处于风险中的 MAU:过去 7 天内不活跃,但在之前的 23 天内至少有一天活跃 ——风险 MAU + WAU = MAU
休眠用户:过去 31 天或更长时间不活跃 ——MAU + 休眠用户 = 总用户群
由于 DAU、WAU 和 MAU 可以轻松从这些类别中计算出来,因此很容易对它们进行随时间变化的建模。这是该模型的一个关键特性。此外,通过操纵箭头所代表的比率,我们可以模拟这些比率随时间变化的复合和累积影响;换句话说,这些比率是产品团队可以用来增加 DAU 的杠杆。
在创建模型后,我们开始每天拍摄数据快照,以记录过去几年中所有这些用户群体和留存率每天的变化情况。有了这些数据,我们可以创建一个前瞻性模型,然后进行敏感性分析,以预测哪些因素对 DAU 增长的影响最大。我们对每个比率进行了模拟,其中我们每季度将一个比率上调 2%,持续三年,其他比率保持不变。
以下是我们第一次模拟的结果。它显示了每个杠杆上 2% 的小幅变动如何影响预测的 MAU 和 DAU。
我们立即发现 CURR 对 DAU 产生了巨大影响,是第二佳指标影响的 5 倍。事后看来,CURR 的发现是有道理的,因为当前用户分组有一个有趣的特征:保持活跃的当前用户会返回到同一个分组。
这会产生复合效应,这意味着 CURR 更难改变,但一旦改变,其影响将更大。基于此分析,我们知道 CURR 是我们必须改变的指标,以便实现我们想要的战略突破。我们决定成立一个新团队,即留存团队,以 CURR 作为其北极星指标。
专注于 CURR 的最大好处之一是决定不再关注以前看似至关重要的事情,尤其是新用户留存。对于一家多年来一直致力于将大部分增长实验首先放在新用户身上并取得巨大成功的公司来说,这是一个巨大的思维转变。
另一个重要教训是看到指标对 DAU 和 MAU 的影响之间存在巨大差距;例如,CURR 对 DAU 的影响是其对 MAU 影响的 6 倍。iWAURR(非活跃 WAU 重新激活率)是提升 DAU 的第二大杠杆,但在提升 MAU 方面则远远落后于增加新用户和复活用户。这意味着,如果我们想看到 MAU 的大幅改善,我们在某些时候仍然需要找出获取新用户的新增长向量。但就目前而言,我们的重点只是提升 DAU,因此我们优先考虑 CURR,而不是其他所有增长杠杆。事实证明,这是正确的选择。
成功案例1:排行榜
经过复盘和考虑,决定押注排行榜,原因和方法 ——
① Duolingo 已经有一个排行榜,供用户与朋友和家人竞争,但效果并不明显。通过 Zynga 的经验,我曾假设竞争对手的参与度比个人关系的亲密程度更重要。我认为这在成熟的产品中尤其如此,因为许多用户的好友不再活跃。从我们在 Zynga 的测试来看,这个想法是正确的。基于此,我觉得一个类似于我在 Zynga 帮助设计的排行榜系统将在我们的产品环境中取得成功。
② FarmVille 2 的排行榜还包括一个“联赛”系统。除了登上每周排行榜榜首之外,用户还有机会晋级一系列联赛级别(例如从青铜联赛到白银联赛再到黄金联赛)。联赛为用户提供了更大的进步感和奖励感,这是游戏设计中不可或缺的元素。随着时间推移,联赛还会增加参与度,因为参与的用户会逐周升级到更具竞争力的联赛。我们认为此功能可以很好地转化为 Duolingo 现有的产品,因为它直接利用了人类竞争和进步的共同动机。