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

2022/09/08閱讀時間約 18 分鐘
試想一個情境,早上你起床泡了一杯咖啡,拿起手機看到IG有了幾個新通知,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,如此的動作行為已經占據了,每人全天多數的時間與空擋,我們有如「上癮」般的使用這些產品,頻繁地造訪並成為活躍用戶,可怕的是,這些所創造的總體流量中,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在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的應用程式總數已經高達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,有多恐怖,架恐怖😱!
想要單純依靠獲取新客流量,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。 Alice非常喜歡Facebook,她經常點讚、評論和發文,她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。當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,此時換個角度由DAU做為指標,才可看出三者的不同,所以DAU的下降可以說是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,任何產品一開始都會有嘗鮮期),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,這時才驚醒就來不及了!
所以留存(Retention)基本上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這樣的經驗,當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。
Retention Curve_來源:Why You Need to Care About User Retention

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。」可是我認為,一但我們的產品開始擁有了一定量的用戶接觸後,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%,這時候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,就是我們如何去定義留存?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,普通的回訪並無法替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,反而應該是「播放一首音樂」,是吧!

定義你產品的使用間隔

當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),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,此類型產品的使用頻率,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。
假設我們有一個產品的使用頻率約為一週,可是我們採用了日的頻率來觀測留存表現,第0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。
來源:Your Critical Event & Product Usage Interval
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:
  1. 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。
  2. 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。
  3. 繪製在不同時間間隔內重複關鍵事件的用戶比例。
  4. 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!!!
來源:Your Critical Event & Product Usage Interval
來源:Your Critical Event & Product Usage Interval

你的保留生命週期框架

在分析Retention Curve中有一點是至關重要的,我們在看圖說故事時,其實是將不同類型的活躍用戶(New Users, Current Users, Resurrected Users),以整體的方式進行總括討論,但事實上,並非所有的活躍用戶都是平等的,甚麼意思呢?標準的Retention Curve會隨著時間的發展,而逐步將三類的活躍用戶(New Users, Current Users, Resurrected Users)納進來討論留存率。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。
shows the retention funnel for a cohort of users as they go through the signup flow and become activated or “new” users._來源:Frameworks for Product Success
對於大多數的產品來說,第一天或第一週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,第一步通常會看這兩個數值。舉個例子說明,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

以上我們已將留存的觀念與不同的分析方法,和保留生命週期框架都進行了簡單的介紹,不見得可完全複製貼上於各類型產品,但主要的核心觀念是不會變的,最重要的是,都需要了解使用者位處於生命週期的每個階段,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。
在提升整體留存成效上,普遍多採用兩種方式,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)。
來源:產品數據分析 - 打造網路產品的決策引擎ge
接著後面幾篇文章,我陸續會為各位介紹New Users, Current Users, Resurrected Users三類留存階段的差異,以及對應的產品策略,請各位朋友跟我一同學習下去,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,感謝大家耐心看完!
參考資料:
贊助支持創作者,成為他繼續創作的動力吧!
喜歡對稱,也喜歡大膽留白,喜歡狗,也喜歡貓,喜歡朝更好的自己邁進--目前在互聯網時代,做數據運營的工作,現在的我,還喜歡窩在家,用簡單的事物填滿每一天。
涵蓋一個完整產品開發所需要學習到的數據分析架構
如果要發表留言,請先登入註冊會員
打造你的創作天地
在這裡尋找共鳴,與方格子的 35 萬格友分享觀點與生活。
領取見面禮
只要設定追蹤作者,即可享有 48小時
Premium 閱讀權限