的用戶比例。
- 確定80%的用戶重複關鍵事件的時間間隔。
文章裡作者還另外提供了兩份檢核圖表，可幫助我們挖掘出產品的關鍵事件以及使用間隔，這邊一併給大家參考。
只是這方面的實作，大多仍需要資料科學家的協助，將資料格式整理出所要分析的樣貌，假如一般公司並沒有數據團隊的建置，另一解法，就是藉由與外部分析工具的合作進行資料處理與分析（如Amplitude），有錢好辦事呀!!!
你的保留生命週期框架
分析Retention Curve中還有一點是至關重要的，我們在看圖說故事時，其實已納入不同類型的活躍用戶（New Users, Current Users, Resurrected Users），進行總括討論，但事實上，並非所有的活躍用戶都是平等的。甚麼意思呢？正規的Retention Curve應隨著時間的發展，逐步將三類的活躍用戶（New Users, Current Users, Resurrected Users）探討留存率。換句話說，我們可以用保留生命週期的概念去理解，意思就是我們應該根據用戶在留存生命的不同階段，去分析留存率以及建立優化留存的策略。
（The Retention Lifecycle Framework是由Amplitude提出，他們使用了一張很簡單的圖來顯示留存的生命週期，現在還看不太懂的朋友沒有關係，後續幾篇會在這部分詳加解釋）
保留生命週期的三個階段
第一階段：New Users留存
這階段通常是新使用者與產品的第一次接觸，為了給予使用者良好的第一印象，就必須不斷優化修正產品的Onboarding（入職）體驗和Value Discovery（價值探索）過程，讓使用者可以快速的啟動體驗到產品提供的核心價值（也可稱為產品的Aha moment）。
第二階段：Current Users留存
當我們開始讓使用者真正快速的體驗到產品核心價值後，接著下來，就進入到習慣養成的階段。我們藉由產品提供的驅動引導，讓使用者不斷回訪與產品建立黏著度。
第三階段：Resurrected Users留存
事實上，產品的潛在用戶群中有很大的部分都是休眠使用者，這些使用者曾用過我們的產品，可能目前已沒有需求，所以不再使用，也可能變心了轉而使用競爭對手的產品，所以此階段就相當依賴產品與行銷運營團隊的共同配合，透過一些手法讓這些使用者起死回生。
留存率的進階觀測
除了以Retention Curve來探討各分級使用者的保留生命週期外，另一個方式則可透過Frameworks for Product Success提出的Funnel of user cohorts，來理解出各不同時間點下的留存問題，如下圖。
針對大多數的產品，第一天或第一週，通常為使用者能否成為留存用戶的關鍵點，所以監測｛D1/D0｝與｛D7/D1｝的變化就相當重要，第一步就會看這兩個數值。舉個例子，假設產品各Cohorts使用者的｛D7/D1｝維持著穩定的數值，但是｛D1/D0｝的留存率似乎正在下降，這時公司就該把注意力集中在如何提高D1留存率上（D0 是一個群組中的啟動人數，D1 是該群組中一天之後仍活躍的人數）。
進一步來看，若觀察到的是｛D364/D84｝接近1（代表著第 84 天-第 364 天之間，訪問該產品的人數幾乎不變），則我們就可以推測大多數的淨流失發生在第 84 天之前，在此情況底下，我們就應該專注於在最初的 0、1、7 和 28 天可以做什麼，以便為新用戶創造最佳體驗。
小結
以上的介紹，已將留存的觀念與不同的留存率觀測方法，和保留生命週期框架都進行了簡單的介紹，不一定可完全「複製貼上」於各種產品，但主要的核心觀念是不會變的，最重要的是，需要了解位處於生命週期的每個階段的使用者，是如何的進行留存，以及我們需搭配甚麼的策略與行動，來提升留存曲線。
關於策略與行動，大多採用兩種方式，第一，細化我們的核心價值，讓價值能更容易被使用者理解，也適時的讓它們更頻繁地出現在使用者面前，來上移留存曲線；第二，建立使用者與產品的Retention hooks，透過自動與人為的觸發通知，持續的將使用者帶回產品中，讓留存曲線後續還能往上成長（這也是互聯網業界常提到的微笑曲線），如下圖。
接下來，後面幾篇文章，我陸續會為各位朋友介紹New Users, Current Users, Resurrected Users三類留存階段的差異，以及對應的產品策略，請大家跟我一同學習下去，有任何相關問題，請不用客氣都可在下方留言👍
此篇文章特別長&參考資料也特別多，感謝大家耐心看完！
參考資料：
為什麼會看到廣告
留言0
查看全部