push 能够提高用户留存( 三 )


说明:在计算各个天数的人数占比情况时,我们会以在所选时间段内触发过该事件的人为基数(第一天为100%)。比如,近四周的活跃人数是200,触发过「开始签到」的人是100,其中一周内触发过「开始签到」2天以上的是20人,那么在粘性分析中,「开始签到」2天以上的人数占比是 :20 / 100 = 20%。我们不会以活跃人数为基数,若要看在整个活跃用户中使用过某个功能的人数占比,可通过「事件」中的「活跃比」功能实现。
三、场景举例以诸葛io服务的客户——向上金服为例,作为一家运营4年的互联网金融服务平台,同所有互金产品运营思路一样,一方面,需要不断强化用户对产品的信任感;另一方面,通过完善积分体系/搭建商城等手段,不断开拓更多用户与产品交互的场景,从而提高用户留存和粘性。
此外,我们可能还会需要对比两个不同用户群的粘性情况,比如我们想了解一下「已投资用户」相较于「未投资用户」来讲,对「查看股票市场」的依赖程度有何不同:
push 能够提高用户留存

图4:不同用户群对于「查看股票市场」的粘性对比
(数据为脱敏数据)
如上图所示,我们发现,与未投资用户相比,有过投资行为的用户更关注股票市场的动态,对股票市场这一功能模块的粘性更大。
通过粘性分析,让你了解产品或某个功能粘住用户的能力如何,除了常用的留存指标外,粘性从更多维度让你了解到用户是如何使用产品的,哪个功能是被用户所喜欢的,不同用户对同一功能在使用上有哪些差异,帮你更科学的评估产品和功能,更有效的制定留存策略。


关于我们:诸葛io,智能化数据分析驱动低成本增长获客和用户留存。目前我们正在为互金/教育/新零售/保险/汽车等行业提供大数据整体解决方案并提供咨询服务。服务客户有:光明随心订、食行生鲜;人人贷、阳光保险、众安保险、平安;宝马、奥迪、大众、NEVS;饿了么;东易日盛等。
诸葛io - 深入业务场景的数据智能决策平台


推荐阅读