一句话回答
产品采用是用户从得知产品存在,到把它变成日常固定一部分的过程。用三个信号来衡量:用到了、再用到、变成习惯。
公式: 用户采用率 = 满足习惯规则的用户数 ÷ 同期注册用户数。功能采用率 = 使用该功能 N 次以上的用户数 ÷ 能用到该功能的用户数。粘性 = 日活跃用户数 ÷ 月活跃用户数。
什么是产品采用?
产品采用(Product Adoption)是一个人从得知产品存在,到把它变成日常工作或生活中固定一部分的过程。Amplitude 把它描述为产品从推向市场到成为用户日常中不可缺少的一部分的整个历程;Mixpanel 补充说,采用要求用户达到成功的结果并养成习惯,这一点把它和单纯获得一个用户区分开。
这个词有两个尺度,分开看会更清楚。在市场层面,采用描述的是整个人群随时间接受一种新产品的过程,那是技术采用曲线。在用户层面(本页讲的就是这个),它描述一个人注册之后做了什么:用了没有,再用了没有,有没有一直用。相关的功能采用则是对产品里的某一项能力问同样的问题。带基准数字的完整做法见如何衡量产品采用和功能采用;本页只讲定义和算法。
产品采用的几个阶段
Amplitude 把采用分成五个阶段:认知、兴趣、评估、试用和采用。前三个主要发生在接触产品之前,属于营销和销售的范围。人进入产品之后,三个行为信号比阶段名称更容易衡量:
| 信号 | 问题 | 怎么写成规则 | 相关术语 |
|---|---|---|---|
| 用到了 | 到达首次价值时刻了吗? | 注册后 7 天内至少做过一次关键动作 | 激活率 |
| 再用到 | 回来重复做了吗? | 14 天内在 3 个或更多不同的日子做过关键动作 | 早期留存 |
| 变成习惯 | 成了日常的一部分吗? | 满一个月之后的 4 周里有 3 周活跃 | 持续留存、粘性 |
上面的阈值只是示例。关键是每个信号都写成事件、次数和时间窗口,这样两个人算出来的结果一致。关键动作要选能带来产品价值的那个,而不是最容易数的那个;如何找到它,见顿悟时刻和价值实现时间。
采用、激活、参与度和留存有什么区别
| 术语 | 衡量什么 | 常见时间窗口 | 分母 |
|---|---|---|---|
| 激活 | 到达首次价值 | 注册后的头几天 | 新注册用户 |
| 采用 | 让产品成为日常 | 数周到数月 | 新注册用户(用户层面)或活跃用户(功能层面) |
| 参与度 | 用得多频繁、多深 | 一天、一周或一个月 | 活跃用户 |
| 留存 | 之后是否仍然活跃 | 第 N 天或第 N 周 | 起始的同期群 |
激活是起点那级台阶,留存是证据,采用则是你根据两者做出的判断:“这些用户让这个产品成了日常的一部分。”参与度描述的是强度,可能一个月很高然后掉下来,所以它本身不能证明采用。
怎么计算采用率
Amplitude 和 Mixpanel 的概述都没有给出确定的公式,所以要自己写下来。实践中有三个好用:
- 用户采用率 = 满足“习惯”规则的用户数 ÷ 同期注册的用户数。
- 功能采用率 = 在窗口期内至少使用该功能 N 次的用户数 ÷ 有机会使用它的用户数。分母要算准:对只在完成设置之后才出现的功能,用全部注册用户去除会低估采用。
- 粘性 = 日活跃用户数 ÷ 月活跃用户数,也就是 Mixpanel 提到的作为粘性指标的 DAU / MAU 比值。
算例:2,000 个注册用户,三个信号
示例数据:1 月有 2,000 人注册。对每个人检查上面三条规则。
| 步骤 | 规则 | 用户数 | 相对上一步的比率 | 相对全部注册的比率 |
|---|---|---|---|---|
| 注册 | 属于 1 月同期群 | 2,000 | — | 全部 |
| 用到了 | 7 天内做过关键动作 | 1,100 | 55.0% | 55.0% |
| 再用到 | 14 天内有 3 天以上做过关键动作 | 560 | 560 ÷ 1,100 = 50.9% | 28.0% |
| 习惯 | 满一个月之后 4 周里有 3 周活跃 | 330 | 330 ÷ 560 = 58.9% | 16.5% |
总体用户采用率是 330 ÷ 2,000 = 16.5%。流失分布在三个步骤里,人数最多的一次流失发生在头一步(900 人从未到达价值),相对比例最弱的是第二步(用过的人里只有一半回来了)。这两个问题需要不同的解法,而一个笼统的“采用率”会把它们藏起来。
再看功能层面,分母用到达首次价值的 1,100 位用户:
| 功能 | 30 天内使用 2 次以上的用户数 | 功能采用率 |
|---|---|---|
| 仪表盘 | 980 | 980 ÷ 1,100 = 89.1% |
| 导出 | 330 | 330 ÷ 1,100 = 30.0% |
| 提醒 | 154 | 154 ÷ 1,100 = 14.0% |
| 分享 | 88 | 88 ÷ 1,100 = 8.0% |
仪表盘是核心习惯。提醒和分享分别只有 14% 和 8%:要么它们只服务较小的一群人,要么大多数人根本没发现。判断是哪种之前,先比较采用了提醒的用户和没采用的用户的留存。
常见误区
- 把登录算作采用。 打开产品不等于使用产品。把采用绑定到带来价值的那个动作上。
- 用错分母。 用全部注册用户去除功能采用,会惩罚只对已配置账户存在的功能;应该除以真正能用到它的用户数。
- 判断得太早。 习惯需要几周时间。第 7 天测得的比率描述的是激活,不是采用。
- 在差别很大的用户之间取平均。 一个混合比率会掩盖这样的事实:某个套餐或渠道的采用率是 30%,另一个只有 5%。下结论之前先按分群拆开。
- 把采用率高的功能当成好功能。 所有人都必须经过的功能,比如登录设置,使用率会很高,却不一定带来价值。
- 认定是导览或提示带来了采用。 完成导览的用户本来就是积极的那批人。归功于它之前,先和对照组比一比。
在 TapCub 里衡量产品采用
以上面的 1 月同期群为例,产品团队可以这样在 TapCub 里搭起来。
- 把关键动作作为事件发送。 为带来价值的动作调用
tapcub.track,例如create_report,并把它登记到 全端分析 › 数据管理 › 埋点方案,让团队对它的含义达成一致。 - 数出谁做了。 在 全端分析 › 行为分析 › 行为分析 里,对 1 月注册的用户按去重用户数画出这个事件,再用从注册到关键动作的漏斗看那个 55% 的步骤。
- 看谁回来了。 在同一处用留存看同期群在第 2、3、4 周有多少人活跃;生命周期视图会把人标成新增、留存、回流或流失。
- 把习惯用户分出来。 在 全端分析 › 用户 › 分群与标签 里建一个规则分群,例如“30 天内做过 create_report 三次以上”,再和其他人比较。
- 观察粘性。 TapCub 的活跃用户指标提供计算 DAU / MAU 所需的日、月人数。
TapCub 负责衡量采用,不做产品导览、不做功能开关、也不发应用内问卷。为提高采用率所做的改动,请用你自己的工具去做,再用 TapCub 看三个信号有没有变化。
资料来源
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
