。在获得客户越来越困难的环境下，如何留住用户是每个企业都应该考虑的问题。面对用户流失，企业如何找到原因，正确解决问题？红书作为生活方式共享平台，4年半来实现了从20人增加到用户数超过亿人的规模，他们是如何留下用户的？

。

。小红书是一个普遍类别的生活方式共享平台。截至2018年12月，用户数已突破1.8亿，这一增长相对较快。2014年底，2015年初我刚加入红书的时候，红书只有20人左右的规模，现在我们在1644天内完成了数亿用户。

。

。。

。

。今天我想分享的主题是，我们公司内部进行的低年龄用户留下差距的数据分析。

。

。许多客人说现在客人的成本在上升，在AARR的模型中，客人Acquisition越来越高的时候，我们应该如何保证最后的利益Revenue呢？如何在利润r和越来越高的a之间寻找平衡点？

。

。例如，以前1000元可以吸引100名用户，保留率为10%，结果留下10人，现在1000元只能吸引50人，如果想留下10人怎么办？我们只能把我们的保留增加到20%，最终留下了10个人。在流量越来越高的今天，我们必须更加重视保留问题。

。

。我们的分析团队在研究不同用户群的保留率时，发现来自信息流等渠道的用户保留率低，他们具有年龄低的特性，大多是看一篇或者点一篇笔记去，保留不好。

。

。我们当时认为低年龄的用户可能还在上中学和高中，但是很多学校上课不能带手机，只能在周末玩手机，所以低年龄的用户可能还很差。这个假设听起来很合理，也很合乎逻辑，但真实情况是这样的吗？让我们看看数据是如何显示的。

。

。到目前为止，我们内部对年龄段的划分在18岁以下，但我们认为这个划分有点笼统。因为在18岁以下包括小学生、中学生和高中生。

。

。每个用户都期待新产品和新平台。当他们下载应用程序并注册时，他们总是希望在这个平台上找到对自己有价值的东西。如果找不到，用户流失的概率很高。

。

。小红书产品首页是我们推荐系统生成的双排笔记Feed，新用户注册时会选择自己的兴趣点，然后根据用户选择的兴趣点，向用户推荐相关主题的笔记。

。

。推荐是否准确，直接影响用户体验。举个最简单的例子，我选择兴趣的时候选择健身，结果推荐旅行，和我的期待相差甚远，用户觉得这个平台没有我想看的信息，当然会离开。

。

。我认为一定是这三个问题之一。接下来，让我们看看这三个维度的具体分析。

。

。第一个维度是低年龄用户的表现是否不同，我们说:不同年龄段用户的留存分布，我们将18岁以下的用户根据学龄重新分为12岁以下的小学生、13-15岁的中学生、16-18岁的高中生，同时看到这3种用户的第二天留存和周末留存。

。

。真正的第二天留下差距实际上是12岁以下的小学生和13岁-15岁的中学生，高中生群体的留下率和我们大盘用户的留下率没什么区别

。

。第二天留下差距的用户，周末留下同样差，周末不会反弹。因此，我们得出了两个结论

。

。之前我们关于低龄用户留存差距，是因为平日上学不能使用手机的假设不成立，到了周末可以使用手机的时间段，他们也没有回来。

。

。低龄用户不能单纯按年龄划分，必须按学龄划分。因此，在之后的所有数据分析中，当需要根据年龄进行分析时，我们会考虑这一点。

。

。我们又拉了第二张表，是不同年龄段的新渠道分布，这个分析的原因很简单，很多低年龄用户都是我们花很多钱买的，如果不能留下来就浪费钱，投入部门可以优化低年龄用户特别多的渠道，比如增加年龄方向。

。

。数据显示，百度SEM和广点通信的信息流是年轻用户拉新的特别多的渠道，占有率超过6，因此百度SEM和信息流的投入必须设定更严格的年龄方向。暂时不要给小学生的中学生发广告。因为现在他们来了也留不住。

。

。用户访谈可以抓住100个或1000个用户提问，了解他们来红书的目的，但这个样本量有限，结果也不能代表所有用户的想法，执行很麻烦，需要很多人工费

。

。更好的方法是看用户的搜索。搜索是一种积极而强大的行为。他搜索什么意味着他想看什么？因此，我们制作了15岁以下、16岁以下、18岁、19-23岁、29岁的搜索图像。

。

。我们发现15岁以下的用户主要搜索简单的画、动画、脸和很多明星，16岁开始关注护肤减肥的19岁增加了化妆。

。

。这个数据实际上符合用户的使用场景。小学生的中学生在学校也不能化妆，多穿校服，所以要搜索动画和壁纸等。

。

。我们甚至发现，许多年轻用户来到小红书是为了下载壁纸和精致的图片作为头像。作为我的中年人，如果他们不看数据，他们可能永远不会知道。

。

。中学到了16岁就上了高中，开始注意服装，画淡妆。再年纪大一点，结婚就会关心结婚、食谱、装修等。

。

。我们现在知道我们低龄用户来红书想看什么，他们在这里看到他们想看的内容了吗？用什么指标来衡量这个信息？

。

。搜索的同学知道，搜索点击率是最直白的方法，用户是否点击搜索结果，当然最大限度地表示对搜索内容的满意度。

。

。因此，我们又拉了两个表:没有点击超过40%的高频搜索词和没有点击低于20%的高频搜索词。

。

。迪利杰娃等明星的名字、搜索点击率不高，而且年轻用户没有点击的比例比较高。

。

。我们对这个结果出乎意料，年轻用户来红书想看明星的内容吗？你想看八卦的传闻吗？还是找粉丝团？

。

。这些确实是我们没有的内容，红书提供给用户的是明星工作以外的明星自身的真实信息，如工作以外的化妆品、喜欢吃点心等，但这些东西现在看起来不一定是年轻孩子想看的。

。

。前面两个问题，让我们了解一下低龄用户对什么感兴趣，搜索什么，小红书在什么内容上不能满足他们。

。

。第三个问题想知道的是，当他们在Feed上被动接受信息时，他们想看这些内容吗？

。

。第一种是用户兴趣特征分布表，玩过红书的同学都知道，新注册的用户刚进入APP，系统会选择感兴趣的标签作为启动数据。最初我们推给你的内容是基于你选择的兴趣标签。

。

。那么，13-15岁用户的选择是什么？30岁用户选择哪些？从这张表中可以看出，不同年龄段的用户在标签选择上有几个不同

。

。头部不集中:13-15岁用户前4名标签的比例只有20%，30岁以上用户达到30%。

。

。尾部不长尾:相对排在后面的4-5个标签，总量合计也只有2%以上。但是，年长用户至少需要遵循的4-5个标签，总量合计不足1.5%

。

。我们知道我们的年轻用户选择了什么标签。我们应该如何衡量向年轻用户推荐的内容？

。

。内容丰满是指当用户选择感兴趣的标签时，他们能看到足够多的笔记吗？我们发现最多人选的时尚服装，笔记本的曝光也最多，这是合理的，但是音乐、游戏等品种，选择的人也很多，但是曝光很少，这表明音乐这个品种用户看不到他喜欢的内容。

。

。关于分发匹配度，我选择了我们平台上内容多的种类，用热力图表示，接下来从曝光分布和喜好分布两个维度进行分析。

。

。这个数字很明显，同样是服装类，分发曝光没什么区别，但用户的喜好程度各不相同。如果热力图中所有颜色的对比都很明显分发机制存在问题。

。

。<spanclass="LightGallery_Item"lg-data-src="http://www.xzyingyang.com/zb_users/upload/2019/05/2019/05/2019

。

。a:线岁以下的中学生和小学生，而且这些用户大多是通过TEM和信息流购买的用户，市场部门在投入方面需要更正确的年龄信息。

。

。从检索表现来看，我们的明星内容不能很好地满足他们的需求，需要调查团队对这个问题进行用户调查，明确他们想看的明星内容是什么

。

。市场部门投入(特别SEM)可以尝试减肥、祛痘、护肤、粉底液等题材。因为这些题材的内容在红书上搜索点击率很高。广告的投放必须与产品属性一脉相承。

。

。a:在很多年轻人更喜欢的类别中，内容曝光过少，他们不太满意，将来的运营团队需要重点补充这些类别的内容。当然，内容不足的品种也可以暂时拿走，避免新用户注册选择后期望过高，进一步流失。

。

。在分发方面，globalpopulart(全面大众)的内容需要区年龄段，算法团队需要调整现在的分发战略。

。

。这是一个非常简单的案例，从各种维度进行数据分析的案例每周发生几次。事实上，我们也可以从用户的角度来分析。例如，用户使用的是iOS还是安卓？如果是安卓的话，是OPPO，还是VIVO，华为，美国？如果是这样的话，可以看到是高端机还是低端机

。

。我们可以切换不同的角度进行数据分析。这些数据分析可以用来指导企业的下一步行为，具体来说是调整还是落地。

。

。。

。

。我们在红书上使用两个工具，第一个是数据平台。数据驱动增长，这句话已经说过好几次了，怎样才能真正驱动增长呢？那就是从数据中看问题找到方向。

。

。红色的书对所有的产品经理都看着同事，进公司后教SQL的书怎么写，跑数据的平台也给你，大家自己做丰衣足食。

。

。。

。

。我来谈谈很久以前的事情。关于手机的APP，让用户上传化身的化身框。

。

。当时做这个功能的工程师贴上了自己的微信头像，之后分析了上传头像的用户比例不高的情况下，开玩笑说那个工程师的头像是否丑陋，为了证明是否如此，做了实验。

。

。我们分别上传了参与该功能开发的所有工程师、PM、数据分析师的脸，测试了谁的脸作为用户的指导，提高了上传脸的比例。

。

。这个故事也是一件小事。但是，实际上红书的内部有这样的文化，所有的问题在没有得到数据之前谁也不知道对错，所以做实验吧。回到搜狐，看更多。

、、、、、、、、、、、、、、、

微信扫码，“码”上知道