新用户不再回来时先用哪个框架
用同期漏斗数据区分获取、激活与留存
本文目录
看到回访人数下降,团队很容易立刻讨论提醒邮件、优惠券和新手教程。先把“少了多少人、少在哪一步、用什么口径比较”说清楚,通常更有帮助。下面用一份小型练习材料,先用 As is / To be 定义差距,再借 AARRR 找到值得调查的环节。
本文是原创模拟案例,数据用于练习,不代表 BizThinkFrame 或真实企业的表现。所有用户均已完成七天观察窗口。
把人数放回同一批用户中
假设你维护一个线上排课工具。激活定义为“注册后七天内创建一份课表并邀请至少一名成员”;回访定义为“完成激活后,仍在注册后的七天窗口内,另一天再次编辑课表”。这是本练习的操作定义,不是通用的留存口径。
| 指标 | A 周注册队列 | B 周注册队列 |
|---|---|---|
| 当周访问人数 | 1,000 | 1,000 |
| 当周新注册人数 | 100 | 100 |
| 七天内激活人数 | 40 | 25 |
| 激活后另一天再次编辑的人数 | 16 | 10 |
“回访从 16 人降至 10 人”是事实。但这组数还不能回答,用户是否在完成首次体验后更不愿意回来。
按注册用户计算,回访比例从 16% 降到 10%;按已激活用户计算,两个队列都是 40%。同时,注册到激活的比例从 40% 降到 25%。因此,当前更值得优先调查的是首次完成任务的过程。
这个判断只是定位调查入口。样本不大,两个队列的渠道、设备和客户类型也可能不同。激活时间越晚,观察回访的剩余时间越短;如要严谨比较后续留存,还应给每名用户完整的激活后观察期。
用 As is / To be 写出具体差距
先写现状,再写希望恢复的状态,并说明目标从哪里来。
| 项目 | 本例的填写 |
|---|---|
| As is | B 周 100 名新注册用户中,25 人在七天内完成创建和邀请 |
| To be | 下一轮先以 A 周的 40% 激活比例作为调查和试验的参考基线 |
| 差距 | 相差 15 个百分点;在同为 100 人的队列中,相差 15 名激活用户 |
| 未知 | 是创建失败、邀请失败,还是用户本来就没有协作需求 |
40% 来自历史队列,不是行业标准,也不是必须承诺达到的业绩。这个框架的作用,是让团队讨论同一个问题,避免一个人在谈获客,另一个人在谈用户长期价值。
“七天激活比例提高 15 个百分点”与“提高 15%”含义不同。相对 25% 的现状,达到 40% 对应 60% 的相对增幅。为了避免混淆,这里直接使用百分点。
借 AARRR 找位置 再决定如何追原因
AARRR 提供获取、激活、留存、收入和推荐几个观察角度。本例有获取、激活和一次回访的记录,没有收入与推荐信息。空缺的部分应写“尚无资料”,不需要为了凑全图而编数。
下一步可把 75 名未激活用户按实际事件记录区分:没有开始建课表、开始但未完成、完成课表但未邀请。每人归入截至观察窗口结束时的一个状态,避免重复计数。
如果发现大量用户卡在同一个报错,再对那个具体事件做原因分析。如果问题分散在几个环节,就先用逻辑树组织调查分支。此时,选择框架依据的是资料呈现的结构。
不要从“多数人没有邀请”直接推到“邀请按钮不明显”。用户可能独自排课,也可能先试用后决定是否邀请。操作记录能说明做了什么,访谈与验证才帮助解释为什么。
带着一个问题进入工具
可以将下面四项替换为自己的信息,再用 As is / To be 整理:
现状:谁在什么时间内完成了什么,人数和分母是多少。
理想:期望达到什么,目标依据是什么。
差距:使用同一口径计算的差异。
待调查:目前还不知道哪些环节和原因。
阅读 AARRR 时,再检查你手中的数据覆盖哪些阶段。先完成一份边界清楚的问题陈述,再决定要补日志、做访谈还是开展试验。
练习材料:两个队列的原始计数。
从一份可检查的提纲开始
练习材料
- 注册队列与指标定义JSON · 1 KB