Q：新上线的 App，通过广告投放注册量有了明显增长，但用户留存却一直很低。

A：通过分析用户行为，找到“新用户的 Aha 时刻”，提升新用户留存。

在存量时代，我们面对的是已有资源的有限性，需要更加聚焦于优化、提升效率和精细化运营。存量时代也推动着企业更加深入地了解和洞察用户需求，以满足日益多样化和个性化的市场需求。

在应用出海的过程中，新用户留存率的提升成为开发者亟需解决的问题。尽管广告投放带来了大量的注册用户，但新用户留不下来，就需要从产品角度去思考，通过深入解码用户行为，找到切实可行的提升新用户留存的策略。

图片来源：Unsplash

通过留存分析、路径分析、间隔分析等多元分析模型，我们可以找到真正让新用户愿意留下来的“ Aha 时刻”，优化新用户抵达“ Aha 时刻”的路径，提升新用户粘性，增加新用户留存率。

Aha 时刻：

用户运营中的“ Aha 时刻”通常指的是用户在使用产品或服务过程中，突然领悟到产品的价值，产生积极的认知和体验的那一瞬间。这个时刻是用户对产品或服务深度理解的关键点，可能会引发用户的忠诚度提升、持续使用以及口碑传播。

第一步

找到用户的“ Aha 时刻”（即关键行为）

产品设计之初，会有许多有价值的功能，也可以理解为很多用户关键行为，而如何在众多预期的关键行为中找到真正能让新用户留下来的关键行为，就需要我们根据行为数据做进一步的分析，去找到新用户中“留存”和“流失”用户之间的行为差异，找到那个能让新用户留下来的核心关键行为。

图片来源：Unsplash

我们假设新用户的关键行为可能是 A、B、C，然后通过“留存分析”，对三个可能的关键行为，做留存分析对比，找到核心的“ Aha 时刻”。

假设，通过不同关键行为的留存对比分析，发现执行了 C 行为的新用户的七日留存遥遥领先。这个时候，我们可以把 C 行为作为用户的“ Aha 时刻”。

DataTower.ai 提供包括“留存分析”在内的多种分析模型。通过设置初始事件、回访事件，来以某段时间做过初始事件的用户为样本，查看在指定日期后该类用户进行回访事件的留存情况。

第二步

分析新用户走到“ Aha 时刻”的每一步（即关键行为路径分析）

当我们已经找到了用户的“ Aha 时刻”，接下来就需要非常明确地找到用户到达“ Aha 时刻”的每一步，即明确关键行为路径。

可以通过“路径分析”，追踪用户在应用上的行为序列，深入了解其互动路径。帮助识别用户的关键操作和流失点，优化用户体验，提高转化率，为产品设计提供有针对性的改进。路径分析也可以为个性化推荐提供基础，帮助增强用户粘性。

通过使用 DataTower.ai 的“路径分析”可以记录用户每次会话时的访问顺序，通过桑基图直观掌握用户行为扩展路线，以供优化节点内容、提升整体转化效率。

同时，还可以通过“间隔分析”来查看步骤与步骤之间的时间间隔，如果时间间隔过长，是不是同样会导致用户直接流失掉，而不会进入下一个步骤。

使用 DataTower.ai 的“间隔分析”，可以计算用户产生起点事件到后续产生终点事件的时间间隔，分析时间间隔的分布情况。

通过分析关键行为路径，我们已经知道了一些出问题的地方，接下来就是解决问题，优化行为路径，让新用户能更多地留下来。

DataTower.ai 提供多种分型模型，包括事件分析、留存分析、漏斗分析、分布分析、间隔分析、路径分析、属性分析、SQL查询，支持进行多维交叉分析，深入解析数据背后的关联，精细还原分析用户在应用中的多种行为，洞悉用户的真实意图。

DataTower.ai ｜多元分析模型

通过找准新用户的“ Aha 时刻 ”，明确“ Aha 时刻 ”的行为路径，我们可以更好地理解新用户的需求和期望，通过优化路径上的各个流失点，让新用户能更好地领悟到产品的价值，产生积极的认知和体验，从而提升新用户的留存率。