如何提升App留存率？——用GA工具埋8個點，戳中用戶G點 | 網路獲客36計

05-25

來自專欄網路獲客36計

這一期分享的主題是：使用GA（Google Analytics）工具進行數據分析與優化，提升App留存率進而提高日活的8個實操要點。

作者是孫維，他是卡車之家用戶分析中心總監，擁有14年互聯網從業經驗，6年數據分析經驗，做過很多App端產品的數據分析，比如年輕人熟知的百思不得姐。

全文分為四點來展開敘述：

第一點：留存率對於App DAU有哪些影響？
第二點：怎樣更好的提升App留存率？
第三點：提升App留存率需避開哪些坑？
第四點：推薦國內外幾款比較知名的數據分析工具

第一點：留存率對於App DAU的影響

以上數據來自對三款真實App的長期跟蹤，它們的短期和長期留存率各有高低。

1.假設App1的新增是每天一千，一年後日活大約是1000*8.2，用戶幾乎都流失了。

2.APP2的次日留存是這幾款裡頭最高的，但長期留存卻不是最高的。假設App2每天的新增都是一樣的，一年後它的DAU大概是新增量的40倍。

3.App3的次日留存沒有那麼高，但它的30日留存率很高，一年以後DAU是新增的48.6倍。

結論是：遠期留存率對提升日活非常有好處。

以上數據分析使用的工具GA。

關於提升留存率，我總結了兩個相對直接的方法：

● 對比新老用戶的行為，理論上說老用戶用的更多的那些功能，可能就是他們留下來的原因，結論是把老用戶喜歡用的那些東西做的更好，或者說把老用戶喜歡的那些東西更多的展示給新用戶看。

● 對比留存用戶和流失用戶，看他們在首次使用App時，用的功能、看到的內容有何不同。後來留存下來的用戶用到、看到的，可能就是他們留下來的原因。

第二點：如何使用GA工具埋點功能，提升App留存率

我們用的App大部分都是內容型的

（一）點擊內容

用戶閱讀文章，比如用類似今日頭條的一個APP，首先「點擊內容」是第一個埋點，我們給用戶提供的內容，如果他一個都不看，那也白搭，這是轉化的第一步，也是最重要的一個。

（二）分享

分享也十分重要，分享意味著拉新。我們做過計算，如果你的內容比較吸引人，每一次分享大概能帶來10到20次的點擊，通常來說有可能展示量是上百的。這個價值非常大，所以分享也是一個很重要的埋點。

「轉瘋了」頻道新舊版數據對比&進入和沒進入頻道數據對比

這是一個真實的的案例，我曾經為一個新聞App做數據分析，發現他們的新聞分享出去之後點擊率很高，是獲取新用戶的好辦法。那麼如何提升分享率呢？當時我們想到建立一個叫做「轉瘋了」的頻道，裡面專門放熱門轉發的內容。開發完成上線之後，我們利用GA的高級細分功能進行了數據分析。

帶有「轉瘋了」頻道的新版本App比舊版本分享率高，並且在新版本里，進入過該頻道的用戶分享率高於沒進過該頻道的。

點擊、分享（還包括H5分享到朋友圈）的埋點數據都是給運營看的，運營會知道哪種類型的內容熱門用戶願意點擊，進而多做類似的內容，提升點擊率和分享率。

（三）搜索

搜索是能最直接表達用戶需求的。搜索有兩種情況，一種是搜完了有結果，那就看用戶願意點什麼樣的內容；還有是搜索沒有結果，這個通常都會單拿出來做一張報告，比如哪一天突然有一個新詞出來了，在我們App上沒有搜索出結果，那就得馬上去補充這個內容，搜索也是一個用戶需求的風向標。

（四）下拉刷新

下拉刷新的用戶習慣應該是今日頭條培養出來的，每下拉一下，就推薦一些偏好的內容。

為什麼要統計這個？用戶每次下拉刷新都意味著一次推薦內容的展示，下拉刷新之後緊接著有多大的概率用戶點擊了內容，能體現出推薦演算法的優劣，這就和上頭埋點那個點擊內容連上了。

這是兩個行為之間的比較，一百次下拉刷新只有三次的閱讀行為，那顯然這個轉化率很差。如果一百次下拉刷新能有80次內容點擊那轉化率就很好。推薦演算法做的是不斷地提升下拉之後的點擊率。

（五）載入下一頁

PC時代大家是點下一頁，現在都是下拉載入下一頁，下拉一次載入20條，看完之後再繼續往下拉，不斷地重複這樣做，它同時也體現了用戶能接受的信息條數。比如一個用戶載入了三次，那就是載入出了60條內容，再加上它本身這一頁的20條，可能他就掃過了80條內容。

做這個埋點的意義在於可以指導運營每天更新多少內容合適。如果運營每天更新兩百條，但絕大部分用戶在一百條的時候就止步了，那剩下一百條就是浪費。

（六）推送

推送是個很重要提升日活的手段。假設公司的編輯習慣在每天三個時間點做推送，突然有天數據分析負責人看見前一天日活有明顯的降低，於是按小時對比日活，發現只有三個推送的時間點日活降低了，那顯然是推送出了問題。

推送很重要，它是提升日活一個特別有效的手段。但是我們通過GA的高級細分發現，用戶時常打開推送直接看完一篇文章就走了，也就是說通過推送開啟App的用戶粘度明顯低於普通用戶。我們當然不希望這樣的人很多，所以我們會想辦法在這個推送打開的這一頁里去增加一些延伸閱讀，提升推送開啟用戶的停留時長。

（七）意見反饋

目前意見反饋有不少第三方的解決方案，但是我為什麼會堅持用GA也發一份數據過來，目的是為了把個人高級細分出來。通過GA可以查看任何一個反饋用戶的手機型號、手機系統版本等，而且每個反饋用戶的功能使用路徑也一覽無餘。之後找和他一樣或差不多的機器，看看會不會出現他反饋的那個問題，這樣就很容易定位他的問題。

（八）報錯

最後一個事件是報錯。報錯跟反饋有點接近，但是遇到錯誤還能反饋的人畢竟是少數，App程序上知道什麼地方出了什麼錯誤，通過系統進行信息收集也是可以細分出來這些報錯的用戶。

通常大家上手進行App數據埋點時不知道統計什麼，那我剛才說的這八個就是最通用的，按照優先順序排列。對於初創或中小企業，有這些數據就已經能把分析工作做到至少70分了。

第三點：提升App留存率需避開哪些坑？

講完了為提升App留存率需要注意的八點後，繼續講講如何避開過程中產生的「坑」。

（一）注意局部功能

某App內有論壇和圈子兩個互動頻道。改版後，論壇的樣式改動比較大，如果僅對比新舊版App的使用時長，新版的數據更好。但經過GA的高級細分發現論壇上的人轉移到了圈子，由於圈子本身的使用時長更長，導致從整體看來時長增加，但實際上是老用戶被迫走了，這次改版其實是失敗的。

這個分析其實有點像經濟學的思路：不僅要看一個政策導致的局部變化，更要看到這個局部的變化會對其他系統有何影響。普通的數據統計系統無法精準細分人群，也就無法發現這個深層次的問題。

（二）因果關係別搞反

可能很多人都知道LinkedIn的例子，第一次用LinkedIn時，如果加了四五個好友，它後期的活躍度就會變得高。所以LinkedIn一開始就會引導新手一上來就去加好友，可能推薦一些他同單位或是同行業的一些人去關注，用這種方法去提升留存。

一款網路電話App（可以免費打電話）發現第一次使用就能打4、5次電話以上的人後期留存會很高。然後他們就想辦法推薦新註冊用戶多打電話給別人，但是結果發現沒用。後來內部總結的結論是：可能那些留存高的人本來就有打電話的需求，而不是因為開始打得越多後期留存就越高。

第四點：推薦國內外幾款比較知名的數據分析工具

最後簡單分析下我所了解的App數據分析工具，大家可以自行嘗試選擇。

App分析用的SDK裝的越多，它們互相之間如果有衝突的話，你APP的穩定性就越差。所以通常我覺著盡量別超過兩個，一個國內一個國外的就可以了。

國內：友盟（意義在於它是一個行業標準，是大家在溝通數據時共同的基準線）、百度統計（細分功能正在變強）、GrowingIO(多維度村分分析比較有特色)、騰訊MTA、神策數據（支持數據私有化部署）、諸葛IO等

國外：GA（細分功能宇宙最強）、Flurry（用戶路徑分析比較有特點）、Firebase Analytics（組件非常多，是一整套App解決方案，數據不限量，但細分分析不如GA）

以上我的分析方法對於創業公司、中小企業都是適用的。通常來說，你團隊再小，也得有後台開發，GA的話每天可以自動導出數據、轉化成PDF，通過郵件發到團隊每個人的手機裡面，這就變成了一個小的數據後台，在初期完全可以滿足簡單的數據分析和監控需求，節省大量人力開發成本。

結語：關於如何用GA方法提升App留存率，大家還有什麼好的想法，歡迎留言和我交流！

#網路獲客36計#為鏢獅網旗下的原創欄目，主要提供針對初創、中小企業如何低成本、高產出的通過網路賣貨、獲取用戶的營銷乾貨。內容涵蓋頭條號/知乎等自媒體運營技巧、天貓京東店鋪診斷、0成本推廣App、SEO快排技巧、SEM賬戶優化、社交媒體營銷等方面。