第四章 · 用户激活与留存

• 1: 用户激活和留存的必要性
• 2: 4.2 解密让用户上瘾的【Hook】模型
• 3: 4.3 为用户创造【惊喜时刻】的秘诀
• 4: 4.4 产品的功能留存分析举隅
• 5: 4.5 如何通过内容运营提升用户的留存
• 6: 4.6 搭建用户流失预警机制

1 - 用户激活和留存的必要性

注册用户与活跃用户：共享单车坟场的启示

本章主题是用户的激活与留存。作者写作本章时，恰好在微博上看到一张很有喜感的组图：厦门一块七千平方米的户外场地上，集中堆放了超过八万辆各品牌共享单车，场景非常震撼，场地被网友戏称为**“共享单车坟场”。图中除了堆积如山的废弃单车，还有一位悠闲骑着 ofo 飘然而过的小哥格外显眼。有人转发时给它起标题叫“注册用户与活跃用户”**——很形象，也正好契合本章内容。

这张图反映了不少产品的现状：注册用户量看起来庞大，但真正在实际使用、长期使用的人可能为数很少；更多看似庞大的注册用户只是虚荣指标，实际都是死账户，就像废弃的共享单车一样并没有真正被使用。这很残酷，却是绝大多数产品普遍存在的客观事实。

漏水的桶：激活与留存为何必要

这种现状就像拿一个漏水的桶接水：产品本身错漏百出或不够吸引，兜不住用户；一边用增长黑客手段配合各种渠道推广往桶里注水（新用户不断进来），桶一边漏水（老用户不断流失），最终什么都剩不下。

因此，用户激活和留存极具必要性：新用户如果无法被激活、无法留存，产品迟早被弃用；而且，仅有快速的用户量增长，并不是真正意义上的增长。回顾前文的 AARRR 流量漏斗模型，增长涵盖很多方面，新增用户只是第一个环节——Acquisition（获客），激活、留存同样是增长的重要方面。

数据现状：App 在三个月内失去 95% 的日活

很多做产品的人会自问：为什么产品火不起来？有人陷入误区，以为不断给产品添加新功能，用户就会喜欢上它。但前 Uber 增长部门负责人 Andrew Chen 认为，不断累加功能没什么用，问题的根源在于大部分产品的留存做得非常糟糕。

为印证观点，他曾联合移动智能公司 Quettra 做过一项调查，结果令人震惊：安卓 App 平均会在三天内失去将近 80% 的 DAU（日活跃用户），三十天内失去 90%，九十天（三个月）内失去的 DAU 比例竟高达 95%——短短几个月，一款 App 就会失去几乎所有用户、结束生命周期。他们总共调查了 Google Play 应用商店的一百五十万个 App，最后发现只有几千个维持着有效流量。

从数据图看（Y 轴为活跃用户比例，X 轴为安装后天数），安装后一到三天活跃用户就急速下降，曲线十分陡峭——花费大量预算和精力获取的用户早早逃走，无法带来实际收益。回想普通用户的安装习惯也不难理解：多数人会安装很多 App，三到七天内就判断哪些不好用并停止使用；而足够有用、撑过七天考验周期的 App，用户流失率会大大降低。其他产品也遵循类似规律，所以必须在很短时间内激活用户兴趣，让用户留下来。

一笔账：留存如何让产品扭亏为盈

也许有人会问：留存这么难做，干脆放弃它，把精力全放到新用户获取上，只要新用户增长比流失快，不就能保持长期净增长了吗？

首先，市场容量有限，不可能无限获取新用户，存在天花板。其次，留存做好了能带来实实在在的利润：根据哈佛商学院的调查，客户留存率每上升 5%，公司盈利可提高 25% 到 95%。换句话说，烧钱是为了拉新，做留存则是帮公司赚钱。

再算一笔简单的账：在百度投放 PPC 广告，成本 10 元/人，获得 100 个访客；一个访客注册并留存下来，能带来 20 元收入。

• 若留存率 50%：净利润 = 50% × 100 × 20 − 100 × 10 = 0，白忙活一场，还搭上人工时间。
• 若留存率提升 25%（从 50% 到 60%，看起来不难）：净利润 = 60% × 100 × 20 − 1000 = 200 元，净赚两百。

这笔简单的账带来的启发是：设法优化用户留存，能让产品扭亏为盈。后续章节会展开：提升这 25% 没那么难，很可能改几句文案就能做到；而提高变现能力或减少获客成本都比较困难，尤其是前者。因此把重心放在提高留存上，效果反而更好。

活跃、留存与流失的关系

要做好留存，必须理解活跃和留存这两个概念的关系。新用户来到产品后，首先要经历被激活的过程——发现产品的使用价值、产生兴趣；接着探索产品的核心功能、做出关键行为，转变为活跃用户；最后持续回访和使用，就是留存。

注意：用户被激活不一定能达到最终留存（可能只用了一次），但留存的用户一定经历了整个过程。激活流程一般用来提高活跃度，活跃度越高越倾向于留存。另一方面，用户流失是自然趋势，对产品不加干预，最终用户必然全部流失；活跃度下降是用户流失的先兆指标。相对于留存，活跃度具有可干预性和预测力，所以只有促活才能防止流失。

再看几个概念的定义与用途：

• 留存用户：经过一段时间后，留存下来、经常回访产品的用户。
• 活跃用户：一段时间内对某个产品有过任意行为（访问网站、打开 App 等）的用户，用于衡量产品的运营现状。
• 流失用户：曾经访问过网站或注册过 App，但因渐渐失去兴趣而远离产品、最终流失的用户，用于分析产品是否存在被淘汰的风险、是否有能力留住用户。

通过一些激活手段，还可以让流失用户复活，再转化为活跃用户。

用同期群分析衡量留存

做留存分析一般用同期群分析（Cohort Analysis）。作者的好友、著名投资人、“42章经"创始人曲凯提供过一种比较简洁的思路：

• 第一列是自然月份。按月排是因为投资人一般以月为单位看数据；创业公司内部则建议多按周监测。
• 第二列是对应每个自然月的新增用户数。
• 右侧表格显示当月新增用户在后续每个月的留存情况。例如一月份新增 80 个用户，当月流失 2 个、剩 78 个；二月份又流失 3 个、剩 75 个，以此类推。三月份的总下单用户数 261，就是由一月新增剩下的 72 个、二月新增剩下的 86 个、三月刚新增的 103 个组成的。
• 下一张图是根据留存数据计算的留存率，并把表格左右倒置，时间从"一月、二月、三月"改为"0、1、2”：前者是自然月，后者表示间隔的月份——0 代表用户当月进来，1 代表间隔一个月之后，以此类推。

如何通过这两张表看产品的表现？

1. 横向比较：看每月新增用户在后续各个月的留存情况。
2. 纵向比较：看不同月份新增的用户，分别在当月、下个月、下下个月的留存表现。

好产品应该呈现的趋势：

• 横向的留存数据，最终会在某个月份之后稳定在一个固定的留存率上。 比如某月获取 100 个用户，半年后每月留存率都稳定在 60% 左右，说明这批用户稳定留存下来了。反之，留存率一直下降——哪怕很慢——也会在某个月份归零：不管新增多少用户，最终一个都剩不下来，说明产品做得并不成功。
• 纵向的留存数据，应该越来越好。 公司和创始团队应根据历史情况不断改进产品和体验，越后加入的用户越能享受更好的产品和服务，后续新增用户的留存率应该越来越高。

对比这两张表的数据，就能看出公司的产品表现是否足够好。

2 - 4.2 解密让用户上瘾的【Hook】模型

一、用户激活与 Hook 模型概览

怎样让用户留存下来、反复不停地使用产品？这其实就是让用户真正对产品上瘾。

《增长黑客》一书中曾提到：通过拉新获取的用户，需要引导其完成某些指定动作，才能成长为长期活跃的忠实用户，这个过程叫做新用户激活，这个指定动作就是用户激活的目标。激活目标的本质，是让用户体会到产品的核心价值，并产生重复使用产品的动力，也就是对产品上瘾。

产品经理大多有这样的体会：新用户来到网站或 App 后，大部分很快流失，只有很少的用户会重复使用并成为忠实用户，甚至最终用真金白银为产品创造价值；还有一些优质用户会把产品推荐给其他新用户。做新用户激活，就是努力把前一种用户变成后一种——能反复使用产品、变得更忠诚，并产生现金价值和推荐。

怎样让用户真正迷上产品？作者尼尔·埃亚勒写过一本很有名的书——《上瘾：让用户养成使用习惯的四大产品逻辑》，书中提出了 Hook 模型。它分为四个阶段，是一个四步走的循环，四个要素分别是：

• Trigger（触发机制）
• Action（行动）
• Reward（奖励）
• Investment（投资/投入）

二、触发（Trigger）：引导用户进入循环

必须先引导用户进入 Hook 循环，后续环节的威力才能发挥。触发机制分为外部机制和内部机制。

外部触发由产品主导、用户被动接收，例如推送提醒、通知、宣传文案、邮件提醒、打卡推荐等。用户原本没有意识到自己有需求，而在外部环境影响下发现了需求，这就是外部触发。具体例子包括：

• 使用产品时突然弹出的浮层提示，告诉用户该做什么；
• 访问网站时硕大的"点击下载"按钮（CTA，Call to Action），本身是很强烈的视觉引导；
• 产品时不时发来邮件告知新动态，或 App 突然收到推送；
• 应用商店推荐有意思的 App；
• 产品找来权威大咖背书，代言人本身很有影响力、深受用户青睐。

内部触发由用户自己主导，往往源于用户主动的需求，比如情绪、习惯、使用场景等。如果用户有急需发泄的欲望，而产品正好能迎合，这时用户就会真正被触发来使用产品。例如：

• 情绪：看到很美好的事物、很美好的画面时情绪非常舒服，就很想掏出手机拍个照；
• 习惯：每天中午一到十二点不知道吃什么，直接掏出外卖软件下单，而不是出去排队买午饭——一到这个时间点就想做这件事；
• 场景：特定场合下会想做某些事，比如作者录制视频课程时，就会打开电脑、立即点开录屏软件，由它记录屏幕和声音，正好符合录课场景的需求；
• 地点：到了特定地理位置会触发行为，比如用手机订电影票的人，走进电影院验票、取票时还会打开那个 App；
• 人的因素：每个人出于自身的各种情况，都有一些特定的被触发的可能性。

Instagram 的触发机制设计。 Instagram 刚上线时，Facebook、Twitter 等社交平台虽然能让用户方便地上传图片和视频，却缺少美化功能。Instagram 抓住机会开发了第三方发布功能——用 Instagram 美化图片后可以直接发布到 Facebook 等平台。于是用户经常在 feed 流里看到来自 Instagram 的精美特效图片，大量用户把持不住，纷纷跟风下载。此外，Instagram 自身的推送系统也不断提醒用户使用：推送时图标上的红色数字、乃至 App 图标本身，都成了触发用户点开的机制。内部触发方面，Instagram 说到底是社交平台而不单纯是 P 图工具，因此迎合了大量用户心理：无聊的时候喜欢到处浏览；孤独的时候想看五彩斑斓的世界；害怕失去某些十分美好的时刻——它可以帮用户记录下来，还能获得一堆人的羡慕和称赞；害怕自己落伍、过时——它显示当下热点，让用户一直走在潮流的最前线。这些都成了用户想打开 Instagram 的内部触发机制。

三、行动（Action）：把行动障碍降到最低

通过内外部动机触发用户下载产品之后，并不代表用户一定会去用，可能只是一时冲动。Hook 模型的第二阶段要引导用户采取行动（Action）。这里对行动的定义是对产品核心功能的使用，即有预期的操作行为——只有使用过这些功能，用户才有机会感受产品带给他的价值。从这个步骤开始，新用户才可能变成活跃用户。

人是一种很奇怪的生物：想得很多，却懒得去做。必须把握这种心理，把行动的障碍降到最低，让"能做的"大于"想做的"。比如用户无聊时想打发时间，发现 Instagram 上只要动动手指就有丰富多彩的好友动态可看，就非常乐意完成"浏览"这个核心行为；再比如用户在 Facebook 上不断刷新、点击 feed 流中的某个链接或缩略图时，带着一个预期——看到有意思的内容，比如完整的视频或 BuzzFeed 式的趣味图文。这就要求产品设计者思考如何驱动用户行动，即考虑产品设计的易用性。

关于人的行为，有一个 Fogg 模型可以更详细地阐释：图中 y 轴代表动机（人们为什么想做这件事，越往上动机越强），x 轴代表这件事的难易程度（越往右越容易做），中间的曲线勾勒出人们的行动曲线——在诱饵出现的情况下，动机强度和难度只要达到合理比例，人们就非常乐意采取行动（蓝色曲线上方的区域）。把这张图提炼出来是一个公式：B = MAT。

• B（Behavior）：行为；
• M（Motivation）：动机；
• A（Ability）：能力，即做这件事的难度；
• T（Trigger）：诱饵。

一个人是否采取行动受这三个因素制约：动机越强、难度越低、诱饵越诱人，就越愿意行动。决定动机强度和执行难度的因素有：

• 动机：一款产品若吸引人，很大程度上是迎合了用户心理、产生驱动力。产品流程设计应体现人人追寻的东西，比如快乐、被理解、被接受等；同时避免传递痛苦、恐惧、被拒绝等情绪，这样才会强化人们的动机。
• 难度：执行难度是用户留存的一大阻碍。产品使用起来非常不方便、又没有使用教程，用户会很自然地放弃——知难而退是人的天性。执行难度受以下因素影响：
  • 时间成本：用起来费时间，用户不会用；
  • 金钱成本：要花钱才能使用，对用户心理上构成障碍——这也是很多人喜欢用免费产品的原因；
  • 劳动力成本：很耗费体力、需要身体劳动，很多人不会用；
  • 思考成本：很烧脑，用户不会用；
  • 社交阻碍：用起来会被人嘲笑、或可能骚扰别人引发白眼，用户不会用；
  • 非常规行为：要做的不是正常人可能采取的行为、是很奇怪的举动，一般人就会想"这到底有什么目的和动机"，心理障碍比较大。

总结起来，在行动环节要减少一切阻力，并为用户创造更多心理驱动力。

Twitter 注册页的演进。 2009 年 Twitter 刚成立初期，注册页面非常复杂：注册、登录功能全部挤在一起，用户不知道下一步该干什么；整个页面花里胡哨，注册阻力大、展示不友好，用户注册的驱动力很弱，转化率非常低。2010 年，注册有了很好的改进：注册按钮更简洁醒目，还增加了搜索功能，用户会在好奇心驱使下搜索各种名人、名媛和新闻——这些都能直接传递 Twitter 所能带来的价值。2013 年 Twitter 已经大红大紫，又进行了一次改版优化，着重点仍是注册按钮，希望最大程度减少注册阻力：可以直接在首页着陆页输入账号密码快速完成注册，而不需要点击注册按钮再跳转到新页面。注册难度越来越低，用户第一时间产生转化的可能性就变得很高。

四、奖励（Reward）：快速反馈维持使用渴望

Hook 模型的第三个关键因素是奖励（Reward），它也是让用户上瘾的关键因素。除了产品的易用度（使用体验、响应速度）之外，一个产品若还能提供多种多样的潜在奖励来保持用户兴趣，用户使用它的渴望程度就会更强烈。

奖励机制主要体现在产品使用过程中给用户快速反馈：用户做了某个动作之后立刻得到奖励，就能最大程度、最快地获得满足感，继而提高使用粘性，并可能达到自传播的目的。因此，产品或运营团队需要设法满足用户期望性的需求、甚至兴奋性的需求，在不断优化用户体验的同时创造产品的爆点。

Pinterest 的奖励反馈。 Pinterest 最早发明了瀑布流：用户在瀑布流里不断下拉、下滑刷新时，它源源不断地展示与用户兴趣相关的图片，让人没有尽头地持续刷下去——这本身就是一种奖励的反馈。

《上瘾》的作者把奖励分成三大类：

• 社会奖励：对合作、竞争的渴望，对认同感的渴望等。产品里常见的社区积分、排行榜等，就是社会奖励的体现；
• 资源奖励：比较容易理解，即获得金钱、实物、甚至独家信息等。产品中的体现如分销机制返佣金、裂变时免费送电子版资料包等；
• 自我情绪奖励：人天生追求成就感，在坚持某件事、完成某件事、或通过学习取得新技能之后，非常渴望获得这种感觉。产品中应该给用户这种奖励来刺激成就感。最典型的是游戏：打怪升级，杀死一个 Boss 立刻掉装备、爆装备，获得经验值变得更强大——这就是自我情绪的奖励，也是游戏很吸引人的重要原因。

五、投入（Investment）：存储价值，进入下一轮循环

Hook 模型最后一个关键是 Investment（投入/投资）。它并不单纯指金钱形式的投资，范围更广泛，泛指一切能促使用户再次使用产品的投入行为，形式可能是时间、数据、精力、社会关系，当然也包括金钱。

让用户投入，是为了让用户在不知不觉中再次进入 Hook 模型的循环。当用户为产品付出了个人数据、社会成本、时间金钱精力等投入之后，这份投入会让用户出于各方面的原因更加依赖产品：比如"既然已经在这里花费了这么多"，已经构成了沉没成本，迁移到别处成本太高；或者通过不断投入产生了感情；或者产品产生了网络效应等。所以有时（正如前文案例所示），与其免费给用户一些东西，不如让用户付出一些什么——一旦付出了，用户才会更认同产品、更爱用产品。这也是有科学依据的。让用户持续投资、从而进入下一轮 Hook 循环的形式有：

• 存储价值：用户在不断使用产品的过程中，于平台上累加价值。比如听歌软件，用户在不断创建和收藏歌单，使用越多，这些歌单本身就构成其继续使用这款产品（如网易云音乐）的重要原因——不再可能转去用 QQ 音乐之类的其他产品；又如虚拟产品，玩家常玩游戏，在游戏里买了很多好看的皮肤、获得很多武器装备，让自己变得强大、在游戏里游刃有余，这时若推出一款新产品、用户在里面是一穷二白什么都没有的新手，肯定不愿意；再如粉丝，微博用得越久粉丝越多，新的社交平台出现时也不太可能跳过去——在原平台上已经有一定影响力，到别的地方另起山头就很麻烦。
• 载入下一个诱饵：在用户投资的时候，设法让其载入下一个诱饵。比如一些电商网站设置"二次充值优惠"机制：用户不断充值是一种投资，再次充值时给一些优惠，很多原本只想充值一次的"一竿子买卖"，看到二次充值有优惠，就产生了一种动机——它既是触发机制又是奖励，用户有可能再次进入新一轮 Hook 流程。
• 为用户创建偏好：用户用得越多，系统越懂用户、越理解用户，越像贴心的智能管家、仆人。如今日头条当初推的概念"你关心的才是头条"——用户用得越多，推送的与其相关的信息越多、会越来越感兴趣，转化率也越高。现在很多人工智能、机器学习的概念，也是试图通过数据、通过机器的手段了解用户，提炼哪些东西对用户真正有吸引力，从而更加了解用户，让用户在平台上持续被吸附住。

六、完整案例：Snapchat 的上瘾循环

Snapchat 是一款图片分享应用，创始人是美国的富二代埃文·斯皮格尔（Evan Spiegel），他是超模米兰达·可儿的丈夫。用户可以用 Snapchat 拍照、录制影片、写字或画画，并将这些发给应用上的好友；通过 Snapchat 发出去的内容被称为 Snaps（快照）。用户向好友发送快照时，可以设定好友访问快照的时间限制，超过时限后快照会从好友的设备和 Snapchat 服务器上彻底删除；若期间对方试图截图，用户也会得到通知——即阅后即焚模式最早的发明者。2017 年 Snapchat 上市时市值高达 240 亿美金，日活用户高达 1.7 亿，留存率非常高、粘性很大：平均每个用户每天使用 10 分钟，而拥有 Facebook 光环加持的竞争对手 Instagram 只有 6.4 分钟。

Hook 模型的作者在 2015 年发布过一个名为《The Secret Psychology of Snapchat》的 PPT，讲解 Snapchat 为什么如此流行、并能持续具备生命力。

• 触发：Snapchat 是一种制造轻松消化内容的方式，能非常容易地从手机上拍出完美的照片用于分享，有点像柯达胶卷广告中的"柯达时刻"——不管是曾经的胶片柯达还是今天的数码柯达，“柯达时刻"记录下人们那一刻的喜悦、幸福、感动、思念。Snapchat 也一样，让人们摆脱"失去美好时刻"的恐惧，把时刻记录下来分享给别人。而既然是记录美好时刻，为什么设定销毁时限、不像 QQ 相册那样永久保留？因为"拍出来的东西会消失"意味着人们可以更真实、有趣地做自己：不管拍什么，十秒钟之后就没了，无须在意拍得好不好，放开拍即可。
• 行动：一方面设法减少用户使用这款产品拍照的思想负担，让他们想拍就拍、随时掏出手机就能拍。如果说 Instagram 上的照片像婚礼上的正装出席，Snapchat 就像在朋友家里穿睡衣——无需考虑拍照水平、梳妆打扮美不美、上不上镜，完全没有 Instagram 那样的思想负担和社交障碍。另一方面，发送照片激发互惠心理：遵循互惠心理，用户收到照片后某种程度上会觉得有责任回送点什么礼物；因为照片会消失，必须立刻回复。如此往复、有来有回，用户就玩得不亦乐乎。同时，虽然 Snapchat 给了用户充足的驱动力，但若操作流程阻力太大用户依旧不会买账，因此它极大简化了拍照动作：打开 App 首页马上就能点击拍照，而 Facebook 等其他社交平台的首页都是信息流，阻碍了用户想完成动作的第一时间冲动。另外，经常用 Instagram 的人有一种"不知道该选什么滤镜"的痛苦和纠结，而在 Snapchat 上完全没有——只要轻轻一划、滤镜自动匹配，减少了很多决策成本。行动的召唤因此很强，用户有意愿马上打开就用。
• 奖励：Snapchat 提供的奖励都在用户心理层面。首先，拍照环节可以充分发挥创造力，拍完用画笔、文字修改照片的过程同样有趣，有千变万化的个性化装饰可能，因此拍摄和修改照片有着难以言表的不确定性、创造性和让人吃惊的感觉。其次，官方会精选用户提交的照片、视频制作成故事（Stories 功能），让上亿用户看到，提供莫大的成就感。坦率地说，Snapchat 早期在美国年轻人群体里快速流行，也和某些特殊用法有关：一些少男少女仗着阅后即焚，大胆给对方发送很裸露、性感的照片，这种荷尔蒙诱使下产生的精神兴奋，对他们也是一种奖励形式，刺激他们在上面花费大量时间。
• 投入：用户花费时间和精力摆各种造型、拍照、修图，这就是在 Snapchat 上的投入。但它不像其他社交平台那样保留图片，用户的价值如何被存储？答案是：当用户把照片发送给朋友时，收到的回复就是价值所在——此时下一轮新的 Trigger 被触发：对方回复了照片、用户收到新的通知，激发互惠机制，再回复过去。上瘾的 Hook 模型就这样持续不断地循环，让用户和好友玩得不亦乐乎。

最后回顾 Hook 模型的四大要素：第一，Trigger 触发机制；第二，Action 行动；第三，Reward 奖励；第四，Investment 投资。

3 - 4.3 为用户创造【惊喜时刻】的秘诀

一、用户为什么离开：HubSpot 的调研

宣传自己的产品时，偶尔会看到有人吹得天花乱坠。但不管怎么吹，大部分理智的用户还是倾向于眼见为实，不会轻易被广告词蛊惑。美国科技公司 HubSpot 曾做过一项用户调研，研究用户为什么离开、不再使用产品，结果道出了一个非常残酷的现实：

• 30% 的人因为没有感受到产品的价值而离开；
• 30% 的人因为不知道怎么操作而离开；
• 少部分（10%）的人因为使用中有失败的体验而离开；
• 剩下不到 30% 的人，出于产品兼容性差、或有了更好的竞争对手等原因离开。

其中总共有 60% 的人，是因为用了产品却不知道怎么操作、或不知道产品的实际价值在哪而选择离开。这说明产品没有让用户知道应该怎样正确使用产品、从而得到所期望的价值——这就涉及客户的期望管理以及产品价值如何凸显的问题。

二、什么是 Aha Moment

做产品时常见一个词：惊喜时刻（Aha Moment）。词典里对它的解释是：思考过程中一种特殊的愉悦体验——经历 Aha Moment 时，会对之前不明朗的某个局面产生更深入的认识。现在它常用来表示某个问题的解决方案突然明朗化、豁然开朗的时刻。

最经典的例子是阿基米德：他在浴缸里洗澡时看到水位的变化，理解并想出了浮力定律，困扰多年的问题最终被解决。他非常激动，光着身子跳出浴缸，大喊了一声 “Eureka”（希腊语"发现了"）。人们往往把这样的体验称为 Aha Moment。

一个产品的 Aha Moment 不会这么夸张，但一定会让用户有意外的惊喜，最好能让用户心里想着：“哇，原来还有这样的功能，太好用了。“用户感知到这个点之后，就会更认同产品，也更容易被激活与留存。

从产品体验角度，它还有另一个说法叫 Magic Moment，指用户使用产品中的”爽点"。从产品优化方向来说，它相当于有价值的用户行为——这些行为将决定用户是继续使用产品、还是选择竞争对手，对用户留存及产品稳步增长有决定性影响。普通用户在使用过程中通过哪些行为留存下来、成为优质用户，是无法准确预知的；但一旦设法找到这些行为，它就可以成为实现产品增长的秘密武器。即使再优秀的产品，也会在发展方向中经历迷失或反复挫折，如果在这个阶段没有及时找到正确方向引导用户，产品的留存和增长就很难实现。

需要注意的是，Aha Moment 不一定字面上指某一个时刻，而可能是一个关键行为节点——用户执行了某个功能、甚至细化到点击了某个按钮。以是否使用该功能为界，就可以区分用户是否发现了产品的价值：发现的人会留存，反之就会流失。需要做的，就是找到那些可以让用户被激活、留存下来的共性动作；或者反过来说，多数流失的用户都不会采取的动作。

三、如何判断：维恩图与知名产品的 Aha Moment

通过三张维恩图可以理解判断方法：图中青色代表留存用户人群，红色代表采取了某个特定动作的人群。

• 左上角的图：很多用户会发 8 条消息，更多用户会留存，但留存用户与"发 8 条消息"的用户之间交集很小——无法判断发 8 条消息是不是让用户留下来的关键动作、关键功能；
• 左下角的图：大多数用户会发 1 条消息，这个行为能覆盖大部分留下来的用户——但"发一条消息"可能只是用户普遍会采取的共性，与是否留存没有太大关联，不能轻易下结论；
• 右边的图：留存用户与采取某个动作的用户有相当一部分交集，交集之外各自的份额都比较小——说明这个动作与留存有极大的关联性，其他因素的影响占比较低。这个较大交集所代表的用户行为，就是用户达到 Aha Moment 的行为：当用户执行这个行为时，他就达到了 Aha Moment。

一些世界知名产品的 Aha Moment：

• Slack（办公协同软件）：使用它的团队发送的消息超过 2000 条。一旦超过，这个团队就倾向于留下来，成为忠实用户；
• Dropbox（云端文件存储工具）：用户在一个设备的一个文件夹里存储了一个文件，就达到了它的 Aha Moment；
• Zynga（依附于 Facebook 的社交游戏平台，开心农场产品鼻祖的开发商）：用户的 Aha Moment 是注册完成后的第二天重新返回使用；
• Twitter：关注了多少用户、以及多高比例的用户回关。这个数字一直在动态变化，官方也没有公布具体数值，但由此可以大致了解它的 Aha Moment 是什么；
• Facebook：新注册用户在七天之内添加十个以上好友——也就是前文案例中"你可能感兴趣的人"功能的由来；
• LinkedIn：注册完之后的多少天之内加了多少个好友，其实跟 Facebook 很像。

总结出产品的 Aha Moment 之后，就可以采取对应的产品策略来强化用户的使用行为，帮助用户达到 Aha Moment。例如 Facebook 希望用户在一周之内添加十位好友，就在各个产品模块功能中引导用户添加好友（“你可能感兴趣的人”）；Dropbox 的 Aha Moment 是用户在设备上存放第一个文件，它就在产品当中各个地方引导新用户完成首次上传的流程。

再看两个国内产品：

• 一款照片美化产品的 Aha Moment 是用户首次利用滤镜功能完成一张照片的美化。对应的产品策略叫”滤镜体验前置"：不是拍完照片之后再选滤镜，而是在取景准备拍摄时就能体验滤镜叠加的效果，从而缩短新用户使用滤镜的路径；
• 唱歌软件唱吧的 Aha Moment 是首次唱歌之后回放被处理过的优质效果——用户唱完之后一听，“哇，我唱的歌这么好听”，甚至可能比真人唱得更好听（经过了特殊处理），顿时觉得自己简直是一代歌神，也就感受到了产品价值。对应策略就是赶紧引导用户唱一首歌，唱完之后回放听一听。

四、在自己产品中寻找：行为相关性分析

在自己的产品中找 Aha Moment，说简单也简单、说难也很难，可以归结为几步：

• 先想产品的核心功能是什么。 很多时候核心功能就代表了产品希望用户采取的关键操作：视频网站的核心功能是让用户看视频，最核心的操作就是播放视频，这也是用户最容易感到产品价值的点；社交软件是用户互加好友、发消息产生聊天；电商网站很自然就是产生交易、买到心仪的商品。可以根据产品不同的业务形态、通过什么功能模块对用户和商业产生价值来判断。
• 承认例外。 有些产品的 Aha Moment 可能与核心功能没有太直接的关系，可能是一个边边角角、不太引人注意的功能，但它吸引了用户不断回来使用。这时就要去找究竟是什么样的行为促使用户愿意留下来。
• 做取舍。 找到一些用户愿意因此留下来的功能后，思考在有限的预算框架和时间节点之内，哪一项功能能让用户更快速、更低成本地感受到产品价值，把重心放在优化、突出、强化这个功能上。
• 用实验和数据验证猜测，把它提炼成一种产品功能——这就是增长黑客的精神。

用 Excel 做相关性分析

下面通过一个具体的操作案例，看怎样通过数据找到产品功能与激活、留存的相关性。用到的工具是 Excel，其中有一个相关性分析工具，能非常方便地分析某个产品行为动作与最终留存之间的关联度。

先用一个现实生活中的简单案例（暂不涉及产品数据）。小麦这种农作物包含不同的性状——由于植物基因不同，会演化出很多不同的特征。假设有九株不同的小麦，按顺序编号 A1 到 A9；小麦有很多性状，这里选出六种：冬季分蘖、株高、每穗粒数、千粒重、抽穗期、成熟期（具体含义不必深究，知道是小麦的不同性状即可）。不同性状之间是否存在关系——是不是有些性状同时出现、有些此消彼长——就可以通过 Excel 的相关性来验证。

操作步骤（以 Mac 版为例，Windows 版原理如出一辙；Excel 的基础操作不在此展开，感兴趣可上网搜索相关教程，很快就能学会）：

1. 先加载数据分析模块：菜单"工具 → Excel 加载项"，勾选分析工具库（Windows 里也需要加载分析工具库）；
2. 加载完成后，"数据“标签下会多出一个”数据分析“功能模块（不加载就不会出现）；
3. 点击数据分析工具，选择”相关系数"，点击确定；
4. 选择输入区域，即要分析的数据（准备好的小麦数据），分组方式选择"逐行"——比较不同行之间的相关性；
5. 指定输出区域（为了便于展示，直接选当前表格里任意一个位置），点击确定。

Excel 呈现出结果：这张表体现不同行之间的相关性。相关系数的取值范围是 -1 到 1：-1 最小、1 最大；1 代表完全正相关，-1 代表完全负相关（行一与行一的相关性是 1，因为一模一样）；处于其间的数值代表存在一定的相关性。看表格中相关性较高的：-0.8965，即行一与行三——行一是冬季分蘖、行三是每穗粒数，可以看到冬季分蘖越小、每穗粒数越大，冬季分蘖变大、每穗粒数变小，这就是负相关（“一个大另一个就小”）。而对比行一与行六（相关系数 -0.32），既不是同涨同落，也不是一增一减，就没有太大相关性。这个工具可以帮我们发现不同性状（不同 feature）之间是否存在一定的相关性。

应用到产品数据

同样的方法用到产品数据上。假设一款产品共有九个不同的用户，列举他们的一些行为：第一个行为是当月登录次数（可以理解为统计产品活跃度或留存率的指标）；剩下要做的，是把其他猜测与该指标有关联的行为与它做相关性系数分析。这里列举猜测相关的动作：签到天数、加好友数量、播放视频数、发表评论数、点赞数。

仍用上述方法：选中所有的数值区域，在数据中选择数据分析，进行相关系数分析（选定区域不变），分组方式仍是逐行，指定输出区域，点击确定。看结果：

• 相关系数最高的是行一与行三，即当月登录次数与加好友数量——跟 Facebook 的案例一样，登录次数和加好友数量存在相当高的正相关：登录次数越多、加好友数量越多；反过来理解，加越多好友也预示着会有更多登录次数；
• 其次是 0.8304（行一与行二），即每月登录次数与签到天数：用户登录得多、签到就多；反过来，有些用户为了签到不停使用签到功能，对应也会频繁登录。因此可以考虑在产品中强化签到功能，通过更好的引导或签到奖励刺激用户经常来签到，以此带动日常使用；
• 再往下是 0.8（行一与行四），即登录次数与播放视频数：用户登录得多、看视频也多；反过来，如果能给用户推更多视频、让用户更多消费视频，很多用户会因此更多使用产品；
• 后面是 0.7、0.4；最低的是行一与行六，即登录次数与点赞数——用户登录多少次和点赞数没有太大关联性，不需要去优化点赞功能。

通过这张表，筛选出最适合的三个功能就是行二、三、四，即签到天数、加好友数量、播放视频数。接下来从产品开发的角度考虑哪个开发成本最小：如果觉得签到天数最容易优化（签到完给一个反馈、发一点积分），就优先强化这个功能；觉得加好友数量比较容易实现，就设计一些邀请用户加更多好友的模块；觉得播放视频对产品实现来说最简单，就尽可能多给用户推视频。当然，这一切都是基于数据得到的猜测，最终还是要靠上线的实验数据来验证假设。

如果觉得麻烦、自己导出数据不方便，希望采用现成工具，国内也有厂商提供这样的服务，比如数据分析服务 GrowingIO，它有一个"留存魔法师“功能模块，能很智能地指出哪些功能或哪些动作对产品留存率有最高的相关性，值得一试。

五、完整案例：Pinterest 的激活优化

Pinterest 是一个以兴趣为基础的图片社交社区，也是瀑布流产品形态的首创者。在硅谷，Pinterest 一直走在增长的前沿，用了很多数据分析工具和先进手段来分享增长理念。截至本文撰写时，它的月活用户已将近 2 亿。

Pinterest 做用户激活工作时，第一件事就是选择什么功能作为激活用户的功能模块和激活目标。在这个过程中，他们问了自己三个问题：

1. Pinterest 的核心功能是什么？
2. 什么能让用户留在 Pinterest 上使用得更多、更久？
3. 到底哪些功能可以迅速反映出 Pinterest 的价值？

经过反复筛选，他们选择了一个功能：Pin It 按钮（注意：这个按钮原名 Pin It，后来通过数据分析调查发现改叫 Save——保存——更容易理解，现在 Pinterest 网站上已完全改叫 Save；以下案例中说的都是当年的 Pin It 按钮）。这个按钮实际上就是收藏功能，点击之后可以将图片收藏到自己的图片画板里。Pinterest 认为 Pin It 按钮是最适合的激活目标，理由有四：

• 曝光率和使用率都很高：按钮展现在每一张照片的最顶端，属于最核心的功能，是 Pinterest 最希望用户使用的功能；
• 操作熟悉、学习成本非常低：用户只要点一下就可以完成后续操作；
• 经过数据验证：凡是用 Pin It 收藏过图片的新用户，最后都留存了下来——即前文所说的相关性分析，发现点这个按钮与最后留存的相关性非常高；
• 是转化路径的顶端：只有收藏了照片，才能创建属于自己的收藏夹、才能分享给好友等等。它是起始动作，是很多其他功能的入口。

Pinterest 如何激活用户、让人更多使用这个功能？它发现很多新用户都来自搜索引擎，而搜索引擎来的用户目的性很明确，就是着陆页面上那张明确的图片。为了让从搜索引擎来的站外用户不只收藏他搜索时想得到的那张图、更多去收藏其他图片，Pinterest 的想法是尽可能多推荐相关图片，随后进行了一系列版本迭代：

• 图一：原本复仇者联盟的照片是用户搜索得来的，主图很大；优化后在右边增加了一组推荐其他相关照片的图片。上线后数据分析发现，激活新用户的转化率很低——分析可能是因为页面功能太分散，也可能是相关图片太小、不显眼，无法获得用户注意；
• 图二：很快进行了新一次版本迭代，但很遗憾，激活转化率仍然没有起色。据此 Pinterest 分析，可能是推荐的 pin 图片尺寸太小，于是假设：把推荐图片变大一点，会不会提升激活率？
• 图三：相关推荐图片不仅出现在主图上方，尺寸也变大了一些。实验结果显示，激活转化率的确开始有所提升；
• 图四：Pinterest 由此得到启发——pin 图片尺寸大一点、展示得更正式大气一点，不要"畏畏缩缩"藏在一边，效果可能更好。于是把相关推荐图片从主图上方挪到主图右方，给了更大的屏幕占比，更好地凸显出来。这个版本上线后，激活转化率又有了一些提升。

通过这几个实验迭代可以分析出：点击推荐 pin 图的群体，更容易在注册后完成激活行为。基于此得出的假设是：推荐的 pin 图和主图片的差异越小，越利于提升激活转化率。于是 Pinterest 不断迭代：减小主图的大小、将主图和推荐 pin 图的风格保持一致、给推荐的相关图片更多的位置。经过多番迭代，Pinterest 的激活转化率最终提升了 25%。这家公司善于做各种各样的实验、采用各种增长手段，在这个案例之后又前后迭代了六个版本，后来在官方技术博客上公布：通过不断的实验尝试，他们最终成功将"注册并收藏"的激活转化率提升了 200%。

这就是 Pinterest 如何通过用户行为的相关性分析，找出最容易让新用户注册、激活并转化留存的功能，再围绕这个功能不断优化迭代、让它成为用户活跃度增长引擎的非常好的案例。

4 - 4.4 产品的功能留存分析举隅

一、把产品留存拆解为功能留存

一款产品的留存率很高，其实可以拆解或理解为：产品中某一项功能的留存率或使用度比较高。因为用户来使用产品，更多是围绕某一项功能；如果他为了这个功能频繁使用，功能的使用率越高，本质上就代表产品的使用率越高，二者之间可以画一个等号。本节探讨的话题就是：如何通过提升产品中某些功能模块的使用度、留存率，来提升整体产品的留存率。

先明确两个概念：

• 功能留存率：当前周期再次使用该功能的用户数 ÷ 上个周期使用该功能的用户数。这个指标表示当前功能的用户粘性。
• 使用用户占比：某周期内使用当前功能的用户量 ÷ 该周期的活跃用户总量。

二、功能留存分析矩阵

有了这两个指标，可以通过矩阵的形式分析不同功能与留存率的关系。图中 x 轴代表功能留存率（用户粘性），y 轴代表使用用户占比（反映该功能是否属于高频需求）。在这个四象限图里：

• 右上角象限（功能一、功能二）：最理想。使用频率更高，留存率也很高；
• 第三象限（功能五）：最差。功能留存率很低、活跃用户占比也很低，可以考虑把这个功能去掉；
• 功能四：使用频率很高，但用户很少重复使用，说明这个功能本身可能很吸引人，但实用性有待提高；
• 功能三：留存率很高，但活跃率太低，说明这可能是一个小众需求，应适当减少精力投入，把精力更多放在拓展相对高频、大众的需求上。

优化产品的目的，归根结底就是促使各个象限中的功能尽量移到右上角，达到最完美的 PMF 状态。

三、案例背景：社区电商的三大功能

以一个社区电商产品为例。这款产品包含三个核心功能：电商功能、UGC 内容的生产、UGC 内容的消费。围绕这款产品调研三个最重要的功能模块——电商、UGC 消费、UGC 生产，用前面的矩阵分析法把它们规划到不同的象限：

• UGC 消费：用户活跃占比比较高（总体超过 70%），但功能留存率比较低，落在第二象限；
• 电商功能：整体留存率看起来很高，但活跃用户占比很低，落在第四象限；
• UGC 生产：相对处在比较安全、适当的第一象限，可以不多管。

重点就是提升 UGC 消费和电商这两个功能的使用活跃率和留存率。

四、优化 UGC 消费：从第二象限到第一象限

先分析 UGC 消费功能模块的问题。剖析下来发现，它整体功能留存率比较低，而两个最大的流量入口是首页推荐和用户搜索，这两个流量入口的整体留存率本身就很低。进一步深入调查后得出两个猜测：

• 首页推荐中被重点主打的"今日推荐“栏目，更新频次很低，每周只更新一次；
• 对用户搜索频次、搜索结果和点击率的追踪显示，很可能是搜索结果不符合用户预期——用搜索功能搜不到想要的东西，搜几次之后用户就觉得不靠谱、不爱用了。

于是尝试两种实验改进来进行功能迭代：

1. 把首页推荐里的"今日推荐"改成”每日推荐"：每天高频次更新，让新用户每天都能点进来；
2. 优化搜索功能和搜索引擎：通过更科学的算法、更合理的安排以及更友善的推荐，让排在前面的搜索结果尽可能符合用户预期。

在这款案例产品上尝试之后，得到了不错的结果：活跃度整体呈逐渐上升的趋势，每次完成一个优化之后都在往上走。次日留存率方面，从八月十八日到八月二十四日这段区间看：八月十八日时次日留存率还比较低，对"每日推荐"栏目优化改善并完成上线后，次日留存率从 6.37% 慢慢上升到 11%，再到日后的 17%，后续一直维持在百分之二十几；八月二十一日（周一）上线了对搜索结果重新排序优化的新版本，对留存的影响立竿见影——一下子从百分之十几跃升到百分之二十几。

通过重新分析并优化 UGC 消费功能，成功把它在留存与活跃的分析矩阵中从第二象限挪到了第一象限，进入比较安全、平稳的状态。

五、优化电商功能：从第四象限到第一象限

接下来是电商功能。它的问题与前者相反：留存率较高，但活跃用户占比很低。还是按同样的思路剖析：电商功能的活跃用户量很少、覆盖度很低，主要难点在于如何引导用户产生消费意愿、号召他们完成第一次消费、把消费习惯建立起来。

对此做了两个猜测：

1. 在电商功能模块里设置一个签到积分入口，通过这个小钩子、小奖励，让用户每天都能进入电商功能模块点击签到领奖；
2. 让领到的积分可以抵扣一定的消费金额，让用户一步步开始使用电商功能，从而提升平台整体的成交付费转化率。

做完猜测后，接下来就是设计实验：上线签到赢积分和积分抵扣消费金额的功能，并且监控签到功能的使用情况以及由此产生的付费转化率。后续结果令人欣喜：这款产品的电商功能使用率很快从第四象限挪到了第一象限，活跃比例有了非常大的提升。

六、迁移到自己的产品

功能留存的分析方法同样可以应用在自己的产品里：看看产品的主要核心功能模块中，究竟哪些是真正能够吸引用户长期使用、高频次使用的关键，哪些功能正处在第二、三、四象限。要做的就是尽可能把第二象限和第四象限的功能挪到第一象限去；而对于处在第三象限的功能，则要考虑它们的去留——是否要把它砍掉。

5 - 4.5 如何通过内容运营提升用户的留存

一、内容运营的定位与价值

很多人认为内容运营就是编辑文章、发发帖子，这其实很片面。开展内容运营之前，需要先想清楚一个定位问题：内容是作为产品本身提供的，还是产品的辅助功能——只有先明确了定位，才能有更清晰的目标。为了扩大内容运营的效果，还需要对用户需求进行分析：用户感兴趣的内容是什么、经常阅读和传播的内容比例如何、内容运营对产品的作用到底有多大。

用一个生活例子来理解。假如一位用户准备装修新房，前来参观取经：来之前，他计划借鉴主人在小空间里摆放书架、工作台和床的经验，包括怎么处理拐角里的窗户；来之后，他被浅灰色的色调吸引，连落地灯都令他印象深刻，还没等主人介绍，就意识到主人追求的是简洁实用的小清新风格；离开时，他对这里的装修风格有了清晰的整体印象——不仅是家具摆放和室内改造，还包括那些可爱的装饰品。

在这个故事里：参观者 = 用户，参观取经 = 需求，房子（我家）= 产品，装修 = 内容。来之前参观者有明确而理性的需求——学习解决问题的办法；来之后对色调、风格和装饰品印象深刻，是直观感性的收获。一句话概括：依附于产品的内容运营，不仅满足了用户理性的内容消费需求，还能让用户对产品调性产生感性的认知——这就是内容运营的价值。

从结果导向上说，有价值的内容既能促进用户的最终付费转化，也能促进活跃和留存。前文章节已介绍过内容营销的重要性，内容运营同样能提升产品的活跃度和留存率。

二、Push 推送与气泡图矩阵

用内容运营提升活跃度的一个常用手段，是弹窗或 Push 推送通知，很多网站、App 乃至微信内部都有这样的机制——发不发、发给谁、发什么，都是运营人员可控的。Push 是产品直达用户的最近通道：它能让用户在没有主动意愿、没有使用场景的情况下，启动网站、打开 App 或微信账号，因此非常常用。

但 Push 发出去之后，内容到底有多吸引用户、转化能力如何衡量？这时可以用气泡图构建一个矩阵，找到有助于提升留存的内容加以强化，也可以找到薄弱环节加以改进：

• 横轴：一段时间内某个内容标签对应的留存率，即浏览了该标签内容的用户中，次日还来浏览该标签的比例；
• 纵轴：该标签内容留存率的标准差，描述这个标签下内容表现的稳定性；
• 气泡大小：该标签内容下的浏览用户人数，气泡越大看的人越多。

坐标轴的维度是灵活的，可按自身需求替换成其他维度，比如活跃用户占比、内容标签数量、转化目标等，这里只是一种举例。

三、案例：媒体资讯平台的内容消费分析

以一个媒体资讯平台为例（可以想象成今日头条），它提供企业服务、金融、游戏等不同行业的财经类新闻标签。客户希望从提升用户留存的角度，分析平台整体内容的消费情况。参照气泡图调出数据后，可以读出这些结论：

• 电商、互金：两个最大的圆，是产品用户中的中坚力量。核心话题读者很多、指标稳定、留存率中等，是需要重点发力的两个话题；
• 汽车、企业服务：人数不多，但留存率很高、表现稳定、潜力很大，可称为"潜力派"。应通过调整投放策略吸引这类话题的受众，加强内容输出，提升整体留存；
• 直播、游戏：留存率不算差，但极不稳定，偶尔有小爆发。需要对话题下的文章做更细化的分析，找出拉低留存的子话题加以排除，同时加强高留存内容的创作，让这两个标签下的输出更加稳定。

四、个性化内容服务：Netflix 案例

同一个产品中，用户的特点、需求、活跃度也会有很大差别——就像同一个小区里住的都是人，也分男女老幼。如果对全部用户按统一标准提供服务，势必只能满足一小部分人。因此需要针对不同人群提供个性化的内容服务，这也能提升留存率。

Netflix 是国外非常有名的在线视频流媒体网站，自制了《纸牌屋》《怪奇物语》等热门剧集。它与优酷、爱奇艺一样采用按月订购的收费模式，客单价非常低，扩大营收的最佳方案就是提升留存率。当时的数据统计显示：

• 每个用户每月平均仅付费 8.14 美元，而用户获取成本高达 18 美元；
• Netflix 毛利只有 33%——用户付 8 美元，公司只能赚约 2.4 美元；
• 算下来用户平均要续费 7 个月，Netflix 才能盈利。

于是 Netflix 想到了提升续费率（也就是留存率）的高招：利用多年积累，建立起包含超过一万三千种影视资源的庞大资源库；再根据用户的观看行为，在合适的时机推荐他可能感兴趣的美剧。看过美剧的人都有体会——好片子永远看不完，用户就会一直续费。比如作者喜欢超级英雄系列，看完《夜魔侠》后，Netflix 会持续推送相关主题的剧集。

结果是：Netflix 的平均续费时长高达 25 个月（两年多），客户生命周期价值高达 66 美元，远超 18 美元的获客成本。本质上，正是内容运营加个性化内容推送这套机制，帮助 Netflix 成为世界上最赚钱的公司之一。

五、案例：AntibodyPlus 深挖内容价值

类似的例子还有 AntibodyPlus。它在后续运营中发现有一段时间用户留存率很不理想，两位创始人便通过谷歌数据统计工具分析用户行为路径，发现很多用户在产品详情页跳出（图中红色部分是用户跳出，绿色部分是该环节的流量）：56.1% 的用户在详情页纷纷跳出，留存情况十分糟糕。进一步分析还发现：访问详情页的用户停留时间普遍很短，PV/UV 也很低，代表活跃度不够，很难产生持续留存。

这些情况都发生在详情页，是否说明页面没有传递给用户足够的价值、难以唤起兴趣？于是问题变成：如何提高产品详情页的活跃度和留存率？

AntibodyPlus 把自己的详情页与竞争对手的网站进行对比，同时模拟用户行为，终于发现了问题：详情页上的产品数据太少了。它的主要客群是科学家，科学家普遍严谨，购买一款试剂用于研究时，最希望知道产品适不适合自己的实验；如果没有数据，即使购买了也还要到第三方数据库去确认。简陋的详情页无形中给科学家增加了阻力、加大了工作量。

于是两位创始人做出假设：科学家需要大量的第三方数据资料作为参考。优化方案是在详情页上增加大量第三方数据、方便科学家查阅；具体执行则是用爬虫手段，从第三方数据库抓取数据导入自己的网站。

这轮优化之后，留存和活跃得到显著提升，也提高了下单频率、增加了营收：停留时间提升一倍，PV/UV 提升 30%，留存率提升 30%，下单频率提高 20%。这个案例也说明：深挖内容的数量与质量本身，就能对产品的活跃度和留存率形成有效支持。

6 - 4.6 搭建用户流失预警机制

一、真正的离开悄无声息

有一句歌词大意如此：“所有大张旗鼓的离开都只是为了试探，真正的离开从来都是悄无声息、没有告别。“它说的是：如果一个人从内心深处已经彻底放弃、对一件事不再有任何兴趣或期待，他肯定走得头也不回，不可能恋恋不舍地等着别人去挽留。就像微博上有些粉丝口口声声喊着"我要取关你”，其实发自内心希望引起博主关注，巴不得博主慌张地前来挽留，好获得一丝优越感，摆出一副"我就大发慈悲暂时不取关你"的姿态；而真正要脱粉的人，二话不说，点击取消、点击确认，就这样走了。

做产品也是如此。所谓转化率，就是一部分人成功转化了过来，而大多数流量就这么损失、消耗掉了。流失掉的用户通常不会发来任何通知——没有人会提前说"我要关闭网页啦"“对不起，我要卸载你啦”，都是悄无声息地成了过客。正是缺乏双向沟通的过程和手段，用户的流失有时纯粹出于误会，产品方却百口莫辩，根本来不及解释和挽留：

• 用户打开产品，死活刷新不出新内容，以为是产品有问题，其实可能是他电脑的防火墙切断了连接，跟产品本身基本没有关系；
• 产品动不动就崩溃，用户一气之下卸载，其实是某个流氓软件在后台作祟——只要提醒用户消灭掉它就能皆大欢喜，产品却无从开口。等用户真的愤然离开再去挽留，很可能为时已晚。

由此可见：需要建立一套流失预警机制，提前预测哪些用户、或符合什么特征的用户很有可能正在悄悄流失，赶在他们离开之前，通过现有的一切手段尽可能接触、设法挽留，帮助他们更顺利地使用产品、获得成功——这就是流失预警的意义。

二、用户分层：粗放与个体运营之间的折中

建立流失预警有很多手段。比如非常粗泛地给全体用户每天发一条推送，多少有些效果，但也可能有用户本来就反感整天收到推送——正好手机内存不够用、盘算着卸载哪个应用，一条推送恰在此时送上门来，他一怒之下就把产品卸载了。这是粗放运营的弊端：只能从统计学上赌一个大概率，无法足够精准地服务小部分人。另一个极端是针对每个个体做运营，比如给每个客户安排专属的接线专员、专属客服，但这样成本又太高。

所以通常选择介于二者之间的方式——用户分层。它是数据化运营中常见的解决方案之一，是介于粗放运营与个体概率预测模型之间的折中和过渡模型：既兼顾精细化的需要，又不需要在预测模型的搭建和维护上投入太多资源，因此有比较广泛的应用价值。

用户分层的目的和用途主要有三条：

1. 运营团队：通过对客户分层，针对不同用户采取对应的运营方案来执行贯彻，提高整体运营效率和付费转化。不同用户处在不同阶段——有的刚进来，有的已经用得驾轻就熟，有的迫不及待要付费——用不同手段引导，成本、门槛和投入都不一样；
2. 客服团队：通过分层模型对不同群体提供不同的说辞和服务。对免费用户，“腰板可以稍微硬一点”，丢给他一个网址或快速、标准化、模板化的应答，帮他找到想要的就够了，不必太多纠缠；对付费的大客户，则要提供更贴心、更定制化的服务；
3. B2C 电商平台：以阿里巴巴旗下的淘宝为例，早期与 eBay 竞争时主打免费开店，后续开店也会产生成本（比如购买营销套餐）。可以从免费注册的卖家开始划为一层，再沿着卖家的成长轨迹——上架 5 个、10 个商品，开始变得活跃，开始充值付费购买营销套餐，直到成长为平台上的大卖家——一步步做不同的画像，提供不同的服务，并通过不同的收费档次让平台整体利润最大化。

不同产品的形态会有差异，同一个产品在不同阶段也可以采用不同的分层。比如一款社交电商产品，早期的分层目标更多是用户和 KOL 层，后期更贴近商业方向，就要设置更灵活的分层。一般来说，用户分层分四五层就差不多了，太多分层会显得很复杂，不适合运营策略的执行。

三、C 端实战：知乎与游戏行业的分层

以下是两个 C 端产品的例子——知乎和游戏行业。

知乎的用户从下到上可以分为五层：未注册读者（最大众、最宽泛的游客，可能只是浏览帖子，或点开别人发来的链接看一看）→ 注册读者 → 提问读者（注册后主动提过问题）→ 付费读者（参与知乎 Live、知乎书店等付费项目，价值又上一层）→ 回答者。知乎本身是问答平台，最底层、最产生价值的一定是高质量的回答，因此回答者是平台上最需要重点服务的对象，有时甚至要比付费人群投入更多精力。针对五个层级的转化策略各不相同：

• 未注册 → 注册：通过各种引导、优惠，或者内容的"勾引”——只让用户看一半，想看后续就得注册；
• 注册 → 提问：让用户浏览大量高质量的提问和回答，渐渐对平台产生信任感，当用户产生问题时，就会想到来知乎提问；
• 提问 → 付费：根据用户之前的提问和浏览记录，大致判断他是怎样的用户，针对兴趣推送有价值的电子书或 Live。推送足够精准、金额又在用户的支付意愿之内，就很可能转化为付费读者；
• 回答者：策略很多。知乎早期，官方会注册很多小号、马甲来拉动新注册的用户回答；当用户发出一个问题时，系统也会在提问的那一刻提醒其邀请好友来回答。

游戏行业用书面语言分类，自下而上是：路人 → 新手玩家 → 普通玩家 → 人民币玩家 → 土豪（通俗说法就是大 R、中 R、小 R，或鲸鱼用户、虾米用户）。不同阶段要做的事情都不一样：

• 路人 → 新手玩家：通过高质量的广告投放、更多媒体曝光，或更多玩家的证言来证明产品足够好玩，把普通路人转化成新手玩家；
• 新手 → 普通玩家：作者接触过的游戏公司提到，一款游戏早期前 15 分钟的体验非常重要，画师的画工、游戏的流畅度都要集中服务好这 15 分钟。玩家一旦觉得体验好、画面精美、游戏性不错、对新手还很友善（给一大堆礼包），就会渐渐过渡到普通玩家；
• 普通玩家：画面美观度已经没那么重要，重点是建立合理的升级曲线、经营好玩家在游戏中的体验；
• 人民币玩家：愿意在游戏中花钱的人群，是游戏公司真正欢迎的"金主爸爸"。普通玩家花三个月不断锻造、拼概率爆装备，好不容易得到一把屠龙宝刀；人民币玩家直接充 1000 块钱可能就买到了。甚至有一种说法：普通玩家其实是一款游戏提供给人民币玩家的一种"游戏特性"，是陪玩的；
• 土豪玩家：撒钱不计成本，游戏公司可能对他们采取一对一服务。传闻早期盛大做《传奇》时，有一位土豪玩家提出了对游戏的想法，普通客服没有很好地采纳；土豪一怒之下离开游戏，还带走了平台上很多同样是土豪的好朋友，导致《传奇》营收出现明显下滑。这件事惊动了陈天桥，他第一时间带着客服登门拜访，好言相劝、好礼相送，最后好说歹说让这位土豪带着朋友重返游戏。可见游戏公司对土豪玩家何等厚待。

四、RFM 模型：衡量客户价值的经典方法

在划分用户分层模型之前，应先搞清楚分层的目的是什么——正如预测模型需要目标变量，分层模型的具体目的和特定用途，决定了它的构建思路和评价依据。市面上有很多现成的分层策略和模型，这里介绍客户管理中一个经典方法：RFM 模型。它是衡量客户价值、付费能力、活跃度的重要手段，一般在电商或 To B 的 SaaS 产品中用得比较多。RFM 代表三个需要重点盯防的监测变量：

• R = Recency（近期消费行为）：用来衡量用户的流失情况。消费时间越接近当前的用户，越容易维系关系——一年前消费的用户，价值肯定不如一个月前刚消费的用户；
• F = Frequency（消费频率）：用户在限定期间内购买产品的次数或使用产品的频次。经常在平台上消费的用户，忠诚度也就很高；
• M = Monetary（消费金额）：营销的黄金指标。二八法则指出，企业 80% 的收入来自 20% 的用户，这个指标能直接反映用户对企业利润的贡献程度。

这个模型通过一名客户"近期购买行为、购买的总体频率、花了多少钱"三个指标，来描述他的价值和活跃情况：利用 R、F 的变化可以推测客户消费的异动，再从 M 的角度识别用户的重要程度，从而把重点放在贡献度高、且流失几率也比较高的客户身上。比如消费金额、消费频率、最近一次消费时间都很优秀的，就是重要价值用户；如果重要价值用户最近一次消费距今已经很久、此后再没有消费，就变成了需要重点挽留的用户——他曾很有价值，自然不希望他流失，运营和市场人员可以专门针对这类人群做召回。

RFM 三个指标放到具体产品里，代表的动作行为是不一样的：

• 工具类 App（如微信）：R = 最近一次使用情况，F = 使用间隔（微信一天可能打开四五十次）；微信本身不靠使用产品来付费，所以 M 监测的不是耗费了多少金额，而是花费了多长时间；
• 电商产品（如淘宝）：R = 最近一次下单，F = 购买频率，M = 消费金额；
• 内容社区（如知乎）：R = 最近一次内容贡献的时间，F = 内容贡献的频率（每隔多久回答一个问题或提问一次），M = 贡献量（累计发了多少帖子、回答了多少问题）。

有在国内一线外卖平台做用户分层运营的从业者分享过他们的 RFM 实践。平台把主要用户分成四类，划分依据是 R、F、M 三个指标各自是否满足——满足记 1，不满足记 0：

• 重要价值客户（R=1、F=1、M=1）：最近消费时间近、消费频次高、消费金额也高，显然是平台最有价值的用户。平台推出 VIP 功能或高级客户回馈时，需要重点服务的就是他们；
• 重要保持客户（R=0、F=1、M=1）：消费时间比较远，但消费频次和金额都很高，是一段时间没有来的忠实客户。可以主动保持联系，询问最近为什么不来、是不是遇到了什么问题，还是太忙忘了，通过保持联系把他召回；
• 重要发展客户（R=1、F=0、M=1）：消费时间近、消费金额高，但频次不高，属于很有潜力的客户，必须想办法重点发展。比如针对他们推荐高频消费、吃不腻的外卖，而不是很久才大饱口福一次的，通过拉伸频次把他们发展成有价值的客户；
• 重要挽留客户（R=0、F=0、M=1）：消费时间久远、频次不高，但消费金额很高，可能是行将流失的用户。应当基于各种手段对他们采取挽留措施。

五、To B 的分层：GrowingIO 与 CSM 机制

前面举的都是 To C 的例子，其实对 To B 公司来说，用户分层机制更加重要。To B 分层的主要目的是促进客户的续约率（其实就是留存率），这直接关系到公司的收入——简单说就是"你花钱我就提供服务，不花钱就不提供服务"，现在很多面向企业的 SaaS 产品基本是这种模式。分层一般用客单价和产品使用活跃度两个维度，比如分成免费的高频/低频用户、签约一个月内的高频/低频用户、签约一年以上的高频用户等，不同公司的划分方法不一样。

这里以数据分析 SaaS 工具 GrowingIO 为例。它对用户进行分层，并针对每层用户从成交到实施部署、使用、续约，采用不同手段来完成转化目标，其核心机制是 CSM（Customer Success Manager，客户成功经理）——帮助付费客户在所在领域取得成功的负责人。客户取得了成功，才能真正发现产品给他提供的价值，最终长期留存下来，因此 CSM 的作用非常关键。

这个角色最早出现，是因为软件公司的业务模式发生了变化。传统软件公司靠卖许可证（License），整个流程重销售而轻流失；随着 SaaS 按月或按年订阅模式的铺开，想要获得更多长期稳定的收入，就必须开源节流：开源，是除了获取新客户之外，尽可能扩大现有客户的付费规模；节流，是提高客户忠诚度、减少流失。CSM 就是为达成这个目的而诞生的角色，更像一个行业顾问：推动客户更好地使用已购买的产品、挖掘更多产品价值、帮助客户取得所在行业的成功，从而帮助 SaaS 产品扩大订阅规模。GrowingIO 的 CSM 团队主要关注客户的续约、增购、流失等情况，这些结果性指标由长期的用户行为监测和前期运营策略共同决定：先观测产品的使用情况、分析用户的活跃指标，再介入客户，重点关注是否解决了问题、是否达成了目标、是否有新的销售机会、是否主动帮助了客户。客户成功的前提，就是关注用户行为数据，制定相应的运营策略，再根据策略实施的结果预测用户的流失和续约情况。

对不同层级的付费用户，GrowingIO 采用三种介入策略：

• 大客户：High Touch——客户拜访、产品培训、分析师交流等基于人与人当面沟通的方式，成本相对较高；
• 中型客户：Low Touch——微信跟进、电话交流、电子邮件等，仍是人与人但不一定当面，借助科技手段可以在短期内频繁接触大量中型客户；
• 小型客户：Tech Touch——用自动化手段触发，如电子邮件、网络问卷，唤起他们的活跃度。

举一个 High Touch 的例子。GrowingIO 监测用户数据时，发现一个大客户的产品活跃度一周之内突然下降了 30% 以上——这是比较严重的变化，对用户留存是非常不好的信号，客户可能准备放弃产品。GrowingIO 马上对客户数据进行拆解、细化到各个部门，最后发现是运营部门的活跃度大幅度降低，导致产品整体活跃度下降。CSM 拜访交流后发现：运营部门刚刚接触产品、对功能还不熟悉，一番捣鼓尝试找不到门道，就不再想使用了。找到问题后，GrowingIO 果断对症下药，通过介入培训让运营部门的人员熟悉产品使用、恢复对产品的信心，重新使用上线后，活跃度果然得到了大幅提升。

Tech Touch 则是利用技术实现自动化留存：用户两周没有登录，系统自动给他发邮件，询问是不是在使用上遇到了问题；三周没有登录，自动发调查问卷征集使用体验的反馈；四周没有登录，说明用户很危险、马上就要流失了，CSM 团队会邀约客户进行电话会议、转入人工环节，看能否进行人为挽留。

通过 GrowingIO 的例子可以了解：应该如何进行用户分层，以及针对不同分层，怎样用一种更高效、同时更节省成本的方式，把维系客户留存的效果最大化。