Magic Index - 用户为何留下?

我厂大佬喜欢问这样一个问题:你们的 Magic Index(魔力指标)是什么?意思是,什么是最关键的指标,它影响了你的用户,使他决定留下或离开(删除)?

对于这个问题,每个产品的答案不一样,最终要拿到这个关键点的在A/B条件下所产生的留存率来说明问题。

用数据说话 - “我不要你觉得,我要我觉得”?

通过统计数据来论证设计,曾经做过的一些用户行为分析:

A/ 主观设计 VS 用户期待

当用户输入邮箱的时候,会自动显示一个常见域名列表,供用户选择。这些域名罗列了我们设想中的“知名厂商”。这样设计之后,我们仍然有一个疑问:这些域名是用户期待的吗?

于是我们按国家区分,统计了不同国家的用户所使用的邮箱后缀,发现,对于英国用户,使用 btinternet.com 多于 gmail.com。通过这个统计可以看到,某些服务商在某些定国家是首选,在另一些国家则不一定。

我们最初的主观设计,不区分人群(国家)的笼统设计,可能并不适合某一类用户的习惯。

B/ 寻找需要优化的重要环节

1

考察邮箱绑定成功率,发现 Gmail 在 70% 上,而 iCloud 在 50%。通过比较,找到需要重点优化的服务商,从而提高绑定成功率。并且计算需要把绑定成功率提高到多少 percent,留存率才能到达某个目标值。从留存率倒推,在这个环节上需要达到的客观指标。优化空间大的多努力,优化空间小的少努力。

2

分析收到的邮件的domain,根据domain分类,发现电子商务类和 Newsletter 类的邮件占60%以上,从中可以观察用户会看到什么样的邮件,以便我们为这个使用场景进行优化;

C/ 如何建立关系?

产品的一个核心任务是建立用户关系,因为有关系在他才不会离开。

我们最初的设计是基于来往邮件建立联系人关系的,一个联系人是不是用户“认识的人”,取决于ta有没有给此人发过邮件。我们需要寻找数据去论证这个设计的合理性。

统计初次绑定后所拿到的邮件数量,发现 50% 的用户发件箱中的邮件不到 20 封。也就是说,我们基于发件箱来区分联系人可能是不充分的,据此生成的“首页会话”少得可怜。因此,要么推翻这种熟人/陌生人的划分设计,要么要拿到通讯录权限,才可能形成更大量的“熟人网络”和“会话关系”。

总结

  1. 从数据出发考量设计,帮助形成更切合客观事实的产品设计。

  2. 从留存率倒推重要环节的数据指标,进行有侧重的优化。

  3. 从留存率、转化率、日活率去考察关键变更所产生的效果。

工作