怎麼看留存率？ 留存率的白話解釋 定義與量測用戶留存 留存率的趨勢判讀 改善留存率 - 行為分群

1. App 的隱形殺手 - 留存率
成也留存，敗也留存
Jason | 20160922
1

2. 今天要跟大家分享...
● 留存率的白話解釋
● 定義與量測用戶留存
● 留存率的趨勢判讀
● 改善留存率 - 行為分群
Jason 目前服務於 KKTV
參與過 WhatsTheNumber / ParrotTalks / KKTV
（非常偶爾幫朋友看App 數據，大概幫忙看過2~3 個 App）
2

3. 留存率的白話解釋
01
3

4. 狀況 1
狀況 2
我要選哪一個？？
如果我開了一間餐廳...
4
每個月能吸引 1000 位新客人 相當於每天 40 人，工作 25 天
熟客回頭比率 60% 假設固定
每個月能吸引 1500 位新客人 相當於每天 60 人，工作 25 天
熟客回頭比率 40% 假設固定（本月用餐，下個月願意再回來）

5. 狀況 1
狀況 2
3 個月後...
5
每個月能吸引 1000 位新客人 相當於每天 40 人，工作 25 天
熟客回頭比率 60% 假設固定，本月用餐，下個月願意再回來
當月食客總數 1,960 人 一開始比較低
每個月能吸引 1500 位新客人 相當於每天 60 人，工作 25 天
熟客回頭比率 40% 假設固定，本月用餐，下個月願意再回來
當月食客總數 2,340 人

6. 狀況 1
狀況 2
8 個月後...
6
每個月能吸引 1000 位新客人 相當於每天 40 人，工作 25 天
熟客回頭比率 60% 假設固定，本月用餐，下個月願意再回來
當月食客總數 2,458 人 逐漸追上
每個月能吸引 1500 位新客人 相當於每天 60 人，工作 25 天
熟客回頭比率 40% 假設固定，本月用餐，下個月願意再回來
當月食客總數 2,498 人

7. 狀況 1
狀況 2
12 個月後...
7
每個月能吸引 1000 位新客人 相當於每天 40 人，工作 25 天
熟客回頭比率 60% 假設固定，本月用餐，下個月願意再回來
當月食客總數 2,495 人 幾乎沒有增加
每個月能吸引 1500 位新客人 相當於每天 60 人，工作 25 天
熟客回頭比率 40% 假設固定，本月用餐，下個月願意再回來
當月食客總數 2,500 人 幾乎沒有增加

8. ● 兩個狀況都不好 => 最終沒有任何食客，每個月穩定地來吃飯
8
如果我開了一間餐廳...

9. ● 初次來店 4 個月後，還有 2.5% 的食客，每個月來吃飯
9
理想情況

10. 以餐廳來比喻
● 食客初次來店之後
● 前 X 個月，有 A% 的人願意再回來
（ X = 0, 1, 2, 3… ）
● Y 個月後，有 B% 人穩定回來
（Y >= X ）
最重要前提：穩定回來
有一批忠實顧客，定期回來吃飯
前提滿足後，我們希望：
● X 和 Y 越小越好
● A 和 B 越大越好
10
留存率
Y
B
X1
X2
A1
A2

11. 定義與量測
用戶留存
02
11

12. 這些算是留存嗎？
● 訂位，最後爽約
● 入座點餐，等太久，結果中離
● 客人路過，進來打屁、聊天、抬槓
開餐廳就是要客人「吃喝」，然後「付錢」
有吃有喝有付錢，才算留存
以餐廳來比喻
● 食客初次來店之後
● 前 X 個月，有 A% 的人願意再回來吃喝付錢
● Y 個月後，有 B% 人穩定回來吃喝付錢
12
如果我開了一間餐廳...定義留存率

13. 定義留存率：反問自己
● 我希望用戶上來服務，做什麼事情？
● 用戶上來服務，獲得什麼價值？
量測 App 留存率：仰賴事件追蹤 event tracking
● 註冊後，量測用戶「享受價值」的事件
● 註冊後，量測用戶「創造價值」的事件
舉例：
● KKTV：「播放」影片（享受）
● Instagram：「成功上傳」內容（創造），或「和內容互動」或「和朋友互動」（享受）
KKTV 的留存率：註冊後 X 個月，有 A% 的人願意穩定回來播影片
13
量測留存率

14. 定義留存率：反問自己
● 我希望用戶上來服務，做什麼事情？
● 用戶上來服務，獲得什麼價值？
● 我覺得理想上，用戶「多久回來」一次？
量測 App 留存率：仰賴事件追蹤event tracking
● 註冊後，量測用戶「享受價值」的事件
● 註冊後，量測用戶「創造價值」的事件
● 量測不同的時間長度：「天留存」、「週留存」、「月留存」、「自訂期間留存」
14
量測留存率

15. 留存率的趨勢判讀
03
15

16. ● 頭幾期的留存：有沒有給用戶好的「第一印象」？
● 同期來源分群：有沒有抓到對的人？哪個管道的效率或品質較好？ （Attribution）
因為相同時間，產品/服務的功能、狀態相同，所以可以用來比較用戶渠道
看每一行 Row：依照初次入座的時間分群，看單群的留存情況
16
KKTV 的例子：上新劇、提升 產品穩定性
數位廣告 vs 其他管道

17. 看每一欄 Column：長期下來，留存率的變化？
17
● 服務長期的表現：有沒有更能留住用戶？第一印象有沒有改善？
● 跨期來源分群：不同的行銷策略、行銷活動，成果如何？
相同渠道，跨不同時間，用了不同的行銷策略，差異在哪？
KKTV 的例子：上新劇、更新 產品說明、更新推播機制、更新廣告素材

18. 看對角線 Diagonal ：影響所有用戶的事件
18
● 服務穩定的表現：有沒有發生大規模故障？
● 用戶經營的成效：跟現有用戶群互動，保持溝通？
KKTV 的例子：後台故障、跟播劇上架、廣播推播
對角線是同一天

19. ● n：期數
第 “2” 個月則 n = 2
● Rn
：第 N 期留存
● R1
：第 1 期留存
● d：衰減係數
把曲線分階段觀測
Retention 是長期觀測，所以要等幾週、幾個月，才知道改善效果？其實不用，可以快速反應
● 特性一：提高第 1 天/週、第 2 天/週留存，整條留存曲線會一起上升
● 特性二：Daily 和 Weekly 和 Monthly 的留存曲線，其實非常相似
○ 前提：理想使用週期是「每週到每月」
○ 相似的定義：前三個點的位置很接近，下滑的趨勢（形狀）很接近（用 Rn
= R1
(n)d
估算）
○ 參考資料：[干货烧脑]如何预测一个互联网产品的未来—一套关于产品的数学模型
19
幾個有趣的特性

20. 改善留存率 - 行為分群
04
20

21. 行為分群
21
簡單來說：
● 依照用戶「執行過什麼 App 內事件」來分群
● 依照用戶「遭遇過什麼事件」來分群
因為我想知道，下列用戶，誰有較高留存率？（以 KKTV 為例）
● 執行過什麼事件：
○ 「註冊後 24hr 內，沒有播放」 vs 「在 24hr 內有播放」
○ 「沒使用過某個功能」 vs 「使用過」 vs 「使用過幾次」
● 遭遇過什麼事件：
○ 「沒收過某個推播」 vs 「收過某個推播」 vs 「收過且點開」
分析比較後，若發現「做過/遇過某個事件」有較高留存 => 設計實驗，嘗試證明因果關係

22. 22
用 Amplitude 做 Behavioral Cohort Analysis
KKTV 的例子：註冊後 24hr 內，播放影片

23. 已知「註冊後 24hr 內有播放」的用戶，之後更願意回來，繼續播放
但是：
● 因為「註冊後 24hr 內有播放」，所以穩定回來？
● 因為「抓對了用戶」，所以「願意 24hr 內播放」，所以穩定回來？
經驗是：
● 通常兩種情形都有，只是看那一個份量比較重
● 看那一個「交給誰更容易達成」：
○ 產品中容易設計「讓用戶 24hr 內找到想看內容」的流程？
○ 行銷上容易找到「已經知道要看什麼」的用戶？
23
為什麼要設計實驗？

24. 24
● Lecture 6: Growth - How to Start a Startup - Sam Altman
● Lean Analytics
● How to Measure User Retention and Track Improvement
● 你能找到的最深入的留存分析文章：留存、增长、Magic Number（其實模仿 Amplitude？）
● [干货烧脑]如何预测一个互联网产品的未来—一套关于产品的数学模型
● New data shows losing 80% of mobile users is normal, and why the best apps do better
● Amplitude, Segment.io, Flurry 的部落格
● Brian Balfour's Coelevate
玩玩 Amplitude
● Amplitude Demo
建議的閱讀

25. THANK YOU
25