在獲客越來(lái)越難的環(huán)境下，如何留住用戶(hù)是每個(gè)企業(yè)都必須考慮的問(wèn)題。面對用戶(hù)流失，企業(yè)如何找到原因，找到正確的解決方案？作為一個(gè)生活方式分享平臺，小紅書(shū)在四年半的時(shí)間里從20人發(fā)展到超過(guò)1億用戶(hù)。他們是如何留住用戶(hù)的？

一、小紅書(shū)的成長(cháng)之路

小紅書(shū)是一個(gè)泛品類(lèi)的生活方式分享平臺。截至 2018 年 12 月，用戶(hù)數已經(jīng)超過(guò) 1.8 億，而且這個(gè)增長(cháng)是比較快的?；仡櫸?014年底2015年初剛加入小紅書(shū)的時(shí)候，當時(shí)小紅書(shū)只有20人左右，而現在1644天用戶(hù)已經(jīng)過(guò)億。

今天要分享的話(huà)題是：關(guān)于我們公司年輕用戶(hù)留存率差的數據分析。

2、問(wèn)：為什么年輕用戶(hù)的留存比較差？

不少嘉賓提到，獲客成本不斷增加。在 AARRR 模型中，當獲客成本越來(lái)越高時(shí)，如何才能保證最終的利潤？如何在利潤 R 和越來(lái)越貴的 A 之間找到平衡點(diǎn)？

比如過(guò)去1000元可以吸引100個(gè)用戶(hù)，留存率是10%。結果，有10人留下來(lái)；現在，1000元只能吸引50個(gè)用戶(hù)。如果你想留10個(gè)人，你應該怎么做？我們只能將保留率提高到 20%小紅書(shū)運營(yíng)，因此最終剩下 10 人。在流量越來(lái)越貴的今天，我們更要關(guān)注留存問(wèn)題。

我們的分析團隊在研究不同用戶(hù)群體的留存率時(shí)，發(fā)現來(lái)自信息流等渠道的用戶(hù)留存率非常低。保留很差。

3. 提出假設和數據問(wèn)題

我們當時(shí)做了一個(gè)假設：我們認為年輕用戶(hù)可能還在初中或者高中，很多學(xué)校上課是不允許帶手機的，只能在周末玩手機，所以留存年輕用戶(hù)可能很窮。這個(gè)假設聽(tīng)起來(lái)合理且合乎邏輯，但這是真的嗎？讓我們看看數據是如何顯示的。

我們提出三個(gè)維度和問(wèn)題進(jìn)行分析：

一、不同年輕用戶(hù)的表現是否存在差異？

在此之前，我們內部的年齡段劃分是18歲以下，但是我們覺(jué)得這個(gè)劃分有點(diǎn)籠統，因為18歲以下包括小學(xué)生、初中生和高中生。

不同階段的學(xué)生其實(shí)是有很大差異的，所以年齡維度本身需要更加細分。

第二，他們來(lái)小紅書(shū)想看什么？他們能看到他們喜歡的東西嗎？

每個(gè)用戶(hù)都期待新產(chǎn)品和新平臺。他們去下載APP激活注冊的時(shí)候，總是希望能在這個(gè)平臺上找到對自己有價(jià)值的東西。如果沒(méi)有找到，那么用戶(hù)流失的概率非常高。

第三，他們的提要是否推動(dòng)了他們想要看到的內容？

小紅書(shū)產(chǎn)品的首頁(yè)是由我們的推薦系統生成的兩列筆記提要流。新用戶(hù)注冊時(shí)會(huì )選擇一些興趣點(diǎn)，然后我們根據用戶(hù)選擇的興趣點(diǎn)向用戶(hù)推薦相關(guān)主題的筆記。

推薦是否準確直接影響用戶(hù)體驗。舉個(gè)最簡(jiǎn)單的例子，我在選擇興趣的時(shí)候選擇了健身。結果，您向我推薦了一次旅行，這與我的預期相差甚遠。用戶(hù)會(huì )覺(jué)得這個(gè)平臺沒(méi)有我想看的信息，自然會(huì )離開(kāi)。

4. 將真實(shí)數據與假設進(jìn)行比較

我認為一定是這三個(gè)問(wèn)題之一導致保留率低。接下來(lái)，我們來(lái)看看這三個(gè)維度的具體分析。

一個(gè)。不同年輕用戶(hù)的表現是否存在差異？

第一個(gè)維度是不同年輕用戶(hù)的表現是否存在差異。我們拉了一張“不同年齡段用戶(hù)留存分布”的表格，我們將18歲以下的用戶(hù)按照學(xué)齡重新劃分為三類(lèi)：12歲及以下小學(xué)生，13歲初中生-15、16-18歲的高中生，同時(shí)我們查看了這三類(lèi)用戶(hù)的次日留存和周末留存情況。

我們驚訝地發(fā)現兩個(gè)現象：

真正較差的次日留存率，其實(shí)是12歲及以下的小學(xué)生和13-15歲的初中生。高中生的留存率和我們大市場(chǎng)的用戶(hù)留存率相差不大；

次日留存差的用戶(hù)，周末留存也差，周末也不會(huì )有反彈。所以我們得出兩個(gè)結論：

我們之前關(guān)于年輕用戶(hù)留存率低的假設是因為他們在工作日的上學(xué)時(shí)間不能使用手機，這并不成立。即使他們可以在周末使用手機，他們也不會(huì )回來(lái)。

年輕用戶(hù)不能僅按年齡劃分，而是按學(xué)齡劃分。所以在那之后的所有數據分析，當我們需要按年齡計算時(shí)，我們都會(huì )考慮到這一點(diǎn)。

我們拉出了第二個(gè)表格，即“不同年齡段的新渠道分布”。這種分析的原因很簡(jiǎn)單。我們花了很多錢(qián)買(mǎi)了很多年輕用戶(hù)。如果我們不能保留它，那將是一種浪費。錢(qián)，投資部可以針對年輕用戶(hù)較多的渠道做一些優(yōu)化，比如增加針對年齡的定位。

從數據中我們發(fā)現，百度SEM和廣電通的信息流是年輕用戶(hù)吸引新用戶(hù)的一個(gè)特別大的渠道，占比甚至超過(guò)60%。因此，百度SEM和信息流的投放應該設置更嚴格的年齡。方向。暫時(shí)不要給中小學(xué)生推送廣告，因為他們來(lái)了就住不下來(lái)了。

灣。他們來(lái)小紅書(shū)想看什么？

第二個(gè)問(wèn)題是，這些年輕用戶(hù)是在看到廣告之后才來(lái)的。他們想看什么？

有兩種方法可以解決這個(gè)問(wèn)題：

對于用戶(hù)訪(fǎng)談，你可以問(wèn)一百或一千個(gè)用戶(hù)來(lái)了解他們來(lái)小紅書(shū)的目的，但樣本量有限，可能的結果可能不能代表所有用戶(hù)的想法。非常麻煩，耗費大量人工成本；

更好的方法是查看用戶(hù)的搜索。搜索是一種積極而強大的行為。他搜索的就是他想看到的。所以我們做了一個(gè)不同年齡段的用戶(hù)搜索畫(huà)像，分別是15歲以下、16-18歲、19-23歲和29-33歲。

這個(gè)表格一出來(lái)，我們基本上就可以知道各個(gè)階段的人關(guān)心什么了。

我們發(fā)現15歲以下的用戶(hù)主要搜索簡(jiǎn)筆畫(huà)、動(dòng)漫、頭像，還有很多名人；16歲開(kāi)始注意穿衣、護膚、減肥；19歲時(shí)，他們加了妝。

這個(gè)數據其實(shí)很符合用戶(hù)的使用場(chǎng)景。中小學(xué)生在學(xué)校是不允許化妝的，而且大部分都穿著(zhù)校服，所以會(huì )去搜索動(dòng)漫、壁紙之類(lèi)的東西。

我們甚至發(fā)現很多年輕用戶(hù)來(lái)小紅書(shū)下載壁紙和美圖作為頭像。有這樣的需求，作為我這樣的中年人，如果不看數據，你可能永遠都不會(huì )知道。

而等到初中長(cháng)大，16歲上高中，就會(huì )逐漸開(kāi)始注意打扮，也會(huì )畫(huà)一些淡妝。再大一點(diǎn)，結婚的時(shí)候就會(huì )關(guān)心婚姻、菜譜、裝修等等。

我們現在知道我們的年輕用戶(hù)來(lái)小紅書(shū)想看什么，那么他們在這里看到了他們想看的東西嗎？使用哪些指標來(lái)衡量這些信息？

做過(guò)搜索的同學(xué)都知道，搜索點(diǎn)擊率是最直接的方法。用戶(hù)是否點(diǎn)擊搜索結果，當然最大程度上代表了對搜索內容的滿(mǎn)意度。

因此，我們又拉出了兩張表：“無(wú)點(diǎn)擊率高于 40% 的高頻搜索詞”和“無(wú)點(diǎn)擊率低于 20% 的高頻搜索詞”。

從這兩個(gè)表中我們發(fā)現：

迪麗熱巴等名人名字，搜索點(diǎn)擊率不高，不點(diǎn)擊的年輕用戶(hù)比例比較高。

搜索后的高點(diǎn)擊詞主要集中在減肥、護膚、美甲。

我們對這個(gè)結果感到非常驚訝。年輕用戶(hù)來(lái)小紅書(shū)想看明星什么？你想看八卦謠言嗎？還是在尋找粉絲俱樂(lè )部？

這些確實(shí)是我們沒(méi)有的內容。小紅書(shū)給用戶(hù)提供的是一些更真實(shí)的明星自己工作之外的信息，比如工作之余用什么化妝品，喜歡吃什么零食等等，但似乎這些東西不一定是小孩子想要的今天看。

C。他們的飼料是他們想看的嗎？

前面兩個(gè)問(wèn)題讓我們了解了年輕用戶(hù)對什么感興趣，他們搜索什么，小紅書(shū)哪些內容不能滿(mǎn)足他們。

第三個(gè)問(wèn)題是，當他們被動(dòng)接收信息流上的信息時(shí)，這是他們想要看到的嗎？

我又拉了三張桌子。

首先是“用戶(hù)興趣特征”分布表。玩過(guò)小紅書(shū)的同學(xué)都知道，新注冊用戶(hù)第一次進(jìn)入APP時(shí)，系統會(huì )要求你選擇一些有趣的標簽作為你的啟動(dòng)數據。一開(kāi)始，我們推送給您的內容是基于您選擇的這些興趣標簽。

所以我們想看看，13-15歲的孩子有什么選擇？30歲的用戶(hù)會(huì )選擇什么？從這張表中可以明顯看出，不同年齡段的用戶(hù)在標簽選擇上存在幾個(gè)差異：

頭部不集中：13-15歲用戶(hù)的前四標簽僅占20%，而30歲以上用戶(hù)達到30%；

尾巴不長(cháng)：后面4-5個(gè)標簽的總量只有2%多，但老用戶(hù)需要關(guān)注的4-5個(gè)標簽總量不到1.5%；

年輕用戶(hù)的興趣相對多元化，更符合小紅書(shū)標記我的人生的理念。

我們知道我們的年輕用戶(hù)選擇了哪些標簽，那么我們如何衡量向年輕用戶(hù)推薦這些內容是否是他們關(guān)心的內容？

我們通過(guò)兩個(gè)維度來(lái)衡量它：內容豐滿(mǎn)度和分布契合度。

內容飽滿(mǎn)度是指用戶(hù)在選擇感興趣的標簽時(shí)，是否能在該品類(lèi)中看到足夠多的筆記。我們發(fā)現，最流行的“時(shí)尚裝”的筆記曝光率最高，這是合理的。但在音樂(lè )、游戲等品類(lèi)中，也有不少人選擇，但曝光量卻很少，這說(shuō)明在音樂(lè )品類(lèi)中，用戶(hù)看到的內容還不夠多。

對于分布匹配度，我選擇了我們平臺上一些內容比較多的品類(lèi)，以熱圖的形式展示出來(lái)。接下來(lái)，我將從曝光分布和偏好分布兩個(gè)維度進(jìn)行分析。

所謂曝光發(fā)布，比如在服裝品類(lèi)中，平臺分發(fā)曝光內容，13-15歲、19-23歲、34歲及以上用戶(hù)的曝光量大同小異。偏好分布是指用戶(hù)對平臺分發(fā)和暴露的內容的偏好。衡量用戶(hù)點(diǎn)贊的標準是用戶(hù)有沒(méi)有點(diǎn)贊、評論和收藏。

這個(gè)數字非常明顯。也是一個(gè)服裝品類(lèi)，在分布和曝光度上沒(méi)有太大區別，但用戶(hù)的喜好差異很大。如果熱圖中每個(gè)塊的顏色對比很明顯，那么分布機制就有問(wèn)題。

這個(gè)數據給了我們一些啟示：

1.頭注的曝光幾乎一樣，但喜好卻大不相同；

分配時(shí)，即使是同一品類(lèi)，不同年齡維度，也需要不同的分配策略；

這實(shí)際上證明了我們在分配流量的時(shí)候需要做精細化的操作。

5. 實(shí)驗結論

好吧，讓我們總結一下，看看前面提出的三個(gè)問(wèn)題。

Q：首先是不同年輕用戶(hù)的表現是否存在差異？

A：初中生和15歲以下的小學(xué)生是留存率較低的，這些用戶(hù)大部分是通過(guò)SEM和信息流購買(mǎi)的。營(yíng)銷(xiāo)部門(mén)需要更準確地定位投放端的年齡信息。

Q：他們來(lái)小紅書(shū)想看什么？他們能看到他們喜歡看的東西嗎？

A：很多年輕人都想來(lái)小紅書(shū)看動(dòng)漫、頭像、明星或者學(xué)習相關(guān)內容。

從搜索性能來(lái)看，我們的名人內容并不能很好地滿(mǎn)足他們的需求。研究團隊需要對這個(gè)問(wèn)題進(jìn)行用戶(hù)研究，找出他們想看到哪些關(guān)于名人的內容？

市場(chǎng)部（尤其是SEM）還是可以嘗試更多的減肥、祛痘、護膚、粉底液等話(huà)題。因為這些主題的內容在小紅書(shū)的搜索點(diǎn)擊率中還是比較高的。廣告應符合產(chǎn)品屬性。

問(wèn)：他們的提要是否會(huì )流式傳輸他們想要觀(guān)看的內容？

A：年輕人比較喜歡的品類(lèi)，內容曝光太少，不太滿(mǎn)意。未來(lái)運營(yíng)團隊需要重點(diǎn)補充這些品類(lèi)的內容。當然，內容不足的類(lèi)別也可以暫時(shí)取走，以防止新用戶(hù)注冊的期望值過(guò)高而流失。

在發(fā)行方面，（全面公開(kāi)）內容需要針對不同年齡段進(jìn)行差異化，算法團隊需要調整當前的發(fā)行策略。

這是一個(gè)很簡(jiǎn)單的案例小紅書(shū)運營(yíng)，所以從各個(gè)維度做數據分析的案例每周都會(huì )出現好幾次。其實(shí)我們也可以從用戶(hù)的角度來(lái)分析，比如用戶(hù)使用的是iOS還是？如果是安卓，是OPPO、VIVO、華為、小米嗎？如果是這樣，你能看出它是高端機還是低端機？

我們可以從不同的角度切換來(lái)做數據分析。而這些數據分析可以用來(lái)指導公司下一步的行為，無(wú)論是調整還是落地。

6.小紅書(shū)的成長(cháng)實(shí)驗理念

下面我將簡(jiǎn)單介紹一下我們在小紅書(shū)中常用的數據分析的維度。

我們在小紅書(shū)里會(huì )用到兩個(gè)工具，第一個(gè)叫做數據平臺。數據驅動(dòng)增長(cháng)已經(jīng)講過(guò)很多次了，那么我們如何才能真正驅動(dòng)增長(cháng)呢？也就是從數據中看問(wèn)題，找到方向。

小紅書(shū)對所有產(chǎn)品經(jīng)理一視同仁。當你開(kāi)始工作時(shí)，你會(huì )得到一本教你如何編寫(xiě) SQL 的書(shū)，以及一個(gè)運行數據的平臺。每個(gè)人都可以自己做。

二是實(shí)驗平臺。這是小紅書(shū)里面的實(shí)驗平臺。做實(shí)驗是一種意識。

給大家講一個(gè)很久以前的故事，關(guān)于手機APP引導用戶(hù)上傳頭像的頭像框。

當時(shí)，做這個(gè)功能的工程師曬出了他的微信頭像。后來(lái)我們分析用戶(hù)上傳頭像的比例不高的時(shí)候，他們開(kāi)玩笑說(shuō)工程師頭像太丑了，然后大家為了證明是不是就做了。一個(gè)實(shí)驗。

我們上傳了所有參與該功能開(kāi)發(fā)的工程師、PM、數據分析師的頭像進(jìn)行測試，看看誰(shuí)的頭像作為用戶(hù)指南會(huì )增加上傳頭像的比例。

故事也是一件小事。但其實(shí)，小紅書(shū)里面，就有這樣一種文化。在得到數據之前，沒(méi)有人知道所有問(wèn)題的對錯，所以讓我們做一個(gè)實(shí)驗。