三虫《用户体系运营高阶》学员
2018年08月23日回答了“懂球帝 - 提高用户留存”

PART 0. 2013懂球帝产品功能

通过2013年懂球帝内部员工回忆，2013年懂球帝部分功能整理如下：

从产品功能来看，2013年的懂球帝还是一个单纯的足球资讯APP，主要功能板块是：资讯、比赛、视频和积分榜，暂时不存在2018年现有版本的商城、比分、圈子等新功能。

PART 1. 梳理懂球帝用户行为路径

根据内部人士爆料，懂球帝的理想的用户路径如下图：

相对来说，视频、比赛、积分榜并不是用户的关键行为，资讯内容才是用户的留存活跃的关键行为。根据产品功能整理了其中部分用户的典型用户路径如下图：

同时根据该名内部人员进一步爆尿得知：2013年懂球帝的次日留存只有30%，7日留存只有20%。

PART 2. 懂球帝数据需求和定义

基于糟糕的留存率，为了提高次日留存和7日留存率，实际上是为了延长用户在活跃状态的时间，避免过早进入沉睡和流失。那么我们当然需要搞点事情来提高留存了。

我们就需要跟研发提出数据需求。主要分为以下三类数据：

1、获取所有用户的基础数据，包括年龄、性别、职业、所在地区。

2、获取所有用户的行为数据，需要知道用户在资讯板块下的行为数据。

3、获取留存率高的用户的用户路径数据。

4、用户渠道来源。

整理如下：

PART 3. 懂球帝2万用户数据分析

我们的目的是为了提高次日留存和7日留存率，根据数据，我们的思路主要是对比留存和流失用户的之前的区别。那么我们来看看数据的情况。

根据数据的说明，浏览时间为平均值，其他均为时间段内累计总值，深度-页面数代表的是打开过的深度板块的内容数量，话题-页面同理。月度数据只作为是否留存的判断数据。

对留存和流失用户进行交叉对比分析，因数据提供了两个时间维度，所以主要的数据建模思路为：

1、分别对比“次日留存7日留存用户”、“次日留存7日流失用户“、”次日流失7日留存用户“，“7日留存30日留存用户”、“7日留存30日流失用户”、“7日流失30日留存用户”这两大类数据的各项指标情况

2、对以上两类数据进行交叉对比。

3、分析特殊情况”次日流失7日留存用户“、“次日留存7日流失用户“且“7日流失30日留存用户”的情况。这两种情况因数据不完整，无法分析出有价值的结果，但也是一种思路。

PART 3.1 数据初步整理

首先利用EXCEL自带函数IF来分别统计出每个用户的留存组合类型，命令如下：

=IF(AND(B3<>0,G3=0,B3<>"",G3<>""),"次日留存7日流失用户",IF(AND(B3<>0,G3<>0,B3<>"",G3<>""),"次日留存7日留存用户",IF(AND(B3=0,G3<>0,B3<>"",G3<>""),"次日流失但7日留存用户","完全流失用户")))

结果如下图：

然后根据区分出来的留存组合，整理出次日留存情况和7日留存情况几种组合方式的数据情况，如下图：

公式主要使用到的函数分别为COUNTIF和SUMIF。两个例子如下：

次日留存7日留存的用户数=COUNTIF(N:N,"次日留存7日留存用户")

次日留存7日留存的次日打开APP=SUMIF($N:$N,"次日留存7日留存用户",B:B)

整理完次日和7日的留存情况的数据，接下来继续处理7日和30日的留存情况的数据。

同理，利用IF函数统计出每个用户的留存组合类型。

最后整理出7日留存情况和30日留存情况几种组合方式的数据情况，如下图：

PART 3.2 数据进一步整理

根据上文整理的数据，次日和7日（除去第二天的数据）这两个数据实际上无法进行比较，因此考虑做以下简单处理（实际数据需要更复杂处理）：

1、把7日（除去第二天的数据）除浏览时间以外的数据字段整理为平均每天的数据。说人话就是“7日深度-页面数”、“7日话题-页面数”需做除以5处理。

2、所有行为数据整理为每个用户的平均数据，说人话就是除以用户数。

根据以上思路整理后，结果如下图：

PS：上图红色字段为需要做除以5和除以用户数处理的字段，绿色字段只需要做除以用户数处理的字段。下图同理。

从上两图可以明显看出：

1、7天留存的用户，在30天后的留存率为100%；

2、4000个7日留存30日留存用户，是次日留存7日留存用户+次日流失但7日留存用户的和；

3、次日流失但7日留存用户的三个7日指标比其他两个留存组合的指标要高。；

4、两万用户，最终留存用户数为6423，30天留存率为32%。好像并没有那么糟糕。难道我数据错了？

有两个统计是比较难看出来，但是很有意思的：

次日留存7日流失用户在30天后留存的用户是2378人，也就是“次日留存7日流失用户”只有一个人没有继续留存。其他全部在7天后唤醒并且一直留存。

次日流失但7日留存用户在30天后继续留存的用户是378人，也就是“次日流失但7天留存用户”所有人都一直留存。

该项统计是使用COUNTIFS命令完成。

这两个统计项具体代表什么意义，但从本题无法看出，但是确实很有意思。

PART 3.3 数据终极分析

到目前位置，我们对数据主要还是做一些整理，但是还没有做交叉对比。那么我们再整理下数据的展示方式，来看看交叉对比的情况。

通过上图1、2、3、4各项值的对比，次日指标和7日指标，可以看到，7日留存的各项指标明显比次日留存的各项指标要高,最高甚至有高出38%的。因此也验证了前面的典型用户行为路径：持续的消费内容，最终用户是养成了习惯。

也就是说浏览时间、深度页面访问数这两个指标明显影响着用户的留存。那么我们再看回其他数据。

次日数——站内总新增内容数：18篇，深度板块新增内容数：8篇，阅读评论比0.8%，话题板块新增内容数：6篇；7日数（除去次日数据）——站内总新增内容数：115篇，深度板块新增内容数：40篇，阅读评论比0.78%，话题板块新增内容数：35篇。

可以看出，站内总新增内容数这一数据，7天的内容数量明显比次日的内容数量要多，涨幅为21.7%。而深度板块的数量是一样的，从阅读评论比甚至出现微幅的下降。但是是否代表内容质量下降，这就有待商榷。

因此，从以上的分析可以得到，提到站内的新增内容数，从增加用户的浏览时间。并且提高深度板块的内容数量和质量是能增加用户留存率的。毕竟用户很喜欢看深度板块的内容。

PART 4. 影响留存的指标

从统计的情况来看，次日留存率出现比较明显而下降，但是在第三天开始，出现了较为明显的分化，阅读深度页面和话题页面两个板块的总数大雨某个值，那么用户的留存率会保持得更好。因此，如何引导用户阅读更多的深度页面和话题页面就成为了提升留存率的关键所在，因此，提高这两个板块的内容数量和质量也是极为重要的。

返回首页查看用户故事查看问题描述

目录