留存仍是病毒?产物前期应该专心什么?
本文摘要:很多公司都会问“我们该怎么获取更多用户?”这样的问题,但我们更应该问的是“我们怎么可以更好地坚持现已具有的客户?”处理增加问题的时分,你会天经地义的认为只需要获取更多用户,毕竟这似乎是我们对增加的界说。然而,假如你退后一步,把增加看做是跟着

很多公司都会问“我们该怎么获取更多用户?”这样的问题,但我们更应该问的是“我们怎么可以更好地坚持现已具有的客户?”

处理增加问题的时分,你会天经地义的认为只需要获取更多用户,毕竟这似乎是我们对增加的界说。然而,假如你退后一步,把增加看做是跟着时间推移,用户数以周为单位的最大化,那么很快就可以看到,专注于留存比拉新更重要。这更多的是一种可继续增加的心态。用户快速增加快速流失,是不可继续的增加指标。跟着时间推移坚持较高的用户留存是产品与市场匹配的很好的指示,这也是你无论怎么都期望完成的。

病毒因子和留存

很大程度上讲,用户留存比病毒性更重要,因为假如你的用户流失,那么在一段时间内就不能约请其别人。假如你的产品有高留存率而没有病毒性,跟着时间推移你也能可继续的增加你的用户基础;反之,假如只有病毒性而没有留存,则不会有用户的继续增加。在这两个极端之间,似乎有点杂乱,为了更详细的解释,我们先来看看几个术语:病毒因子(viral factor)和留存(retention),这将让你更好的了解这篇文章里的内部增加模型,我们后边引用的图表就是由此衍生的。

它描述网站或应用的现有用户约请其别人的增加率,通常被称为 k 因子。

i = 每一个客户发送的约请数 c = 这些约请的转化率(c = 注册数/约请数) k = i * c

以周为单位,病毒因子通常像下图这样,视不同产品而有所不同,但在我效劳的这些产品里我一次又一次看到了这样的形状,它的趋势是这样有下面三个原因:

1.登陆约请流程的有用性

登陆是在完成特定方针(用户注册)时取得用户高度重视为数不多的几个节点之一,并且当你指示用户约请其他用户时,他们一般不会考虑太多。

2.用户的兴奋程度

人类对新鲜事物最感爱好,这也适用于互联网产品。用户在尝试新产品时取得的兴奋感让他们分享更多东西,但这种分享会跟着产品在日常日子中变得往常而逐渐消失。

3.用户网络的低约请饱和

当一个用户第一次开始使用产品时,他们知道不使用这个产品的人比使用这个产品的人多。跟着时间推移,他们会给知道的人分享你的产品。最终,即便是一个对你的产品十分热心的用户也会发现现已没有人可以去继续分享了,因为很多人没听过这个产品,导致病毒性随时间下降。假如你的公司开展的很大,这可能会是一个问题,但这是一个很好的问题。

它指一段时间到另外一段时间内还坚持粘性的用户数。两种方式来表明留存,总留存和周留存:

1.总留存

总留存是随时间累积的。假如你在第三周的总留存率为30%,这意味着有30%的用户从第一周到第三周一直在。这是公司内部评论时通常表明留存的方式。

2.周留存

为了增加意图,它通常用于查看每周的用户留存状况。周留存指这周到下周有多少用户留下来。假如第二周有40%的总留存,第三周只有30%的总留存,那么第二周到第三周的周留存是75%。假如周留存低于100%,意味着我们仍然在失掉用户。

周留存曲线通常像下面这样,第一周到第二周是最低的,跟着时间的推移逐渐挨近100%。

为何留存这么重要?

为了使病毒性比留存更重要,你的病毒因子有必要大于当时的总留存。后文会用数学证明,数学很难切当地简化,但有一个根本原则,你可以跟从并挨近。假如从这篇文章里你只吸收一个观念的话,会是下面这句:

除非你的总留存是安稳的,不然不要重视于提高病毒性,直到它在一段合理的时间后不再继续减小。

为了协助说明这一点,让我们看几个例子:

1.你的产品有一个十分高的即时病毒因子,假如你的产品在前端加载发出约请,并以很高的比例被承受,可以完成即时病毒因子 k 1。在这种状况下,假如你的约请的承受率足够快,即便你的网站/应用初次使用后的留存为零,你每个月的激活用户数仍然会继续增加。但因为可使用的 k 1 的即时病毒循环最终会到期,高病毒性,低留存型的增加简直总是不可继续的。这解释了很多公司的倒台,看起来似乎快速增加,在增加中赚了不少钱,然后很快死亡。比如 Viddy……

1.你的总留存很高,并随时间推移缓慢下降,但你有很强的病毒性。在这种状况下,长时间重视于病毒性的增加确实能让产品得到获益,但这通常是一个过错信号。假如你认为你能够让病毒性高于总留存,这是仅有值得重视病毒性的时分。假如你过早切换焦点,它将导致低于规范的增加指标。这是因为改善留存能带来的复合效应比改善病毒性能带来的要强太多。可以用留存/病毒模仿器很容易地说明这一点,并且将周留存和病毒性设置为相等。然后,我们可以依据我们在未来某个时间点的用户数量来衡量比例变化对其间一个的影响。在现实世界里,病毒性似乎不太可能等于周留存,可是这样设置有助于以最清楚的方式说明我们的观念。

根本案例-病毒因子等于留存:在第七周约有88k个用户,从44k的留存用户和44k的病毒式用户条形图堆叠可以得到

第一周病毒性添加了20%:在第七周约有110k个用户,留存53k与病毒57k堆叠

第一周病毒性添加了20%:在第七周约有125k个用户,留存65k和病毒60k

如你所见,留存的变化有长时间的影响力,比等量的病毒性带来的变化影响更大。

你的总留存高且安稳。假如你现已把留存最大化到你认为可以添加病毒性而不是来提高总留存的程度,即便考虑到留存的复合影响,重视病毒性也是有意义的。

证明它!

在 Excel 中对增加建模很容易,有一些在线同享协助,我用的是从 下载的。假如你刺进一些数字,它能对你所期望的增加有一个那好的概述,从用户核算上来看,这是伟大的,但有点难以概念化实践工作中的增加。为了得到一个不同的视角,建立一个树状图,对切当的了解一周中存在的用户来自哪里十分有协助。

在下面的树中, w0 表明时间为0时开始的一组用户。树的每一级代表一周时间,在每一个后续的级别,你会从留存或病毒式约请中得到用户。给定节点的用户数量是通向该节点的所有节点的乘积。系数表明随时间变化的病毒和留存因数, v2 是第二周的病毒系数, r3 是第三周的留存系数等。

任何给定级其他用户数可以简化为递归方程。

如你所见,这与我们在上面的树状图中看到的一致。主要病毒因子(其时病毒i)与总留存(n‘s乘积有关)有关。

 

本文由 Zoran # 吆喝科技(微信:appadhoc)编译自:?

本文由 @吆喝科技 翻译发布于人人都是产品主管。未经答应,禁止转载。


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。

相关内容