用户|如何通过数据找到影响用户留存的关键因素

编辑导语：伴随着流量红利见顶的现状，除了做好拉新促活之外，品牌商家还需要思考怎么提升用户留存率，做好精细化运营。而在进行用户留存分析时，数据分析是一个有效手段。本篇文章里，作者结合自己的工作经验，总结了一些可借鉴的留存分析方法论，一起来看一下。

写在前面根据QuestMobile数据显示，2021年中国移动互联网用户规模保持在近11.6亿，2021年5月同比增速竟首次出现负增长，这意味着流量红利时代结束，进入存量争夺阶段。而互联网不同赛道的玩家，也不得不把突破增长困局的关键点，放在如何提升存量用户的留存价值上。
在该背景下，作不甘沦为取数工具人的分析师，可以主动深入业务，通过海量数据挖掘出影响用户留存的关键指标，并结合业务逻辑，给出合理可行的建议。
接下来笔者会分享自己在工作中沉淀的一些留存分析方法论，给大家奉献满满的干货，别走开，精彩马上来~
分析框架：

确定流失和留存的具体口径；
通过定性和定量等方法寻找与用户留存相关的指标，并设计相应策略；
设计AB实验，检验留存提升策略的有效性。

一、确定留存的具体口径首先要结合用户行为数据，或者基于业务常识，和业务人员对流失或者留存用户的口径达成一致。口径的确认点主要是：【多久（窗口期）】内没有发生【什么关键行为】会被定位为流失。。
1）关键行为
不同业务模式下的用户核心行为不同，比如对于交易平台，关键行为可能是下单；对于短视频平台，关键行为可能是播放视频；对于工具类APP，关键行为可能是启动APP。
2）窗口期
窗口期的长短取决于，用户关键行为的发生频次高低。比如车主用户一般每隔14天加油一次，因此14天可以作为窗口期。
可以基于用户相邻两次关键行为天数间隔的75%分位数的方法确定窗口期的大小。比如，选取昨日发生过关键行为（比如下单、或启动APP）的用户作为研究对象。分析这些用户最近两次关键行为发生的间隔天数。如果75%用户的间隔天数都在 xx 天内，则 xx 天可以作为流失行为的窗口期。
二、影响用户留存的相关性因素分析1. 搭建影响用户留存的指标体系可以选取用户静态画像、活跃行为类指标、付费行为类指标、以及其他核心行为类指标作为指标体系。也可以参考用研团队针对流失和留存用户的调研结果，为指标体系搭建提供新的思路。
一般的，用研团队对流失和留存用户的调研提纲如下：

流失用户：调研其年龄、性别、职业、城市、圈层等社会学画像；深度挖掘其为什么流失的原因；回归意愿如何；以及流失的去向是哪里；他们对竞品和本品的使用体验差异点在哪里。
留存用户：社会学画像；留在本品的核心驱动力；通过什么方式被吸引到本品；来源渠道。

巧妇难为无米之炊，数据是分析师必备的武器。用户调研结束后，数据分析师要尝试对调研结果中用户强烈吐槽或者十分满意的功能体验，尽可能抽象成可观测、可度量的数据指标。
比如用户吐槽刷到内容平台 APP 广告太频繁，可以将广告性质内容的曝光次数作为指标，纳入下一阶段的定量分析中；用户认为平台最大的优势在于有金币领取，可以将金币等指标体系纳入定量分析中。
2. 影响留存的重要指标筛选影响用户留存或者流失的因素非常多，需要从众多指标中筛选出重要度较高的几个指标。以下有两种方法可以提供参考。
1）相关性分析
选出与留存率相关性系数较高的前几个行为，作为关键行为候集；同时还要考虑发生该行为的用户的渗透率高低、留存率提升幅度的高低，即要保证最终的留存人数处于较高的水平（留存人数 = 人数*渗透率*留存率）。