TapCub 正式上线:统计、分析、客服一个平台免费用
产品动态

如何提高产品采用率:先找出被卡住的阶段

产品采用卡在三个阶段之一:没发现、试了一次、没再回来。附障碍、策略、指标对照表,可复算的完整算例,以及验证改动是否有效的样本量规则。

林舟 发布于 2026 年 11 月 20 日 11 分钟阅读 产品动态
示例数据:10,000 个有资格账户中 720 个采用了该功能(7.2%)。认知提到 75% 得 900 个采用者,尝试提到 36% 得 864 个,重复使用提到 50% 得 900 个,三项一起得 1,350 个。示例数据

提高产品采用率,要先找出三个阶段里哪一个被卡住(没发现功能、试了一次就停、没有再回来),再用对应阶段的策略,并衡量该阶段自己的指标。示例里,同时提升认知、首次尝试和重复使用,会让采用者从 10,000 个有资格用户里的 720 人增加到 1,350 人,因为各阶段比率相乘。下面是阶段模型、障碍对照表和样本量规则。

读完你会知道

  • 把「已采用」定义成有资格用户里的行为(如 30 天内使用 3 次及以上),再拆成认知、尝试和重复使用
  • 按策略解开的阶段来选,并用该阶段自己的指标来验证
  • 比较同一周开始的群体,读变化之前先知道自己的误差范围

提高产品采用率是什么意思?

产品采用率,是在有资格使用你的产品或某个功能的人里,已经开始并持续使用的人所占的比例。要让这个数字能被改善,就把「已采用」定义成可以观察的行为,而不是感觉。一个可行的定义是:30 天内至少做了 3 次关键操作的人。于是:

采用率 = 达到已采用状态的人数 ÷ 有资格使用的人数

Google 的 HEART 框架由 Kerry Rodden、Hilary Hutchinson 和 Xin Fu 发表于 CHI 2010,做的是同样的区分:采用指标「追踪在某个时间段里有多少新用户开始使用产品」,留存指标看已有用户是否继续回来。本文讲的是前者,以及它不太显眼的后半部分,也就是重复使用。怎样先把采用率量出来,见如何衡量产品采用率,功能层面的版本见功能采用率;本文讲的是有了数字之后该改什么。

贯穿全文的观点:采用卡在三个阶段之一(根本没发现、试了一次就停、用过之后没再回来),每个策略都应该按它解开的阶段来选,并用该阶段对应的指标来验证。 没有这个对应关系的八条策略,只是一张待办清单。

用户在旅程的哪一段被卡住了?

把旅程分成三个阶段,每个阶段有自己的指标:

  1. 认知: 有资格的用户到达了提供该功能的位置。指标:看到它的有资格用户占比。
  2. 尝试: 用户至少试过一次。指标:已知晓用户里尝试的占比。
  3. 重复使用: 用户回来的次数够多,算已采用。指标:尝试过的人里达到已采用状态的占比。

三个比率的乘积就是采用率。这一点很重要,因为薄弱的阶段很容易藏在强的阶段后面:一个 90% 的用户都试过的功能,如果尝试者里只有 6% 再回来,采用率仍然只有 5%。每个阶段要的修法不同。认知是位置问题。尝试是价值与摩擦问题。重复使用是习惯与质量问题。修错了阶段,花几周也不会有变化。

一个完整算例是什么样?

示例数据:一款项目工具上线了新的「重复任务」功能。最近 30 天,有 10,000 个活跃账户有资格使用。三个阶段如下:

阶段用户数本阶段比率
有资格10,000不适用
知晓(打开了功能所在的任务菜单)6,000占有资格的 60%
尝试(创建过一个重复任务)1,800占知晓的 30%
已采用(30 天内使用 3 次及以上)720占尝试的 40%

采用率:720 ÷ 10,000 = 7.2%。

现在测试修在哪里最划算。假设某个策略只可能提升一个阶段,别的不变:

  • 认知从 60% 提到 75%:10,000 × 0.75 × 0.30 × 0.40 = 900 个采用者(多 180)。
  • 尝试从 30% 提到 36%:6,000 × 0.36 × 0.40 = 864 个采用者(多 144)。
  • 重复使用从 40% 提到 50%:6,000 × 0.30 × 0.50 = 900 个采用者(多 180)。
  • 三项一起:10,000 × 0.75 × 0.36 × 0.50 = 1,350 个采用者,也就是 13.5%。

三种修法的投入并不相等。认知的百分点提升投入最少(换个更好的位置),所以常常先做。数字还显示出人们容易忽略的一点:每个阶段都乘以后一个阶段,所以三项合起来的 1,350,比各项增量的加总(720 + 180 + 144 + 180 = 1,224)更多。先做投入最少的阶段,但规划时要按三者的乘积,而不是加总。

app.tapcub.com

有资格用户 → 已采用

最近 30 天

有资格

10,000

知晓

6,000

尝试

1,800

已采用

720

尝试阶段流失最多,但用同样的投入把认知或重复使用提上去,同样多出 180 个采用者。
示例数据
示例数据:10,000 个有资格账户中 720 个采用了该功能(7.2%)。认知提到 75% 得 900 个采用者,尝试提到 36% 得 864 个,重复使用提到 50% 得 900 个,三项一起得 1,350 个。

哪个策略对应哪个障碍?

用这张表把薄弱阶段变成策略,再变成能证明它有效的数字。多数团队会漏掉的正是证明指标。

障碍阶段策略证明指标
用户不知道有这个功能认知在用户需要的那一刻、在上下文里提供它看到入口的有资格用户占比
用户看不到价值尝试先用示例或模板展示结果知晓用户里 7 天内尝试的占比
第一次使用步骤太多尝试把第一次缩短成一个动作,能预填的都预填从首次看到到首次使用的中位时间
权限或设置弹窗来得太早尝试等用户做了需要它的事情之后再问该弹窗的授权率
首次使用出错或看不懂尝试修错误,并追踪这个功能上的失败这个功能上的错误率和受影响用户
用过一次,没有回来的理由重复使用把下一次使用和自然的时刻绑在一起尝试者里 30 天内使用 3 次及以上的占比
用户找不到帮助尝试和重复使用在功能页放帮助或聊天入口每 100 个新用户里关于该功能的提问数
统计了不该统计的人群任意定义资格,针对需要它的分群有资格用户中的采用率,而不是全部用户

其中两条有平台方的文档依据。在 Android 13(API 级别 33)及以上,新安装的 App 默认关闭通知,直到用户授予 POST_NOTIFICATIONS,Android 官方的建议是等一等、在上下文里问:用户点击提醒铃铛、关注一个账号或提交订单时,或者第三、四次启动之后。这就是「等用户做了需要它的事情之后再问」这条策略,并且有出处。HEART 论文自己的例子也是类似的证明指标:Google 的一款产品发现,上周有五天及以上使用它,对更长期的留存有很强的预测力,所以把它当作先行指标。

阶段问题指标
认知有资格的用户看到了吗?看到入口的有资格用户占比
尝试他们试了吗?知晓用户里尝试的占比
重复使用他们回来了吗?尝试者里 30 天内使用 3 次及以上的占比

采用率是三个阶段比率的乘积。

怎样解决认知问题?

认知问题关乎功能在哪里、什么时候被提供,而不是声音多大。三条规则:

  • 在需求出现的地方提供。 重复任务的提示,应该出现在用户刚刚连续创建了两次同一个任务的页面,而不是更新说明横幅里。按每周经过的有资格用户数给候选位置排序。
  • 数曝光,不数发送。 送达了却被划过去的公告,没有让任何人知晓。指标是看到它的有资格用户占比,这需要在入口上埋一个事件。
  • 有效之后就停。 试过这个功能的人,应该不再看到提示。永远不消失的提示,会训练用户忽略整个产品。

如果曝光已经超过 80% 而采用率仍然低,说明认知不是问题,转去看尝试阶段。

怎样解决第一次尝试?

尝试阶段流失于价值和摩擦。先从摩擦入手,因为它可以量。

  1. 给第一次使用计时。 量出从用户首次看到功能到首次使用的时间。如果中位数是两天,功能并不难找,而是还不够吸引人,让人现在就去试。
  2. 数到首次获得价值的步骤。 写下从入口到第一次成功之间的每一次点击。凡是第一次成功不需要的就砍掉,其余的预填好。
  3. 先展示结果。 一个示例结果或一键模板,能在用户投入之前告诉他会得到什么。
  4. 查错误率。 如果 100 次首次尝试里有 15 次失败,再多的文案也没用。先修失败。

好目标不是一个数字,而是改了其中一件事、别的都不变时,尝试率会随之变化。

怎样让人回来?

重复使用是多数指南跳过的阶段,在这个算例里它是最大的杠杆:1,800 人试过这个功能,只有 720 人留下。策略围绕的是自然的时刻,而不是提醒:

  • 把第二次使用绑在用户本来就在做的事情上。 如果重复任务在一周开始时最有用,第二次使用在周一发生的可能性比周三更大。
  • 让结果在之后看得见。 回报延迟才到的功能,需要在回报到来时有东西把它展示出来。
  • 看看谁没有回来。 试过又停下的人是一个明确的群体。在猜之前,先在客服或聊天里问其中几个人为什么。

不要因为用户试了一次就算已采用。用你一开始就定下的那个定义,比如 30 天内使用 3 次及以上,并且在测试改动期间保持这个定义不变。

怎么知道一个策略有效?

比较同一时期开始的群体,而不是前后对比。你在第 5 周上线的改动,拿第 4 周来对比,同时也量到了这两周里发生的其他所有变化。

第二条纪律是样本量。用很少的用户量出来的比率,会随机波动。对于 7.2% 的采用率,95% 的误差范围大约是:

  • 10,000 个有资格用户:±0.51 个百分点(标准误 0.26 个点,乘以 1.96)。
  • 2,000 个有资格用户:±1.13 个点。
  • 1,000 个有资格用户:±1.60 个点。

所以每组 10,000 个用户时,从 7.2% 到 9.0% 是 1.8 个点的差,差值的误差范围是 ±0.76 个点(z ≈ 4.7),结论站得住。同样 1.8 个点的变化,如果每组只有 1,000 个用户,就站不住了,而在这些规模下,都不要去解读 0.3 个点的变化。在测试之前先定好你在意的最小变化,等误差范围小于它再下结论。

哪些错误会让采用率工作失败?

  • 把全部用户都算作有资格。 如果一个功能只适用于 40% 的账户,采用率就应该对这 40% 来算。
  • 把一次点击叫作「采用」。 第一次使用说明有兴趣。采用是重复的行为。
  • 同时改好几样。 你不会知道三个阶段里哪一个动了。
  • 把公告当成曝光。 发出去的邮件不是曝光;被看到的页面才是。
  • 没有停止条件。 事先定好,什么时候不再推一个没人采用的功能。有些功能对很多用户来说就是不重要。

用 TapCub 怎么做

拿重复任务的例子来说。衡量由 TapCub 来做,改动是你的事。TapCub 不展示应用内引导、清单或提示气泡,也不做 A/B 实验,它报告用户做了什么。

  1. 在 全端分析 › 数据管理 › 埋点方案 里定义三个事件:看到入口(比如 recurring_menu_viewed)、首次创建和重复操作。每个事件有名称、平台、触发时机和负责人,大家就按同一种方式读这三个阶段。
  2. 在 全端分析 › 行为分析 › 行为分析 里,建一个从看到入口到首次创建的漏斗。流失最多的那一步,就是要先修的阶段,漏斗还可以按分群拆开。
  3. 仍在 行为分析 里,用创建事件的分布,看每个人触发了几次。3 次及以上的占比就是你的采用率,恰好 1 次的占比就是试过又停下的那群人。
  4. 在 全端分析 › 用户 › 分群与标签 里保存一个规则分群「做过一次事件、之后没再做」,这样这群人在每张图里都是同一批,还能去看他们的档案。匿名访客没有档案,也不会成为分群成员,所以这对已识别的用户有效。
  5. 每次改动之后,在 配置 › 日期标注 里标出上线日期,这样前后变化在同一张图上看得到,再按证明一节的建议,比较同一周开始的群体。

如果有人问起这个功能,问题会连同他们所在的页面一起进入 客服 › 客服工作台,让「用户找不到帮助」从猜测变成一个计数。

FAQ

怎么提高产品采用率?

找出三个阶段(认知、首次尝试、重复使用)里哪个被卡住,选对应阶段的策略,并衡量该阶段的指标。示例里,同时提升认知、尝试和重复使用,会让采用者从 10,000 个有资格用户里的 720 人增加到 1,350 人,因为各阶段比率是相乘的。

多少算好的产品采用率?

没有通用数字,因为它取决于你怎么定义「已采用」以及谁有资格。先定你自己的定义,比如有资格用户里 30 天内使用 3 次及以上,记录当前的比率,用它来判断变化,而不是拿别家公司的数字。

产品采用和功能采用有什么区别?

产品采用是人们是否持久地使用产品;功能采用是对一个功能、在可能使用它的用户里问同样的问题。三阶段方法对两者都适用:改的只是什么算有资格、什么算已采用。

采用率要多久才能看到改善?

取决于有资格的用户多快到达该功能。10,000 个有资格用户时,7.2% 的比率误差范围约 0.5 个百分点,所以要量足够长的时间来凑够这么多用户,并比较同一周开始的群体。

为什么只有认知还不够?

因为各阶段是相乘的。如果 75% 的用户看到了功能,但其中只有 36% 试用,试用的人里又只有一半回来,采用就是 10,000 × 0.75 × 0.36 × 0.50 = 1,350,而不是 7,500。认知数字好看,可能掩盖它后面某个薄弱的阶段。

资料来源

归档:产品动态

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

林舟

产品体验专员

关注产品体验、功能使用与增长实践,喜欢把复杂流程拆成清晰步骤,让分析结果更容易用到日常决策中。

看看用户在哪个阶段流失

漏斗、每人事件次数和针对试过又停下的人的保存分群,都在同一个项目里。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie