利用Aha Moment提升你的產品留存率

Aha Moment（多譯為「頓悟時刻」）這是一個心理學概念，由德國心理學家卡爾·布勒在約100多年前首創。他對這個表達的定義是「思考過程中一種特殊的、愉悅的體驗，期間會突然對之前不明朗的某個局面產生深入的認識」。現在，我們多用Aha Moment來表示問題的解決方案突然明朗化的時刻。

在產品設計中的Aha Moment是指新用戶在體驗產品初期發現產品價值的時刻，一旦新用戶找到了產品的Aha Moment，那麼就更有可能留存下來。

一個新用戶下載使用產品的早期（1~3天）體驗決定了產品的整體留存水平。

如果在新用戶初次體驗的過程中，能夠讓用戶發現產品核心價值，產生Aha Moment的瞬間體驗，那麼就可以使這部分新用戶轉化為留存用戶，有效的提升產品留存率。

不同的產品擁有不同的Aha Moment時刻，進而需要通過不同的設計策略來幫助用戶達成這一體驗。以twitter為例：

twitter帶給用戶核心的價值是發現人和內容，瀏覽feed信息流，查看最新的動態消息。因此關注其他用戶的行為是對留存最大的影響因素。而twitter在新手引導流程中，強制新用戶關注10位用戶，也是為這一核心價值服務的。因為只有把用戶儘快導向核心的功能——動態信息流，才可以使用戶在接下來的步驟中體驗到twitter的核心價值，進而Aha Moment才有可能產生。

從其他各類產品中，也可以總結出Aha Moment與產品新手體驗策略之間的對應關係：

從定位走查產品的Aha Moment，到完成優化設計，整個過程可以歸納為四個步驟：

以某一個短視頻社區APP為例，想要提升應用的整體留存，可以按照這樣四個步驟嘗試：

1.提出假設

短視頻屬於內容型產品，按照內容創造者和消費者兩大群體，分為作者與觀眾兩類用戶，分別列舉出首次體驗中可能影響留存的因素：

2.分組驗證

圍繞假設因素，抓取新用戶的原始數據，經過以下步驟進行分析：

以"新用戶看視頻個數"為例，首先抓取觀察因視頻個數不同的每一位用戶每一天對應的留存數據，例如下表（數據為虛擬）：

經過剔除明顯不符合規律的極端值，可以將表格數據描述為在X月X日這一天，看0個視頻（沒有看過視頻）的用戶留存為30%；看1個視頻的用戶留存為40%；看2~4個視頻的用戶留存為41~42%；看5~10個視頻的用戶留存約為50%上下浮動...以此類推。

通過觀察每一天的表格，發現有一個共性規律：沒看過視頻的用戶留存比看過1~2個視頻的用戶低約10%。觀看一個視頻的留存比沒看過視頻的留存有絕對的顯著升高，並且看過2~3個視頻的行為也與留存有較強的正相關。

而再根據表格中的用戶佔比，可以發現沒看過視頻的用戶佔全部用戶的30%！如果使這部分用戶佔比降低，就可以比較有效的提升留存。由此可以確定新用戶初次看一個視頻是產品的Aha Moment之一。

3.設計優化

圍繞著走查出的Aha Moment要素：看至少一個視頻，從設計角度腦暴出可能的優化方案，從中篩選出可行性較高的實現：

4.因果測試

通過上線不同的優化策略，再查看對應的留存變化，就可以明確每一個變動與留存之間的因果關係，進過不斷的嘗試優化方案，可以促進產品的整體留存上升。這裡需要注意的是，每一個版本最好僅包含其中一個變動，如果多項變動同時上線，就無法追溯是哪一種變動引起的效果了。

Tips:

這種方法對留存率的提升有幫助，但是也會有一些弊端：這種單純以數據為目標的嘗試容易造成引導的過激，例如在首次體驗中加入過多的、不合場景的引導，反而會破壞新用戶對產品的印象，造成一種打擾。所以進行優化的過程中需要衡量體驗和數據的平衡。但總而言之，留存率的提升是一個很寬泛的話題，通過這種方法至少可以在考慮優化留存率時能夠有據可循，逐步推導出一些答案與結論。