用戶活躍度下降,卻不知哪里出現問題?

0 評論 7091 瀏覽 21 收藏 12 分鐘

編輯導語:運營同學總會遇到的問題就是用戶活躍度突然下降,這時候我們會用到數據模型來進行分析,從多個角度進行靈活拆分,分析出活躍度下降的真正原因;本文作者分享了關于用戶活躍度下降又如何分析判斷,我們一起來看一下。

用戶行為數據是在互聯網時代,能夠幫助我們理解和認知用戶的一個基礎;首先我們運營是以用戶為中心的,但是從用戶分析的角度來說,主要是有兩大模型:

第一種是大家知道的比較多的「頁面分析模型」,在國內主要以友盟和百度統計為代表;圍繞著頁面跳轉的情況,然后進行數據采集,幫助我們去分析;這就會有新的問題——我們無法得知用戶到底是因為什么樣的原因,停留在這個頁面上,同時也不能非常精確地還原用戶的所見所得;所以說這樣的頁面分析模型不夠細致,也不夠靈活。

那第二種就是基于用戶認知的行為事件分析模型,相對于頁面分析,用戶行為分析模型對數據采集的全面性和靈活性更強。

我們平常做運營的時候做過很多事:做活動、做內容、圍繞拉新促活這些業務目標去設計文案、針對性的設計一些活動push給用戶;我們還需要去講究很多的運營方式,從人性的角度設計不同的運營策略。

總之我們做的這些事情,是希望用戶能夠認可產品,認可我們運營的價值;但是我想問的是——大家是否知道我們做過的這些事和我們的預期是不是一樣。

針對這個問題,我們先來看看評估運營效果所需要的數據,通常我們會看累計使用的用戶量、活躍量、留存、停留時長等都是我們常見的一些指標。

那你們可能會問了,對啊平常我們做那么多事兒不就是為了讓這些數據能夠變好嗎?這些數據變好就證明我們的業務在蒸蒸日上, 所以我說這些指標是正確的,是有價值的;但是問題就在于用戶是真的認可你做的事情后才表現出你期望的這種數據特點嗎?

再舉個簡單的例子, 一個APP的推送它可能帶來了一波活躍用戶,那這個活躍用戶到底是覺得推送特別及時,特別應景,我進入產品以后而得到了我想要的東西;還是看到后覺得特別心煩,覺得被騷擾了,點進去后看了一眼產品,就把app卸載掉了。

所以我們的重點是在運營過程中至少要花特別大的精力把目標放在過程中,我們需要以正確的路徑達成數據指標,不論是OKR也好或者是目標也好,我們的關鍵點在于要以正確的路徑去達到。

那如何知道我們做的事兒是否走在正確的道路上?需要通過用戶在頁面上的一些行為,點贊 、關閉、投訴還是離開應用,來評估我們這個路徑是否是正確的是否是達到預期的。

我來講一個案例,這是一個真實的案例,背景是一個內容類的產品:

有一天呢,他們的內容運營非常急迫地來找我說,他們一直以來有一個監控的指標,叫首頁頭條的閱讀轉化率,最近這個轉化率下滑了,他們做了很多方案很多事兒都沒有好轉;但是從整體產品的健康度來看的話,也有用戶增長,留存也有小比例的上升。

從這個角度來看, 用戶應該是比較健康;所以他們現在就特別矛盾,這幾個數據放在一起就搞不懂了,用戶是活躍的,那為什么閱讀轉化率就持續走低。

作為一個內容類的產品,用戶不在這看內容不去閱讀的話,用戶都去干啥了? 這個時候大家會有一些猜測:比如說是不是被一些抽獎的活動紛紛引流到交流區;或者是頭條的題目寫得不夠吸引人;再或者社區群里面有一些掐架的,所以大家沒空去看頭條等等;至少是不知道哪個是真正的原因,從而也沒法針對性地做調整。

問題來了,那我們需要什么樣的數據和分析能力呢?我當時在客戶現場用他們的電腦做了一個半小時的分析,大概把邏輯給大家說一下。

首先我們定位問題的核心在哪,通過剛才描述,我們可以得知最核心的問題在于首頁頭條的閱讀率下降了;那么好,在這個時候我就先去看閱讀文章事件的一個基本統計情況,先排查頭條的質量是不是真的有問題;但是我發現人均閱讀量并沒有降低,而且按照之前調整內容的這個時間節點來看還有所起伏,那就證明內容制作的方法和內容的質量是沒問題,得到了用戶的響應。

那些沒有閱讀頭條的用戶他發生了什么呢?

這里可能有一點我要再細致的說一下,為什么我就得出結論說沒有閱讀頭條的用戶發生了什么?什么是人均閱讀量?人均閱讀量是指閱讀過文章的用戶,就是說——用戶的閱讀總數量除以閱讀過文章的用戶;如果人均閱讀量并沒有降低,證明看文章的,這些人還是在認認真真看文章,他是能被你吸引。

既然這樣閱讀的轉化率降低了的話,唯一可能的來源是在哪呢?

說明沒有閱讀頭條的用戶可能變多了,他拉低了整個的轉化率;所以我把問題定位到了沒有閱讀頭條的用戶,這個時候我就可以通過用戶分群功能,把觸發頭條這個事件作為一個條件,去拆分出來做兩個分組。

我可以把閱讀頭條次數大于等于一的用戶建一個叫閱讀過頭條的用戶群;再以觸發閱讀頭條次數等于零為條件建立一個沒有閱讀過頭條的用戶群,然后就可以把這兩個用戶組放在一起進行對比。

通過用戶畫像,我對這兩種用戶的新增時間、地域、渠道來源、版本等等,包括一些產品里關鍵的一些行為,比如點贊、評論、私信這些行為都做了一個對比。

最后我發現這些沒閱讀過頭條的用戶,其實整體從行為上都不活躍,他們在文章的點贊、私信這些上面也都不夠活躍;最后我把問題鎖定在了一個新增渠道,我叫他a渠道。

這個渠道似乎有問題,沒有閱讀過頭條的這些用戶大多都是最近七天從這個渠道a來的。

我就根據這些做出了一個猜想:是不是a渠道的用戶質量有問題,我將近七天a渠道的用戶再做一個分組,還是按照剛才那個分群規則,把a渠道做分組;然后和所有用戶的平均情況做一個對比,對比他們的頭條轉化率,可以發現a渠道的平均值要低很多;那我現在就可以認定一個假設,就是a渠道的流量質量確實比較低。

這時候可能有人會問了,他們挺活躍的呀,他們留存也好活躍也好,為什么你還說他們的質量低呢?

我們做任何一個產品都是有目標的,否則就不是我們做產品的初衷;這種事兒每個家公司都或多或少都遇到過,一直以來大家都很被動;所以當時大家看到這個結果以后也覺得很沮喪,沒想到折騰了半天以為是內容出問題,但其實最后出現在這個渠道上面。

大家就檢討,用這種留存、停留時長去評估一個渠道有點不靠譜,以后還需要把對關鍵行為觸發的這些條件也都一起加上;其實大家可以看到,我在整個過程中用了非常多的分組,分組就代表著做分析的一個很本質的方式——對比,根據對比做分析非常底層,但是絕對有效的一個分析手段。

總結一下,就是說數據的本質是場景還原,這是數據背后最大的一個價值;畢竟我們是永遠無法真正陪伴著用戶,很難一點一點的觀察用戶的行為;而且說實話你就算陪在用戶旁邊看他的使用場景,所體現出來的行為并不一定會是真實的行為。

而數據其實就相當于幫我們開了一個上帝視角,我可以把所有用戶的情況都記錄在案,還可以通過統計學的方法,呈現數據的趨勢;那數據方面的需求,我們需要以用戶為中心,最重要的是要對數據能夠靈活拆分,并進行一些分析;如果運營人能獲得滿足這些需求的數據,那我相信必將能提升每個運營同事的效率,我們的精力也會專注在最有價值的事情上。

 

作者:諸葛io,微信公眾號:諸葛io

本文由 @諸葛io 原創發布于人人都是產品經理。未經許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

給作者打賞,鼓勵TA抓緊創作!
更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!