影响用户留存的重要指标如何筛选?

在上一篇文章中我们讲到了如何寻找影响用户留存的关键因素,那么这些因素具体要如何分析和赛选出有用的数据,今天就和大家一起讨论下关于影响留存的重要指标筛选。

影响用户留存或者流失的因素非常多,需要从众多指标中筛选出重要度较高的几个指标。以下有两种方法可以提供参考。

src=http___img.zcool.cn_community_0198e35c860e02a80120af9aeeee91.jpg@2o.jpg&refer=http___img.zcool.jpeg

一、相关性分析

选出与留存率相关性系数较高的前几个行为,作为关键行为候集;同时还要考虑发生该行为的用户的渗透率高低、留存率提升幅度的高低,即要保证最终的留存人数处于较高的水平(留存人数 = 人数*渗透率*留存率 )。

假设某个社交媒体平台 APP ,流失用户被定义为近7日未启动APP的用户。那么可以导出7天内行为指标,影响留存的指标、各指标与留存率间的相关系数、行为渗透率、留存率提升幅度。

页面访问等行为渗透率较高,且留存率提升幅度也较高的行为作为影响留存的关键行为候选集。

二、基于各类树模型

各类树(决策树、随机森林、GBDT等)模型训练结束后,可以输出模型所使用的特征的相对重要度,可以解释哪些因素是对预测有关键影响,因此可以帮助我们快速找出对用户留存影响度高的关键因素。

1、 特征选择

  • 用户画像类特征(年龄、性别、城市、手机品牌、手机型号、平台角色、是否安装竞品、竞品APP安装数量、新增渠道类型);

  • 活跃类标签(近 7 天APP启动次数、近 7 天APP使用时长、近 7 天活跃天数、首次活跃距今天数、末次活跃距今天数);

  • 消费类行为标签(近 7 天内容曝光次数、近 7 天内容点击次数、近 7 天内容播放时长);

  • 互动类行为标签(近 7 天点赞次数、关注次数、评论次数、转发次数、收藏次数);

  • 付费类行为标签(近 7 天打赏主播次数、打赏金额、充值金额);

  • 金币激励类标签(近 7 天金币提现金额、签到次数、得金币数、访问福利中心页面次数)。

2、正负样本构建

先锁定特定日期范围(比如 2021.11.1-2021.11.7)的活跃用户,根据其是否在后续7天(2021.11.8~2021.11.14)活跃来划分正负样本。

构建模型时的注意点两三点,一是正负样本的样本数尽量保持在1:1,避免正样本数量过少导致学习不到正样本的信息,或者负样本数量过大影响训练速度;二是模型预测效果不佳时,可以尝试使用多种模型;三是区分不同类型用户分别构建模型,比如区分新老用户、创作者用户和消费型用户、高低中频次用户等。

3、特征间的相关性分析

通过对特征间的相关性系数分析发现, APP 启动次数和 访问 APP 时长指标之间存在很强的相关性,可以剔除其中一个指标。因此,我们可以选择7天内APP活跃天数、启动APP次数、播放短视频次数作为影响留存的关键指标。根据这些指标,我们可以设计新人激励体系,引导用户尽可能地多完成关键行为。比如新用户激活后登录APP、播放视频,会有积分或者金币等形式的激励,该激励活动以站内弹窗等形式传递到用户。

但是激励活动的具体规则,比如播放视频次数在7天达到多少,才能给到激励呢?我们同样可以基于数据给到建议。比如观察第一个7天内完成不同播放次数的用户,在下一个周期的留存率,找到留存率变化的拐点,作为激励规则的临界值。


流量宝互测版官方版

软件功能: 网站PC/移动端流量测试

软件大小: 44.3MB

用户评分:  10 分

立即下载

猜你喜欢

Copyright © liuliangbao.cn All Rights Reserved. 流量宝 - 浙ICP备12019862号浙公网安备 33010802006263号  

返回顶部