fbpx
從數據分析的角度看,新的工具型產品如何起步?

Written by 上午 2:47 產品數據分析

從數據分析的角度看,新的工具型產品如何起步?

全台灣最擅長打造遊戲化工具產品的團隊,Fourdesire(四合願)是利用哪些哪些數據指標與分析模型來評估產品成效的?他們又是透過哪些策略來達成產品初期目標的?

在這篇文章中,我會透過 Fourdesire 旗下知名產品《記帳城市》副製作人 Sammy 的分享,一一回答:如何做產品的數據分析?新產品該關注哪些數據指標?

產品數據分析模型 AARRR

在進行產品數據分析之前,首先要弄清楚的就是「你的產品是什麼類型?」以記帳城市來說,它就是屬於工具型的產品,根據 Fourdesire 團隊的經驗,他們認為經典的 AARRR 模型還是最適合用來做工具型產品的數據分析。

AARRR 是什麼? 

AARRR 是一個非常經典的產品數據分析框架,它包含了這五大階段:

  1. Acquisition(獲客):獲取用戶
  2. Activation(激活):透過讓用戶體會到 aha moment 藉以激活他們
  3. Retention(留存):提升留存,讓用戶持續回訪
  4. Revenue(營收):讓用戶願意付費、產生營收
  5. Referral(推薦):讓用戶推薦其他新用戶使用產品

基本上這五大階段貫穿了完整的使用者旅程,因此是實務上很常使用的產品數據分析框架,但是問題來了:「哪一個指標是最適合拿來觀察剛上線的產品的呢?」在往下看之前,你或許可以在 1-5 之中選一個答案。

對工具型產品來說,初期最重要的指標是「Retention rate(留存率)」

工具型產品追求的通常都是解決用戶遇到的特定問題,所以會期待用戶持續產品,而不是只用了一兩天就離開。例如記帳城市,當然會希望新用戶覺得產品好用,並且持續使用下去。

又或是我目前公司做的影像編輯 APP,也是期待用戶在編輯過第一張圖片後,未來如果還想編輯影像,會繼續回到我們的產品使用,因此 Retention rate 也是我們極度重視的指標。

那麼獲客、營收不重要嗎?其實依照不同的產品類型,最優先的指標就會不同,例如電商最重要的指標多半是 GMV(網站成交金額),這就跟 Revenue 密切相關,這時 Retention rate 對電商來說就不是太重要的指標 。

推薦閱讀:
留存率如何影響產品體質?深度解析留存率與 DAU 的關係

好的產品留存率曲線長什麼樣子?

如果把日期跟留存人數攤開來看,一個健康的產品留存率曲線應該是隨著日期的增加愈來愈平緩的,如下圖的 Product A(藍線),這代表在 20 天之後,有約 40% 的用戶還保持著回訪的習慣,並且不管是 30 天、60 天或 90 天後都還是維持著這個比例。

相對的,Product B(綠線)呈現的產品則是在 20 天後,還有回訪的用戶是 0%,這代表用戶全都流失了,對工具型產品來說,絕對需要進行更深度的分析,了解用戶不願意使用產品的原因。

但對闖關類遊戲產品來說,用戶闖完關就不回訪遊戲了則是一個正常狀況,因此產品類型是判斷留存率曲線是否正常的重要依據。

推薦閱讀:
留存率怎麼算?該如何正確監測留存率?

留存率曲線平緩後:留存率曲線面積與營收的關係

留存率曲線平緩除了代表產品狀況是健康的以外,Fourdesire 團隊也認為留存率曲線面積與營收是成正比的,假設每一個活躍用戶每天能帶來的營收是定值,那麼留下來的使用者愈多,代表產品的營收也會增加。

Sammy 在分享中舉的具體例子是,假設每一天每一個活躍用戶能帶來的價值是 0.5 元,那麼在使用者愈多(面積愈大)的前提下,團隊能獲得的營收就愈高。

同時,在留存率曲線有隨著日期增加而平緩的狀況下(例如 30 日留存率、60 日留存率都大約在 10%),那麼就可以開始安心做獲客(Acquisition)了。因為這時你知道,只要用戶進來,不管怎樣都會有 10% 的用戶留下來使用你的產品。

前面提到的每一天每一個用戶能貢獻多少價值,要怎麼算呢?最簡單的算法就是:當天的營收(Revenue)/當天的活躍用戶數(DAU),這個指標又稱為使用者平均收入(ARPU),當 ARPU 愈高,意味著這個產品有更好的營收能力。

關於 ARPU 的進階概念我有在 Data Studio 課程 9-7 訂閱制的商業分析中說明,若想更瞭解相關概念,也對數據分析跟資料視覺化有興趣,歡迎參考這堂課程:Data Studio 視覺化報表|數據分析輕鬆上手

想提高營收?可以從提升留存率曲線做起

如果你認同上述所說「留存率曲線面積與營收成正比」的理論,認為留存率很重要、留存率曲線的面積也很重要的話,那麼在這個邏輯底下,就有兩個提升留存率的思路:

1. 從頭幾天就提升留存率(Short-term Retention)

透過拉高次日留存率,將整體的留存率曲線往上拉,這樣也可以將留存率曲線的面積拉高。而主要的方法就是透過優化 Activation,讓更多用戶感受到產品的價值(aha moment),進而願意留下來持續使用產品。

2. 提高尾段的留存率(Long-term Retention)

這邊 Sammy 沒有特別提到要利用什麼方式來進行提升,但以我個人的想法的話,試著去做使用者的回訪頻率研究,在留存率已經趨近平緩的前提下,再想辦法讓它提升,或許會是可行的方法之一。

從數據分析的角度看,新的工具型產品該如何起步?

綜合以上我們談到的內容來說,可以發現,如果一個新的工具型產品要起步,從數據分析的角度來說,我們最首要關注的,就是確保產品在一開始就有好的留存率表現,而所謂的好,就是指隨著日期增加,留存率曲線也要愈來愈平緩。

在留存率曲線平緩之後,你可以選擇優化次日留存率,針對短期留存率來做提升,或是你也可以分析用戶長期的留存狀況,來提升留存率尾段的曲線。

當我們做完以上分析,基本就可以確保產品有一個好的開始了!


延伸閱讀

Close