通过友盟提供的留存分析－「用户新鲜度」指标入手，深入分析每日活跃用户的成分构成，可以帮助我们更好地理解用户行为，制定增长策略，突破 DAU 增长瓶颈。
「用户新鲜度」是什么？
「用户新鲜度」是友盟提供的关于每天活跃用户成分构成的堆积图，它可以帮助我们从宏观上了解每日启动用户的新老用户比以及来源结构。
用一个公式来表达的话，就是这样的，DAU=当日新增＋（前 1 天新增＊1 日留存率＋前 2 天新增＊2 日留存率＋前 3 天新增＊3 日留存率＋···＋前 30 天新增＊30 日留存率）＋（30+前新增＊30+日留存率）
下面是一张友盟提供的 iOS Demo App 的「用户新鲜度」堆积图（显示方式选择百分比，3 月 18 日为例）
用户新鲜度报表
从图中，我们可以获得如下信息。
✓ 选择日期内（12 月 25 日～3 月 19 日），新老用户比例较稳定；
✓ 3 月 18 日活跃用户成分构成为，当日新增：30 日新增：30+ 日前新增＝10：20：70；
✓ 1 天前至 30 天前这段时间，每日新增占当日活跃比 1%～2% 左右。也就是说，如果 3 月 17 日新增 109，那么 1 日留存为 28％ 左右。
从以上数据中，我们能得到哪些结论呢？
✓ 用户获取渠道偏少 or 推广力度较弱，导致新用户占比偏低；
✓ 老用户占比较大且长期维持稳定，说明产品功能确实能满足用户的需求，用户得以沉淀。
了解到以上信息，接下来就可以考虑从 3 个方面着手，制定提升 DAU 的策略
✓ 增加用户获取渠道，或者提高推广力度；
当然，知易行难，面对拉新成本越来越高的情况，运营人员也是比较头疼。不过，Growth Hack 的思维和技能应该会被越来越多的运营人员重视。
✓ 通过运营介入或产品功能的完善提升新用户 1 日、2 日、3 日...留存率，进而提升 30 日新增在当日新增：30 日新增：30+ 日前新增中的占比；
这里，留存率曲线可以帮助我们制定优化目标，评价工作效果：
某产品的留存率曲线
✓ 扩大老用户的比重。
以 3 月 18 日为例，首先拉出 30+ 前新增并且在当天活跃的用户（985 人），分析其行为数据，找出共同行为（比如，预约行为），通过反复实验，刺激更多老用户发生预约行为。这样，老用户的占比才能不断增加。
网友评论