“产品特性如何影响用户保持度的分析的增强版本”

产品特性如何提升用户保持度的深度分析

在上一篇文章中，我向您展示了如何测量产品特性保留的简单方法。

应用分析后，我们得到了一个按照[平均退回用户比例]从大到小排列的特性保留表，如下：

让我们增加【用户数量】并再次考虑此表。

现在我们可以很容易地发现一个问题：例如，具有最高[返回用户比例]的前两个产品特性（feature27、feature34）在【用户数量】方面相当适中。

实际上，这个问题在许多分析中非常常见。分析师常常提供了一个相当有趣的质量度量，但却没有数量度量来支持。结果，我们的一些决策可能至少是次优的，最多是错误的。

那么，我们该如何解决这个问题呢？

让我们将这两个度量（定性和定量）合并到一个图表中。做法是绘制散点图：

得到的图表可能如下所示：

从图表中目前看来，很难得出任何有意义的结论。

我们可以做些什么来改善图表的清晰度呢？

让我们应用之前文章中的50/80百分位规则。

实际上，通过应用【用户比例】和【返回用户比例】的两个阈值，我们将得到9个聚类。

聚类的产品特性散点图可能如下所示：

通过在图表上添加百分位阈值，我们现在可以区分以下产品特性聚类：

让我们简要讨论每个聚类。

核心功能是产品的真正核心。这些功能由许多用户使用，更重要的是，用户会返回继续使用这些功能。通常情况下，这类功能非常少（2-3个功能）。

强大功能是您产品的工作马。这些功能与核心功能结合起来，提供产品正常价值的80%左右。某些强大的功能（Power1）与核心功能一样受欢迎，但为用户带来的价值较少。其他强大的功能（Power2）与核心功能带来的价值相当，但较不受欢迎。通常情况下，每个强大聚类中可能有3-5个功能。

偶尔功能是不时使用的功能。它们也为用户带来一些价值，但在很大程度上是支持性功能。

设置功能是用于设置产品以便后续方便使用的一组独特功能。许多用户使用它们，但通常情况下，这只会在引导阶段发生一次。

利基功能是功能的一个非常特殊的子集，它可以带来巨大的价值，但这个价值只被有限数量的用户认可。

现在我们准备比较这种平衡方法的结果与先前的帖子中的结果：

正如我们在列表顶部看到的，那里有一些利基功能。

当然，我们可以尝试提高它们的采用率，并将它们从利基转移到Power2甚至核心聚类。对于其中一些功能，这是可能的，而对于其他功能，则不可能。但这里的主要观点是不要简单地假设任何具有高保留率的功能都是核心功能。

此外，请注意，一些功能可以随着时间的推移从一个聚类移到另一个聚类。这可能有不同的原因：新用户获取努力、功能的用户体验变化、用户群体的成熟等。

最后，让我们将功能分组到聚类中并计算聚类中心：

这里有几个重要的见解：

在下一篇帖子中，我将介绍有关功能保留定义的另一种视角。

P.S. 有一种更好的方法可以根据MCC系数对产品功能进行聚类。

Analytics,Product Management