可量化的「粘性」，幫你正確理解「留存」

留存，被認為是衡量產品健康度的一大高級指標，除了「留存」，我們最常談起的就是「粘性」。但如何將它量化，讓大家對產品的粘性衡量從感性變成理性一直沒有很好的分析模型，經過我們的數據分析師和程序猿GG的不懈努力，諸葛io已上線粘性分析模型，你是否真的深刻理解並能應用於業務場景呢？本文或許可以給你一些啟發。

深刻理解留存

對大多數產品而言，我們會用留存來整體評估產品的健康度，你也可以理解為，留存是在「某一天有多少人使用」的維度下進行的計算，它統計了來自同一群人，放在時間的跨度下，計算每一天回訪用戶占這群人的百分比。以新增留存為例，某一天或一段時間新增的用戶，第2天還有多少人使用，隔2天還有多少人使用，隔了7天還有多少人使用，通常我們會以此來判斷產品留存用戶的能力，以及用戶的價值。

人人都在看留存，但可能不知如何下手，這裡可能是你開始看留存圖的樣子：在某一天註冊了一批用戶，然後有多少在後續一個月的每一天中回訪了：

這是7日的留存：

然後，這是只看1日後的留存（次日留存）

你會發現這個例子中的次日留存把問題反映的最明顯：有超50%用戶在初次使用你的應用後，第二天就不再回來了。在你擔心30天或90天留存這些東西之前，需要先弄清楚怎麼能讓用戶在第二天回來，即，提高次日留存才是當務之急。

用戶會非常快的流失，實際上平均下來，移動應用的次日留存一般在30%，一些非常優秀的應用這個值能達到70%（僅供參考）。所以問題的關鍵就在你如何在用戶安裝之後立刻留住用戶，如果你能在一開始粘住他們，你基本就能保留他們一段時間。

粘性：以用戶視角，科學評估產品留存能力

從精細化運營的角度來看，你可能有過這樣的疑問，在某一段時間活躍的用戶為用戶群中：

隔7天來的用戶有多少？

有多少用戶是中間6天一天都沒來？

有多少用戶是連續訪問了7天？

第30天來的用戶中，有多少中間29天沒有訪問過？

有多少用戶是有連續訪問的？

有多少用戶又是每周都來2-3天的？

他們分別佔比多少？

如果要整體評估產品健康度，我們認為，你可能還需要知道：「一個人使用了幾天」，也即很多產品一直無法衡量的維度：粘性。因為由粘性你可以知道：一款產品，用戶一個月使用幾天，使用大於1天的有多少，使用大於7天的有多少，你也可以再擴展到周的維度，一周使用大於2天的有多少，一周使用大於5天的有多少？以此來綜合評估產品的健康度。

產品整體粘性就是整個產品中，選擇「任意事件」，默認將展示近4周來，用戶平均每周使用產品的天數分布情況。

如上圖所示，我們可以看到近四周所有使用產品的人中，使用了2天及以上的佔比多少，使用了3天及以上的佔比多少，以此類推。

當然，你更可以評估某一功能的粘性，比如我們選擇「開始簽到」來分析新上線的社區功能的粘性：

說明：在計算各個天數的人數佔比情況時，我們會以在所選時間段內觸發過該事件的人為基數（第一天為100%）。比如，近四周的活躍人數是200，觸發過「開始簽到」的人是100，其中一周內觸發過「開始簽到」2天以上的是20人，那麼在粘性分析中，「開始簽到」2天以上的人數佔比是 ：20 / 100 = 20%。我們不會以活躍人數為基數，若要看在整個活躍用戶中使用過某個功能的人數佔比，可通過「事件」中的「活躍比」功能實現。

客戶案例：快速找到提高用戶粘性的策略

以諸葛io一企業客戶——向上金服為例，作為一家運營4年的互聯網金融服務平台，除了「堅持穩健、合規發展與科技創新相結合」的發展理念外，向上金服還始終堅持「以用戶為中心」，力求從需求與風險平衡等多維度為用戶提供個性金融服務。

同所有互金產品運營思路一樣，一方面，需要不斷強化用戶對產品的信任感；另一方面，通過完善積分體系/搭建商城等手段，不斷開拓更多用戶與產品交互的場景，從而提高用戶留存和粘性。

為此，向上金服團隊開發了「每日簽到」功能，並且通過諸葛io的粘性分析評估該功能的粘性，根據數據波動，指導運營團隊及時調整運營策略；此外，為了提高關鍵行為——「綁定銀行卡」的用戶留存率，團隊也會藉助諸葛io的自定義留存模塊整體評估業務的健康狀態，不斷摸索、猜想、驗證影響留存的關鍵行為。

本文首發微信公眾號 諸葛io（ID:zhugeio1）

諸葛io，你身邊的數據驅動教練

歡迎添加微信：zhugeio2016一起探討交流