5组数据、2个维度 ,“留存为王”


我们设想最常见的场景,应用或网站上线,这时候大家可能都会把注意力放在拉新和活跃上,可能头几个月我们的 KPI 就是达成多少拉新和活跃用户,公司对外的公关稿上也都会着重宣传下载量、用户数等指标 。

我们之所以这样做,是人性的必然,因为我们都很懒,大多数人都会选最容易的路走。一开始做拉新和激活是相对容易的,而且这不就是我们追求的增长吗?何乐不为,况且做好留存需要考虑到产品与市场匹配的方方面面,相对更难。

但这样真的对吗?你尽可能通过各种方式获取用户、提高活跃,但一旦忽略留存,你做的所有事都会是无用功,A 口进, B 口出,如此高的流失,你会发现口碑没有了,拉新渠道用一个少一个。

用户快速增长快速流失,根本不是可持续的增长方式,留存才是。如果你的产品能随时间推移保持较高的留存,那么这说明产品与市场是匹配的,这也是你无论如何都希望实现的。

没有留存,漏斗可能是“漏洞”

我们来看海盗模型,下面这张图是最能体现留存的重要性的。讲海盗模型的很多,但很少人强调留存的重要性。

留存是转化漏斗里承上启下的关键,一头连着拉新和激活,把用户沉下来,另一头牵着转化和口碑,让真正沉下来的用户,来更好的转化和传播。所以我们说,留存才是一种持续增长的心态,只有留存做好了,漏斗才不会变“漏洞”。

5组数据——为何留存为王

下面会用5组数据,来说明为什么我们应该把留存看的更重要。

10%的用户在下载应用的一周后仍继续使用,一个月后,这个数字只有2.3%

用户不仅会流失,而且流失很快。这意味着一个想要长期存活的应用,必须把留存的优先级提高。如果在用户的第一周内没能积极吸引用户并赢得忠诚,那么在接下来的30天内获得成功的机会会大大减少。

52%的应用会在三个月后失去至少一半的重度用户

即使有了稳定的用户基础,你也需要恰当的策略来保留它们。有效的留存策略是场马拉松,而不是冲刺。一开始吸引用户的点往往不是用户留下来的真正原因。为了解决这个问题,你的留存策略需要不断适应用户反馈和他们的发展需要和需求。或者更好的是,考虑主动出击而不是被动改变。

获取新用户的成本比留存现有用户的成本高5倍

从成本效益来看,留存的重要性不言自明。

老用户比新用户尝试新功能的可能性高50%,支出比新用户高31%

你的现有用户是最有可能跟你的功能和产品产生互动的,此外,他们更有可能再次购买你的产品。因此,维护现有用户不仅成本效益更高,而且从长远看,现有用户的价值也更高。

Gartner 预测,你公司未来80%的收入将来自20%的现有用户

这是二八定律的另一种体现。所以把80%的精力分配给留存现有用户,20%的精力用来获取新用户是明智的。从这个角度上说,获取新用户和留存老用户应该是协作关系,而非竞争。

Facebook 也把留存放在很重要的位置:首先得做好留存,其次才是用户增长。在产品还没有找到产品、市场匹配点(Product / Market Fit)的时候,不能奢谈增长,这也符合我们要先做最小可行化产品的思维。

2个维度——驱动产品增长的内核 做留存无外乎两点,让留下的用户留下,把离开的用户唤回。但如果用户很少与你的产品发生互动,那么即使把他拉回来,用户也会离开,时间早晚而已。

用户第一次安装应用,随后就把它忘了,随后你用邮件或消息推送把用户“唤醒”。哦,用户再次打开了,觉得你家应用很烦,就把它下载了。实际上这个流程中的问题是用户跟你没发生互动,也没参与感,这个时候你的应用对用户就是可有可无的。

所以是什么在驱动产品增长?为了回答这个,我们引入“留存 x 参与矩阵”。在这个矩阵里,我们把产品分为四类:上瘾的、有用的、一次性的、流行的。

高留存高用户参与的我们称之为让用户上瘾的应用,与之相对的是一次性应用,你从不会真正与她产生互动,打开手机,有很多应用你从来没用过,不知道什么原因就安装了,但从来没体现出价值。类似天气或者日历类应用,就是这个矩阵里的“效用应用”,你经常用,但是不会参与,因为它勾不起你的兴趣。

突然很火的一个小游戏或者脸萌这类应用,我们叫它“流行应用”,你对它只会是三分钟热度。

所以,我们应尽力最大化留存和用户参与,由此驱动产品的长期增长。

A/B测试,数据驱动的留存优化利器 到这里,我们已经充分理解了留存的重要性。那么有什么数据驱动的留存优化利器呢?显然是A/B测试,它能帮我们实现全方位的产品(留存)优化。

我们知道,只有被用户认可才是产品的成功,但即使是成功的产品,在迭代周期里也是一直在做选择题, A 版本、 B 版本哪个才是用户更喜欢的版本?这个问题怎么解?

确定产品方案,验证产品假设的既不应该是小组讨论,也不应该是产品经理经验,更不应该是老板拍板,而是用户投票。

为产品做A/B测试,就是对产品的民主投票,这种投票,应该存在于产品优化的每一个环节,从UI设计到功能细节,甚至是算法优化,A/B测试都能发挥作用,帮我们确定哪种方案更好,哪个版本转化率更高,从而实现留存优化。

总结 从一个比较长的维度来讲,创业是场马拉松,如果你的公司不是只想活一两年的话。过去的一段时间,我们听了很多风口上的猪,兵贵神速,但我想我们没有真正理解这些话的意思,没装上翅膀猪会摔死,没备足粮草,兵会饿死。

我们谈留存的意义在于,在准备起飞、花预算砸市场之前,留存会是验证 Product / Market Fit 很关键的指标。首先做好留存,再考虑增长。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,837评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,551评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,417评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,448评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,524评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,554评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,569评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,316评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,766评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,077评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,240评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,912评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,560评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,176评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,425评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,114评论 2 366
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,114评论 2 352

推荐阅读更多精彩内容