當前位置:網站首頁>提昇DAU,數據分析要怎麼做?

提昇DAU,數據分析要怎麼做?

2022-01-28 03:54:50 接地氣的陳老師

DAU漲啦,DAU又降啦;

DAU又漲了,DAU又降啦……

大量數據分析師的工作,就消耗在這種無聊的叨叨中。更糟糕的是:很多漲跌,只是單純的開發埋點沒做好,數據丟失等腦殘問題導致的,沒啥有價值發現。

當業務方來問:那我要拉昇DAU,能做啥?

數據分析師只能顫顫巍巍的答道:要!搞!高!

d05fd184eb34497e2bba979cdcf20c35.png

今天系統講解下,這個僵局怎麼破。

  1   

提昇DAU常規做法

提昇DAU,運營有的是現成的套路,有詩詞為證:

《搞DAU》

用戶促活一句話

簽到轉盤種小花

要是手頭沒費用

爆款話題往上掛

簡單來說,就是有錢的話,就搞簽到獎勵、在線XX分鐘得積分、每日登錄搖豆子、種花種樹種7天得XX禮品。沒錢的話,就發文蹭熱點、騙眼球。大家每天搓手機,都多多少少被這些套路過。

問題在於:

第一:這些手段運營自己都知道,根本不需要數據分析

第二:手段真管用?大部分都是“人走茶凉”型的,治標不治本

那麼,站在數據分析角度,如何擺脫像布穀鳥一樣,每天喊“漲啦,跌啦”,真正分析出解决問題的關鍵呢?

  2   

DAU的本質

在DAU數字的背後,是:產品對用戶需求的滿足

1、滿足程度越高,用戶持續登錄越多,最後DAU自然提昇。

2、僅在特定的場景下滿足用戶需求,用戶就會在特定場景下登錄(比如大促銷、新品上市、……)

3、如果沒有明確場景,只是靠蹭流量、派獎勵來維持,那最後的結果就是人走茶凉。

另一個問題,在於如何將信息推送給用戶。用戶登錄以後才產生DAU,打卡、簽到、種樹,都得在用戶登錄以後才發生。

如果用戶不登錄,那能吸引用戶點擊的手段,就只剩下推送信息和裂變兩種。大家可以看看自己手機每天收到多少條信息,自己又點開了多少,就能直觀感受將信息推送給用戶之難——能獲得用戶寵幸的APP真是少之又少。

這導致了,很多用戶雖然名義上沒有流失(沒有達到流失的統計標准),但事實上已經處於流失狀態。不區分用戶類型,單純地上簽到、抽獎、大轉盤,只能讓現有的活躍用戶薅更多羊毛,流失用戶還是不響應。

綜上兩點,想節省成本,避免人走茶凉。就得站在用戶角度:

1、區分用戶活躍程度(重度/輕度/流失)

2、找出用戶感興趣的東西(活動/內容/商品/優惠)

3、找到能推送信息給用戶的手段(短信/APP信息推送/裂變)

這樣才能細致地,有針對性地解决DAU問題。特別是,探索出不砸錢也能保持用戶活躍的場景,從而减少盲目的砸錢拉大轉盤。

  3   

做好用戶分層

針對用戶活躍程度做分層,相對容易。通常的做法,可以對用戶過往90天(季度)/30天(月度)/7天(周)的登錄天數進行統計,區分出頻繁登錄、偶爾登錄、未登錄用戶。想再做得複雜一點,可以學習RFM模型,構建用戶活躍模型RFA(如下圖)。

3c94a338788f6be48fb85223f1e8c61d.png

這樣可以區分出重度/輕度/流失的用戶。

難點在於找出用戶感興趣的東西,給用戶登錄一個直接理由。這裏需要利用用戶分群分析,對用戶的過往消費/活躍行為進行分析,找有用戶感興趣的點。

比如電商類APP,用戶感興趣的,可能是:

1、有大促,圖便宜(意味著日常登錄就是很少)

2、有爆款產品,來搶貨(意味著瀏覽/收藏/加購/消費的是特定商品)

3、某品牌/店鋪很忠誠(意味著瀏覽/收藏/加購/消費的是特定品牌/店鋪)

4、來薅點好處(意味著活動參與率/積分兌換率/優惠價格購買率很高)

5、幾個平臺比價(無購買記錄,但是有聚焦某些品類的瀏覽記錄)

6、隨便逛逛(無購買記錄,無重度瀏覽內容)

7、被推廣活動吸引進來的新人(無購買記錄,瀏覽記錄也很少)

這些場景中,1-4情况意味著用戶行為會集中發生在某個時間段、某個品牌/產品,因此比較容易捕捉。

前提是:需要對商品/活動/優惠類型打標簽,再基於商品/活動/優惠類型標簽對用戶進行分類。這樣能更快速輸出分析結論。不然對著幾萬個SKU,幾千個活動名字一一提數看,不但工作量大,而且看不出來啥問題(如下圖)。

68240ea381afb2f72e5fd89aaf10757c.png

5、6、7情况下,數據本身會很少、很零散,很難像分析重度用戶那樣,從過往消費經曆裏找到規律。此時的用戶興趣點,更多是測試出來的:通過初始線索,測試多種可能性(如下圖)。

3699d4305ea3534268c338b44cba13ff.png

更好的做法,是准備運營的“三板斧”:在市場上最有競爭力的武器。在短期內,一個APP能拿出手的爆款產品數量是有限的,能吸引到的核心用戶也是有限的。

因此,針對輕度用戶和新用戶,可以直接推最拿得出手商品/內容,一方面直接提昇DAU,另一方面測探用戶需求,獲取數據。

  4   

用數據檢驗拉昇效果

有了場景分類,能區分出提昇DAU手段的有效性,從而總結出行之有效的手段。

注意:很有可能運營已經有固定的活動/信息推送在做了。只是這些活動沒有觸達到該觸達的人,或者並不符合對方的需求。

這樣的話,在做好用戶分類與場景劃分以後,可以根據現有活動/信息的相應情况,做出對應錶。觀察哪些用戶沒有被覆蓋,有哪些用戶發生了偏差,有待優化(如下圖)。

0e40b497a8e6e6d9a39d1ab9d819956f.png

這樣,在解讀“為什麼DAU又降了”的時候,可以有更多結論:“因為我們沒有管這一幫用戶”“因為我們沒有抓用戶需求”同時做優化的時候,可以看到哪些是已經推過的,然後嘗試更多未推送的可能性,直到找到更好的答案。

  5   

小結

從本質上看,拉昇DAU手段的分析目標,不是找一個手段,而是找低成本的手段。誰都知道,只要肯往死裏打折,只要肯送0.99元一箱的雞蛋,用戶肯定活躍,還會呼朋引伴的過來活躍。

數據分析的價值,在於在盲目推廣中,找到更多剛性需求,從而降低成本,用更貼近用戶需求的方法保持活躍。

只不過這樣做,需要商品/活躍/優惠/內容/用戶等方面,大量的基礎數據建設。從基礎的標簽建設開始,到分版本測試信息推送效果,都需要一步步積累。指望一次分析報告整出來,肯定不太現實。

這裏肯定有同學會問:那標簽庫要怎麼建設,才能支持這些長期工作?有興趣的話,本文攢够60在看,我們下一篇分享,敬請期待哦。

精彩原創:

DAU分析也是一個系統的工作,每一步每種業務都有其特殊性,學習陳老師的《業務知識一站通》視頻課程,可以幫到你。學習課程可以加入學員群,添加陳老師本人微信,和陳老師一對一溝通你的項目哦。

b0aed30a63778273c5f7e62ff79bb484.png

《業務知識一站通》

長按掃描二維碼
了解陳老師的視頻課程

還可加入學員群

享受陳老師一對一諮詢服務

9ab84fd149a07c7969f74292e1ad4259.gif

點擊“閱讀原文”試聽視頻課程

版權聲明
本文為[接地氣的陳老師]所創,轉載請帶上原文鏈接,感謝
https://cht.chowdera.com/2022/01/202201280354502705.html

隨機推薦