返回顶部
分享到

提升DAU,数据分析要怎么做?

互联网资讯 2022-8-23 13:51 506人浏览 0人回复
摘要

从本质上看,拉升DAU手段的分析目标,不是找一个手段,而是找低成本的手段。谁都知道,只要肯往死里打折,只要肯送0.99元一箱的鸡蛋,用户肯定活跃,还会呼朋引伴的过来活跃。 ...

提升DAU,数据分析要怎么做?



——————/ BEGIN /——————

DAU涨啦,DAU又降啦;

DAU又涨了,DAU又降啦……

大量数据分析师的工作,就消耗在这种无聊的叨叨中。更糟糕的是:很多涨跌,只是单纯的开发埋点没做好,数据丢失等脑残问题导致的,没啥有价值发现。

当业务方来问:那我要拉升DAU,能做啥?

数据分析师只能颤颤巍巍的答道:要!搞!高!

今天系统讲解下,这个僵局怎么破。

提升DAU,运营有的是现成的套路,有诗词为证:


《搞DAU》

用户促活一句话

签到转盘种小花

要是手头没费用

爆款话题往上挂

简单来说就是:有钱的话,就搞签到奖励、在线XX分钟得积分、每日登录摇豆子、种花种树种7天得XX礼品。没钱的话,就发文蹭热点、骗眼球。大家每天搓手机,都多多少少被这些套路过。

问题在于:

第一:这些手段运营自己都知道,根本不需要数据分析。

第二:手段真管用?大部分都是“人走茶凉”型的,治标不治本。

那么,站在数据分析角度,如何摆脱像布谷鸟一样,每天喊“涨啦,跌啦”,真正分析出解决问题的关键呢?

在DAU数字的背后,是:产品对用户需求的满足。

  • 满足程度越高,用户持续登录越多,最后DAU自然提升。

  • 仅在特定的场景下满足用户需求,用户就会在特定场景下登录(比如大促销、新品上市、……)

  • 如果没有明确场景,只是靠蹭流量、派奖励来维持,那最后的结果就是人走茶凉。

另一个问题,在于如何将信息推送给用户。用户登录以后才产生DAU,打卡、签到、种树,都得在用户登录以后才发生。

如果用户不登录,那能吸引用户点击的手段,就只剩下推送信息和裂变两种。大家可以看看自己手机每天收到多少条信息,自己又点开了多少,就能直观感受将信息推送给用户之难——能获得用户宠幸的APP真是少之又少。

这导致了,很多用户虽然名义上没有流失(没有达到流失的统计标准),但事实上已经处于流失状态。不区分用户类型,单纯地上签到、抽奖、大转盘,只能让现有的活跃用户薅更多羊毛,流失用户还是不响应。

综上两点,想节省成本,避免人走茶凉。就得站在用户角度:

  • 区分用户活跃程度(重度/轻度/流失)

  • 找出用户感兴趣的东西(活动/内容/商品/优惠)

  • 找到能推送信息给用户的手段(短信/APP信息推送/裂变)

这样才能细致地,有针对性地解决DAU问题。特别是,探索出不砸钱也能保持用户活跃的场景,从而减少盲目的砸钱拉大转盘。


做好用户分层

针对用户活跃程度做分层,相对容易。

通常的做法,可以对用户过往90天(季度)/30天(月度)/7天(周)的登录天数进行统计,区分出频繁登录、偶尔登录、未登录用户。想再做得复杂一点,可以学习RFM模型,构建用户活跃模型RFA

这样可以区分出重度/轻度/流失的用户。

难点在于找出用户感兴趣的东西,给用户登录一个直接理由。这里需要利用用户分群分析,对用户的过往消费/活跃行为进行分析,找有用户感兴趣的点。

比如电商类APP,用户感兴趣的,可能是:

  • 有大促,图便宜(意味着日常登录就是很少)

  • 有爆款产品,来抢货(意味着浏览/收藏/加购/消费的是特定商品)

  • 某品牌/店铺很忠诚(意味着浏览/收藏/加购/消费的是特定品牌/店铺)

  • 来薅点好处(意味着活动参与率/积分兑换率/优惠价格购买率很高)

  • 几个平台比价(无购买记录,但是有聚焦某些品类的浏览记录)

  • 随便逛逛(无购买记录,无重度浏览内容)

  • 被推广活动吸引进来的新人(无购买记录,浏览记录也很少)

这些场景中,1-4情况意味着用户行为会集中发生在某个时间段、某个品牌/产品,因此比较容易捕捉。

前提是:需要对商品/活动/优惠类型打标签,再基于商品/活动/优惠类型标签对用户进行分类。这样能更快速输出分析结论。不然对着几万个SKU,几千个活动名字一一提数看,不但工作量大,而且看不出来啥问题

5、6、7情况下,数据本身会很少、很零散,很难像分析重度用户那样,从过往消费经历里找到规律。此时的用户兴趣点,更多是测试出来的:通过初始线索,测试多种可能性

更好的做法,是准备运营的“三板斧”:在市场上最有竞争力的武器。在短期内,一个APP能拿出手的爆款产品数量是有限的,能吸引到的核心用户也是有限的。

因此,针对轻度用户和新用户,可以直接推最拿得出手商品/内容,一方面直接提升DAU,另一方面测探用户需求,获取数据。

用数据检验拉升效果

有了场景分类,能区分出提升DAU手段的有效性,从而总结出行之有效的手段。

注意:很有可能运营已经有固定的活动/信息推送在做了。只是这些活动没有触达到该触达的人,或者并不符合对方的需求。

这样的话,在做好用户分类与场景划分以后,可以根据现有活动/信息的相应情况,做出对应表。观察哪些用户没有被覆盖,有哪些用户发生了偏差,有待优化。


这样,在解读“为什么DAU又降了”的时候,可以有更多结论:“因为我们没有管这一帮用户”“因为我们没有抓用户需求”同时做优化的时候,可以看到哪些是已经推过的,然后尝试更多未推送的可能性,直到找到更好的答案。

小结

从本质上看,拉升DAU手段的分析目标,不是找一个手段,而是找低成本的手段。谁都知道,只要肯往死里打折,只要肯送0.99元一箱的鸡蛋,用户肯定活跃,还会呼朋引伴的过来活跃。

数据分析的价值,在于在盲目推广中,找到更多刚性需求,从而降低成本,用更贴近用户需求的方法保持活跃。只不过这样做,需要商品/活跃/优惠/内容/用户等方面,大量的基础数据建设。

从基础的标签建设开始,到分版本测试信息推送效果,都需要一步步积累。指望一次分析报告整出来,肯定不太现实。

本文暂无评论,快来抢沙发!

热门问答
达内教育:成立于2002年。致力于面向IT互联网行业,培养软件开发工程师、测试工程师、系统管理员、智能硬件工程师、UI设计师、网络营销、会计等职场人才 达内使命:缔造年轻人的中国梦、缔造达内员工的中国梦 达内愿景:做管理一流的教育公司
  • 商务合作

  • Powered by Discuz! X3.4 | Copyright © 2002-2024, 达内教育 Tedu.cn
  • 京ICP备08000853号-56 |网站地图