在
Epic增长会议上 ，App的执行总裁Bayram Annakov回顾了有助于提高用户在应用程序中保留率的做法。
阅读下面的成绩单。
用户总是想告诉我们一些事情。
下面幻灯片中的某人看到计划不周。 在这里，我看到行人向建筑师传达的信息。 可以用产品进行类比。 用户如何真正从“ A”点转到“ B”点。
我们以用户认为应该使用的方式设计界面。 产品经理的任务是根据用户在应用程序中的路径和屏幕截图了解用户的需求。
为什么要研究用户消息？
1.用户不是产品经理
有句谚语：“人提议，但上帝处置”。 您可以将其应用于Web服务：“产品经理负责，但用户负责。” 我们无法始终准确预测人们将如何使用该应用程序。 为了及时分析情况并解决错误，重要的是不要“锤击”用户消息，而要研究它们。
2.漏斗不是万能的
渠道是研究用户消息的最常用方法。 但是，漏斗的问题在于它们在特定点还不够。 这有几个原因：
漏斗大大简化了复杂而丰富的用户行为
幻灯片在左侧显示了用户在产品屏幕上的行为。 右边是假设用户移动的各个阶段是连续的，如何在一组阶段中减少此行为。
用户可以继续使用，然后切换到另一个应用程序，因为带有消息“返回”的SMS已到达。
用户不能清楚地达到您为他设定的目标。 他受到复杂行为的引导，并且漏斗大大降低了他的行为。 这使您无法看到用户消息的复杂性和丰富性。
用户浪费时间
渠道不考虑时间方面。 在准确的屏幕上，用户花费更多的时间而花费更少的时间。 例如，在我们的应用程序中，我们知道如果用户阅读了隐私权政策，那么他很可能会离开该应用程序并且不会返回。
在某些时候，您会觉得该渠道不再回答出现的问题。 然后，您必须研究用户轨迹。
3.用户图是关键
什么是轨迹？ 想象一下：您有标准事件（Google Analytics（分析），Firebase，振幅）。 事件具有时间顺序。 您将用户行为表示为一系列动作，从一个事件到另一个事件的转换。
节点是事件（通常是屏幕）。 转换是屏幕之间的跳转。 绘制屏幕布局时，我们使用的工具大致相同。
分析所有用户的所有轨迹，找到行为模式以及他们试图告诉我们的内容，这很酷。 但是，当用户数超过每月1亿时，则没有足够的时间进行手动分析。 我必须使用自动化工具。
4.频率分析=收益
我们开发了一套工具来跟踪购买和不购买我们产品的用户的轨迹。 我们使用产品使用频率矩阵。
沿着幻灯片的边缘是不同的用户群。 两张图表显示了从每个同类群组中购买我们的订阅的用户百分比。 在X轴上-用户可以看到功能使用频率的指示器，在Y轴上可以看到用户。
当您构建相似的矩阵时，您开始看到一个队列与另一个队列之间的根本差异。 知道结果是，预订的用户比例与不预订的比例之间存在差异，因此您可以了解哪些屏幕，事件和操作导致了对用户的了解。
5.通过组图，您可以看到见解
我们感兴趣的是研究用户使用功能的顺序，并构建我们称为“组图”的图形（该图描述了特定组的特征）。 例如，他们使用的关键功能。
此外，根据您的应用程序或任务，您可以使人们沿着提供最大结果的道路前进。
如果您清楚地了解您的产品适合不同类别的用户，那么就可以进行入职培训。 您还可以针对此用例提高产品的整个部分的清晰度。
6.周期导致用户外流
当您获得了一个自动分析图的工具，并在其中一个队列上构建了一个过渡图时，您开始在该图中看到损失。
例如，在其中一个用户可以连接日历的入门屏幕之一之后，我们失去了大约5％的用户。
这是由于循环而发生的：用户在一组屏幕上走来走去，重复相同的操作，然后关闭应用程序。 如果您构建数学图，则很容易找到周期-因为用户进行的周期越多，其保留系数就越低。
7.动态计数
我们发现在轨迹中收集的用户操作序列的哪些周期对一个人离开这一事实做出了最大贡献。 我们开始刷新这些周期。
使用轨迹，您可以定义用户行为的模式。 为此，您可以使用现成的数学工具，例如搜索周期-它们将迅速显示哪些周期导致人们离开。
您将深入这些周期，对几个用户进行交叉检查，查看整个周期，了解问题所在，然后刷新该周期。 这立即使用户保留率受益。
一个很好的例子：想象您的用户到达迪拜机场并迷路了。 就导航而言，这是最令人费解的机场之一。 在某个时候，他被机场工作人员注意到，并指向出口方向。 对于您的服务，您可以动态更改UI以最大程度地保留。
我们认为：“在公司内部做到这一点很酷。 但是，补偿所有这些工具并使产品经理可以使用它们更有趣。”
使用Google Analytics（分析）或任何分析工具。 一组工具将帮助您自动生成图表并预测一个人最近X事件的离开。
分析在许多公司中如何发展？
假设我们有两个轴。 一端是“我知道”，另一端是“我不知道”。 第二根轴以相同的原理起作用。 对许多公司的观察和分析的发展表明，我们都在这一象限内前进。
象限中的张紧位置和所描述的工具在哪里？
1.“我们只知道我们所知道的”
通常，这是分析系统的主要仪表板。 我们知道我们有多少下载量，用户，我们的收入是多少。 在此级别上，发生了“事实论”。 这不能称为“分析”，而只能称为统计信息。 许多公司仍然保持这一水平。
2.“我们知道我们不了解某事”
他们知道例如哪个保留率或哪个LTV。 他们开始以多种方式对此进行衡量，以预测未来。
为什么要衡量保留率？ 预测将来的活动用户数。 为什么要测量LTV？ 要了解我们花了多少钱以及最终从用户那里赚了多少钱。 如何将这些数据相互关联？ 当我们处于“我们知道什么不知道”阶段时，我们会逐渐考虑它们并尝试展望未来。
3.“我们不知道我们所知道的”
这是重新张紧和许多机器学习方法的地方。 我们已经知道如何测量用户轨迹。 我们知道用户正在尝试告诉我们一些事情。 但是我们不分析这些信息。 工具可帮助我们从用户那里获取消息并获得见识以改进产品，或者相反，将其关闭。
4.“我们不知道我们不知道的东西”
处理张量时，您需要朝这个方向移动。 在分析中，这一阶段可以描述为“星空”。 您一直在寻找想法，尝试将其应用到您的产品中，检查并分析结果。
有关产品营销的更多报告可以在
@epicgrowth Telegram频道上找到。