新用户激活的痛点和解决方案 如何用户激活?( 二 )

模拟得到的价值:

  • 激活方案一定要让用户可以感受到产品价值并受益;
  • 推动用户达到激活时刻 , 不能简单机械的强推用户做某些动作 , 而是要尽可能模拟用户受益的那一时刻 。
3. 如何找到新用户的激活时刻如果你目前负责的产品仅仅是以简单的注册、登陆作为激活标准 , 你会发现你很难找到切入点去改善目前的产品留存 。 这两个行为很少能让用户感受到产品的价值 , 我们更应该去寻找真正能改变用户留存的Aha时刻 。
找到新用户激活时刻的4个步骤:
3.1 第一步:提出备选激活行为
  • 明确产品的长期价值;
  • 找到新用户在开始使用产品时能够最快感受到长期价值的方式;
  • 根据上述方式 , 提出几个最可能的备选新用户激活行为 。
通过定性分析找出备选激活行为:
(1)通过关键问题
  • who:用户是谁?
  • what:用户用这个产品要解决的问题是什么?
  • why:用户为什么要解决这个问题
  • Vs:用户还有其他什么方法解决这个问题?
(2)通过用户调研:对比不同用户的回答 , 发现产品对用户最重要的价值 , 找到备选的激活行为
  • 长期最活跃的用户:为什么觉得产品有价值?
  • 注册后迅速离开的用户:为什么迅速离开?
  • 注册后活跃使用的用户:为什么留下来了?新用户时期做了哪些动作 , 有哪些关键的体验?

新用户激活的痛点和解决方案 如何用户激活?

文章插图
3.2 第二步:找到激活行为(和留存相关性最强的行为)从几个备选激活行为里 , 找到早期留存相关性最强的早期行为 。
  • 原则1:使用频次越高 , 新用户越快期待从产品中获得价值 , 可以根据使用频次 , 预判新用户激活期;
  • 原则2:生命周期越短 , 新用户越快期待从产品中获得价值;
  • 原则3:分析新用户的实际数据 , 看绝大多数早期激活行为发生的时间窗口 。
通过定量分析方式找到激活行为:
找到新用户激活期:评估激活行为要多快发生;
找到激活行为:对比早期留存曲线 , 找到该新用户激活期内 , 做了和没做对早期留存影响最大的1个行为 。
案例:画出不同用户组新用户留存曲线
对比留存曲线 , 找到与留存相关性最强的行为:
  1. 从30天留存率来看 , 【安装3天内使用特效元素】留存表现最好 , 【安装3天内使用文字】特效稍差一些 , 说明特效的功能比文字更具有吸引力 。
  2. 用户激活期前3天 , 【安装3天内使用特效元素】曲线优于其他 。
  3. 【安装3天内使用特效元素】【安装3天内未使用特效元素】30天的留存曲线差别最大 , 判断完成【安装3天内使用特效元素】可能是留存相关性最强的指标 。
因此得出【安装3天内使用特效元素】最可能是Aha时刻 。
3.3 第三步:计算魔法数字为什么要计算魔法数字:
  • 有些激活行为 , 只做一次就够了 , 比如电商的魔法数字就是完成首次购买;
  • 有些激活行为需要多次 , 才能确保用户感受到产品价值 , 比如抖音;
  • 理论上重复次数越多 , 对于留存提升越大 。 但是新用户激活时间优先 , 让用户重复太多次行为不现实;
  • 因此我们希望找到激活行为的最佳次数 , 确保用户获得价值 , 同时又不给用户带来负担 。
计算魔法数字方法1:边际效用最大法
  • 画出新用户首日激活行为次数的分布图
  • 分析首日激活行为次数和次日留存率关系
  • 找到留存边际效益最大的点对应的激活行为次数
计算魔法数字方法2:韦恩图
目标:以有过一定次数该行为的用户和留存用户的交集最大化为标准
注意:魔法数字并不是绝对的
  • 魔法数字具有相关性 , 类似的行为可能有多种统计方式
  • 只代表多数用户统计情况 , 是大多数用户的转折点
  • 后续可以根据不同的用户画像继续细化指标 , 使之更加精准、更有针对性
3.4 第四步:测试验证因果性相关性:观察到有某个早期行为的用户 , 同时留存率更高
因果性:用户做了某个早期行为 , 导致留存率更高
相关性≠因果性
以上三步我们只是找到了Aha时刻和留存的相关性 , 接下来 , 我们需要通过AB测试让更多人触发Aha时刻 , 并且观察留存是否有所改善 , 才能证明最终的因果性
4. 明确新用户激活线索的方法4.1 定量分析:激活漏斗通过定量分析找出新用户激活漏斗的哪一步流失率最高 , 并针对这个环节做运营及产品的优化策略 。

推荐阅读