用戶行為分析UBA 留存活躍

用戶行為分析UBA留存活躍新老用戶趨勢觀測內容產品/活動某段時間內，用戶整體規(guī)模的變化如何？新用戶和老用戶各自的比例變化如何？數據指標合計用戶當日訪問用戶總數。且應該是個去重數據。其它業(yè)務性定義可以根據業(yè)務來設定，如設置為訪問的注冊用戶+非注冊用戶。新用戶當日首次訪問用戶數。其它業(yè)務性定義可以根據業(yè)務來設定，如設置為訪問的非注冊用戶。老用戶當日非首次訪問用戶數。其它業(yè)務性定義可以根據業(yè)務來設定，如設置為訪問的注冊用戶，或者穩(wěn)定（一定周期）的用戶數。業(yè)務洞察觀測者：產品經理/產品運營觀測某段時間內新老用戶的發(fā)展情況，以及整體用戶規(guī)模情況。新用戶：應用產品/活動的首次訪問用戶數是多少，占比多少。新用戶代表我們渠道引流的能力。老用戶：應用產品/活動的非首次訪問用戶數是多少，占比多少。老用戶是我們的目標用戶群體。合計用戶：應用產品/活動的總體訪問用戶規(guī)模是多少，是否穩(wěn)定。新老用戶的變化情況也能反應產品/活動留存用戶的能力。產品/活動的使用人群分布健康度。行動指引可以通過切換時間段，來關注以下：歷史與現在比較。相關內容橫向比較?？梢酝ㄟ^渠道切換，來關注下不同渠道，新老用戶的情況。合計用戶訪問量，在周末時間段會有規(guī)律性的變化，激增或者銳減，可關聯看下下7日訪問密度。一段時間內，合計用戶逐步增加，新用戶也在增長，但是老用戶并沒有增加甚至在減少，可關聯查看留存情況。一段時間內，合計用戶逐步增加，新用戶不變，老用戶有增加，留存情況良好?？申P聯渠道訪問，多引流拉新。用戶留存觀測內容從新用戶/老用戶看/從渠道看應用產品/活動的質量和保留用戶的能力如何？哪個渠道的用戶比較優(yōu)質？用戶留存情況如何？-留存率和趨勢如何？數據指標新用戶當日首次訪問用戶數。其它業(yè)務性定義可以根據業(yè)務來設定，如設置為訪問的非注冊用戶。老用戶當日非首次訪問用戶數。其它業(yè)務性定義可以根據業(yè)務來設定，如設置為訪問的注冊用戶。留存率某時間點后第n日/周/月用戶占當時用戶數（某時間點）的比例即留存率。提供新用戶/老用戶切換，默認為新用戶。統(tǒng)計時間單位一般默認為日，可切換為周/月。如：n日留存率=在第n日，新增用戶中訪問的用戶數/新增用戶數*100%例：7日留存率：（第一天新增的用戶中，在訪問的第7天還有訪問的用戶數）/第一天新增總用戶數。留存統(tǒng)計提供7個時間階梯統(tǒng)計：當日，第2日/3日/4日/5日/6日/7日當周，第2周/3周/4周/5周/6周/7周當月，第2月/3月/4月/5月/6月/7月業(yè)務洞察觀測者：產品經理/產品運營觀測某段時間當日內新用戶/老用戶的留存情況。新用戶留存（首次訪問用戶留存）產品上線，對新用戶的留存說明了新用戶對產品的第一印象是否可接受->愿意使用。老用戶留存（非首次訪問用戶留存）這里的老用戶一般指活躍用戶，包含了2周活躍，3周活躍，4周活躍，忠誠用戶-也就是目標用戶。留存中的老用戶可以關聯看活躍用戶構成，一體兩面。觀察周期，我們可以分為4個階段：第一個觀察期：次日第二個觀察期：第3日-第7日第三個觀察期：第8日-第14日第四個觀察期：第15日到第30日次日留存因為都是新用戶，所以結合產品的新手引導設計和新用戶轉化路徑來分析用戶的流失原因，通過不斷的修改和調整來降低用戶流失，提升次日留存率，通常這個數字如果達到了40%就表示產品非常優(yōu)秀了。周留存在這個時間段里，用戶通常會經歷一個完整的使用和體驗周期，如果在這個階段用戶能夠留下來，就有可能成為忠誠度較高的用戶。月留存通常移動APP的迭代周期為2-4周一個版本，所以月留存是能夠反映出一個版本的用戶留存情況，一個版本的更新，總是會或多或少的影響用戶的體驗，所以通過比較月留存率能夠判斷出每個版本更新是否對用戶有影響。渠道留存因為渠道來源不一，用戶質量也會有差別，所以有必要針對渠道用戶進行留存率分析。而且排除用戶差別的因素以后，再去比較次日，周留存，可以更準確的判斷產品上的問題。行動指引可以在留存分群圖中看連續(xù)幾天，不同留存日情況。了解用戶的產品使用情況。如果切換成周留存或月留存，留存情況都非常樂觀，說明用戶黏性很高?？梢栽谮厔輬D中，從某天看幾個連續(xù)日期訪問數的不同留存日的產品使用情況。如果某一個活動/產品大變化的時候，同時看會比較重要。因為可能會有個大滑坡或者大提升。新用戶看：次日留存+渠道1.產品上線，新用戶的次日留存如何很低的話，可能產品沒有核心功能來吸引用戶，或者結合使用功能來統(tǒng)計，發(fā)現主流程都沒有接觸到就流失了，其中可能是有存在理解障礙，或者流程太長之類。2.不同渠道帶來的新用戶的類型不一樣，哪個渠道帶來的用戶留存更高，哪個渠道就會更優(yōu)質些。3.次日留存達到40%算是很不錯的。老用戶看：一般產品迭代優(yōu)化時，如果老用戶的留存出現問題，就說明產品迭代優(yōu)化結果并不理想。留存通過用戶分群和渠道分類，也可以和成本估算聯系起來。比如一類用戶從渠道A來，且是老用戶，如果渠道很貴，還是3周以上的活躍用戶，留存率低，那么可以理解成本很大（流失）。最近兩周留存轉化觀測內容這周的用戶都是哪些構成的？上周/上月到本周/本月有多少用戶留了下來，多少用戶沒有繼續(xù)訪問？數據指標新用戶某一段時間內首次訪問的去重用戶數。回流用戶截至當日，之前有訪問過，經過一段時間未訪問，之后突然回來再次使用的去重用戶數。一般由流失用戶或不活躍用戶而來。留存用戶在這里是指上周/上月訪問后，繼續(xù)訪問的用戶。（相對本周/本月的用戶來說）流失用戶在這里是指上周/上月訪問后，沒有繼續(xù)訪問的用戶。（相對本周/本月的用戶來說）業(yè)務洞察觀測者：產品經理/產品運營此圖屬于觀察性分析留存卡可以看到連續(xù)周/月的留存分布和趨勢，但是沒辦法知道從第1周/月留存到第2周/月，其中的訪問細節(jié)。所以這個視圖是留存卡的一個明細視圖。進一步了解：比對上個周期，本周期發(fā)生了什么變化，上周期訪問量的留存影響及占比是多少。細分留存與流失，上個周期中到底留存和流失了多少新用戶，多少老用戶。行動指引觀察這個視圖的時候，可以用這樣一個視角描述：本周/本月有多少新用戶訪問了產品，占本周/本月訪問用戶的百分之多少。有多少用戶從上周/上月訪問后，繼續(xù)訪問了本產品，占百分之多少。還有多少回流用戶（有段時間沒有訪問，現在又重新訪問了），繼續(xù)訪問了，占百分之多少。還有一部分未知用戶占比。再查看上周期，留存與流失中的用戶構成。上周期留存至本周期的新用戶是多少，老用戶是多少（上周期的新老用戶）。上周期流失用戶中的新用戶是多少，老用戶是多少（上周期的新老用戶）。此視圖的視角是著重幫助用戶去觀察上周期對本周期的影響，從而對產品迭代結果，產品運營的效果有清晰認知。連續(xù)活躍用戶對比觀測內容產品獲取新用戶到老用戶的能力到底如何？用戶活躍周期(生命周期)的持續(xù)性是不是很好？數據指標新用戶一周內去重新用戶訪問數。連續(xù)兩周活躍用戶上周訪問過，本周繼續(xù)訪問的去重用戶數。連續(xù)三周活躍用戶連續(xù)兩周都有訪問，本周繼續(xù)訪問的去重用戶數。連續(xù)四周活躍用戶連續(xù)三周都有訪問，本周繼續(xù)訪問的去重用戶數。忠誠用戶連續(xù)訪問四周，本周繼續(xù)訪問的去重用戶數。這里的活躍用戶，忠誠用戶是通用型定義。如根據業(yè)務需要定義，也可能是注冊用戶，注冊并持續(xù)使用n月用戶。業(yè)務洞察觀測者：產品經理/產品運營觀察用戶群變化數量：新用戶、老用戶、忠誠用戶（用戶生命周期中最關鍵的上升階段）活躍用戶其實是留存的一種結果。每次訪問后留下了的連續(xù)訪問用戶就是我們的活躍用戶群。所以看這個活躍用戶比對的時候，如果情況異樣，是可以關聯去看留存情況的。行動指引一組數據，相當于一個時間段的數據切片，看這幾類用戶在這個時間段中到底有多少量，進行數量對比。ps:每組數據是有交集，不意味著說n周活躍用戶是從單一組中產生的。打個比方，看第三組中的忠誠用戶，它是由前兩組的（連續(xù)2周活躍、連續(xù)三周活躍）和本組的連續(xù)三周活躍留存下來繼續(xù)訪問的用戶數。觀察新用戶，如果發(fā)現一段時間內，每組中新用戶數普遍很高，但是之后的活躍用戶普遍少。思考下留存是不是出現問題。反之，如果我們活躍用戶持續(xù)累積情況很好，用戶活躍尺度高，要想辦法拉新用戶。用戶訪問頻次分布標準圖觀測內容不同密集度的訪問頻次，有多少用戶？數據指標用戶平均訪問頻次平均每個獨立訪客一天內訪問網站的次數（產生的Session個數）用戶平均訪問頻次=訪問次數/獨立訪客。即：Session會話數/UV。功能描述展示某段時間/時間點訪問頻次的用戶分布情況。展示平均訪問頻次值。時間段選擇可以隨意切換：單日、最近7日、最近14日、最近30日。默認為單日（昨日）。提供渠道切換。業(yè)務洞察觀測者：產品經理/產品運營關于觀察訪問頻次分布，我們不單單看一個平均值。因為平均值無法告訴你全部具體情況。但是從分布深入來觀察，就可以了解：到底多少人頻繁訪問系統(tǒng)，多少人可能只訪問幾次而已。不同渠道，不同來源的用戶訪問也會有很大的差異?？梢粤私獾綇哪睦飦淼挠脩舫蔀樵L問頻繁的目標用戶。行動指引比對不同渠道用戶的訪問情況。如果在PV、UV訪問趨勢有異常情況時，可以看看訪問頻次是不是也有明顯變化。某次迭代后，產品明顯好用很多?？梢钥聪略L問頻次的變化。是否如預期高頻次訪問的人變多了。對比下工作日和非工作日，可能差異也是很大的。非工作日可能大部分是低頻訪問情況。用戶訪問時長分布標準圖觀測內容不同訪問時長，有多少用戶？數據指標用戶平均訪問時長用戶平均每次訪問(會話)在網站上的停留時間。用戶平均訪問時長=訪問時長/訪問次數。即：時長/Session會話數。功能描述展示某段時間/時間點訪問時長的用戶分布情況。展示平均訪問時長值。時間段選擇可以隨意切換：單日、最近7日、最近14日、最近30日。默認為單日（昨日）。提供渠道切換。業(yè)務洞察觀測者：產品經理/產品運營關于觀察訪問頻次時長，我們不單單看一個平均值。因為平均值無法告訴你全部具體情況。但是從分布深入來觀察，就可以了解：訪問系統(tǒng)的用戶中多少人用時比較多，多少人用時比較少。不同渠道，不同來源的用戶訪問時長也可能有很大的差異。特別是內容類網站（購物平臺、新聞閱讀），時長意味著內容對于哪些用戶比較有價值，定位精準。行動指引比對不同渠道用戶的訪問情況。如果在PV、UV訪問趨勢有異常情況時，可以看看訪問時長是不是也有明顯變化。某次迭代后，產品明顯好用很多?？梢钥聪略L問時長變化：是否如預期訪問時長多的人變多了。對比下工作日和非工作日，可能差異也是很大的。非工作日可能大部分是訪問時長少的情況。當然，辦公工具、管理系統(tǒng)是這種情況。但娛樂類的可能反之。頁面停留時長趨勢與分布觀測內容系統(tǒng)平均使用時長是多少？分布如何？某頁面的使用情況如何？分布如何？新老用戶使用時長區(qū)別如何？數據指標頁面停留時長頁面停留時長的總和/頁面被瀏覽的次數。即：頁面訪問時長總和/PV。ps:頁面停留時長更偏重于說明整體情況（產品/頁面）的一個表征呈現。區(qū)別于用戶平均訪問時長，用戶平均訪問時長是說明用戶平均來了幾次（以每次session來看），用多久？平均值：所有數值之和除以個數后的平均數。中位數：數值中，一半數字比它大，一半數字比它大。眾數：出現次數最多的那個數值。ps:求平均值時，用上下四分衛(wèi)去除極端值后再求和求平均。關于數值提示：平均時長：用戶平均每次停留的時長中位時長：一半用戶停留時長大于它，另一半用戶的小于它眾數時長：大部分用戶的停留時長業(yè)務洞察觀測者：產品經理/產品運營關于頁面停留時長，為什么我們不是只看一個值，而是看了它的2個面。因為值只是個被加工統(tǒng)計后的最后結果，掩蓋了很多數據變化。而看某時間段趨勢與分布兩個立體的緯度來認知停留時長情況，更客觀。從趨勢看每天平均停留時長的上下趨勢變化。從分布看某段時間內，大致停留時長區(qū)間的人次分布，多少人大致用多少時間。行動指引默認全部頁面，看的是整個系統(tǒng)的時長情況，切換到頁面，則是看某個關鍵頁面的時長使用。通過