互联网数字化运营（互联网行业数据化运营3）

文章内容条理性不足，为了避免给大家造成误导，这里首先理一理日活、存留、复购、流失这几个概念。

日活

每天活跃的用户量，这个相对好理解，但有一些公司不会关注活跃数量，只关注订单量分布以及下单用户量分布。

存留

注册后在一定时间内有登录行为，存留更关注的的是产品行为，对存留的影响一般是产品的体验、质量、核心功能等，对存留的分析的目的一般也是落地在产品上。通过对产品功能的调整、优化，来提高存留率。

复购

在一定时间内再次购买行为，复购更关注的是消费行为，对复购的影响一般是商品或服务的质量、售后体验、用户消费满意度等，对复购的分析也会落地到商品或服务上。

流失

根据公司关注的内容不同，对流失的定义也不同，关注存留的将一定时间内没有登陆行为的定义为流失，关注复购的将一定时间内没有消费的定位为流失。通过对存留情况的分析，也能从一定的角度反映流失情况，但是可以对流失进行更细致的分析。

分析方法

1.日活监控，观察用户活跃数据，分析日活健康度

这里说日活有些片面了，因为并不是所有的公司关注的都是日活，根据公司产品定位的不同，关注的活跃周期也会不同，游戏、知乎、叫车等可能会重点关注日活，但是例如旅游、租车、家装这种订单密集度不高的，会根据自身的情况关注周活或者月活。尽管分析的活跃周期不同，但是分析方法类似，下面就仅以日活来举例。

活跃用户一般可以分为以下三类：

有些公司可能不太关注回流(一定时间内没有登陆的用户再次登陆)这部分用户，我将它列出来，是认为了解回流用户的日活情况在一些场合中是有价值的，例如活动期间、发优惠券测试，是否会对流失用户的回流产生了作用。

上图中采用堆积面积图，其面积大小为各类型用户数，堆积总高度为总活跃用户数。对于日活数据来说，相对理想的情况是老用户占比较高，为活跃用户主力，并且呈现逐步上升的趋势，代表产品对新用户的粘性较好，总体拉新存留大于流失用户。否则，要么是新用户的存留率过低，要么是老用户的流失率过高，都需要进行调整。(尤其是新用户活跃数量相对较高的情况，提升空间相对比较大)

上图中，可以看出在5月19日之前的日活平稳，老用户数占比也比较平稳，在19日之后老用户占比逐步升高，并且可以注意到在5月19日之后的几天内，回流用户是有一定程度的上升的。我们可以想象为，该产品在5月19日到22日之间举办了一些活动，或者是产品上进行了调整，拉动了流失用户的回流，并且提升了产品的粘性。

2.观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等

存留规律分析应该分开对待，一部分高频小额订单(例如外卖)这种互联网公司，其分析模式类似于游戏、知乎、SasS平台，会以日为单位来分析存留。

如上图所示，这种用户登录频率较高的应用，可以通过上图分成三个阶段，过滤期、试探期、平稳期。刚开始接触一个应用的用户中，有大量的用户是质量不高的用户，不可避免的要经历一个存留率大幅下降的阶段，但这一阶段周期一般较短(我认为这一阶段可能更多的是应用筛选用户)。在这一阶段过去之后，用户会对应用进行详细的试探，是否让自己满意，这段期间也会有部分用户流失。最后留下的就是相对稳定的用户了。

可以通过对产品的调整，来提升各阶段的存留率，上图中5月3日的存留情况相比于4月13日的已经大幅好转。这种对比图有助于观察跟踪产品的调整效果。

一些以订单为盈利模式的互联网公司，如果也关注存留率的话，一般会将存留分析的时间周期拉大到周或者月，要让用户每天登陆花钱下单，是难为用户了。

上图可称之为手枪图，该图可以看出用户存留的整体情况，存留率有没有越来越高，产品粘性是否做的够好，通过上图可以看出一定的问题来。但要像日存留那样，找出用户存留的三个阶段是比较困难的，因为用户是否存留下来更多的取决于消费体验，并且消费体验周期过长，很难判断用户是否会再次消费。所以对于这种以订单为盈利模式的产品来说，从复购的角度分析更为合理。(下一篇进行介绍)

上面的表格也可以用在日存留，与日存留的折线图结合使用。

3.对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整

如上图所示，通过对比，发现使用了分享功能和收藏功能的用户的存留率相对较高。得到这样一个信息后，可以通过产品上的调整，来鼓励用户使用分享、收藏等功能，以此来提高用户的存留率。

这种对比可以是多种形式的，将功能选择换成用户分类、用户来源，可以从不同的角度来观察问题。例如，如果发现男性用户的存留率比女性用户低，那么一是可以提醒反思造成这种情况的原因是什么，或者是可以调整产品推广渠道，以吸引女用户主。

存留率是互联网公司非常关注的指标之一，而很多公司会对存留率进行非常深入的挖掘。上文提供几种存留率常用的展现形式，为分析存留率提供一定的参考。

文章来源：数据分析

数据分析网认证作者：撩撩数据吧

数据分析网（www.afenxi.com），国内领先的大数据门户，旨在帮助大数据从业人士、爱好者提供大数据新闻资讯、前沿技术、业界观点的信息平台。