MagicNumber：数据如何赋能产品

MagicNumber：数据如何赋能产品

提升个人职业竞争力需要有意识地在工作中培养自己成为复合型人才，即拥有多项深度技能，并且能够跨界协作和创新。

对于产品来说，数据是很重要的。有了数据才能发现问题、提升留存、留住客户。那么，我们如何才能借助数据达成以上的目标呢？本文作者就为我们介绍了如何用数据赋能产品，以及通过数据去帮助产品发现留存的关键行为。

一、背景

产品除了活跃的数据，留存的数据也是至关重要的，优化好了留存，也就提升了活跃。所以数据分析师天天会被产品问到的一个问题就是：我们到底应该怎么去提升我们的留存。非常烦，你们有没有这样的感触？互联网思维中的一条就是用户至上，留住用户才有故事。那么我们怎么通过数据去帮助产品去发现留存的关键行为呢，去解决我们烦心的问题呢？我们的分析目标:影响留存的相关的关键行为有哪些？这些行为和留存哪一个相关性是最大的？这些关键行为和留存是否存在因果关系？

二、分析思路

分析思路和方法：首先是关键行为的提取，这一步就是利用sql从数据仓库中提取你想要的与留存相关的数据行为，这一步是最麻烦也是最费时间的。利用统计学的相关性的计算方法，可以计算第一步计算的每一个行为与留存的相关性。相关性的系数越大就代表这个行为跟留存是越相关的，就代表它可能就越影响留存。比如刷抖音的次数跟留存的相关系数是0.6，刷抖音的时长和留存的相关系数是0.8，就可以说明刷抖音的时间。然而数据分析中的相关关系不一定是因果关系，比如很多人喜欢张杰跟他唱歌好听是相关的，我们不能说他唱歌好听是大家喜欢他的原因，可能真正原因是他的颜值。类似的，我们的这些关键行为也不一定是决定留存的原因，可能只是具有相关性。所以我们就要去推断a是b的原因，利用的方法是grangertest因果检验的方法。当我们已经判断了XX行为就是留存的原因，比如你一周刷抖音的时间是你下一周是否会留存的原因，那么接下来就是去发现到底刷抖音多长时间是留存的magicnumber。这个magicnumber非常神奇，就是比如你一周刷抖音288分钟，你下周留存的概率会大大增加，这个”一周*刷*288分钟”就是互联网中最经典的magicnumber。抓住了magicnumber，也就抓住了一个产品的留存灵魂。

三、关键行为特征

拿某直播app作为例子，与留存的相关的行为可以分为：登录行为、观看行为、弹幕行为、付费行为，然后在每一个大的行为分类进行小的指标的刻画。比如去描述登录的行为我们就可以用30天登录天数、7天登录天数；还可以用比率型指标，像最近30天的登录天数和过去30天的登录的天数的比值，这个反应了用户活跃度的变化。

四、相关性分析

上一步已经提取完了所有跟留存相关的行为特征，这一步就要进行计算留存和这些特征的相关性。留存相关最大的四大因素:30天或者7天登录天数（cor:0.66）30天观看品类个数(cor:0.44)30天观看主播数(cor:0.37)30天日均观看时长(cor:0.26)

五、因果分析

因为我们只是找出了跟留存相关的行为特征，但我们不知道这些行为特征是否是留存的原因，所以就要通过grangertest因果推断的方法去验证这些行为特征是否是留存的原因。两个经济变量X、Y之间的格兰杰因果关系定义为：若在包含了变量X、Y的过去信息的条件下，对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果；即变量X有助于解释变量Y的将来变化，则认为变量X是引致变量Y的格兰杰原因。原假设和是否拒绝：X和Y是不存在因果关系，当经过格兰杰因果检验后计算出来的p值大于0.05则接受原假设，否则拒绝原假设。

六、MagicNumber

发现了影响留存了原因以后，我们就要寻找这些行为是达到一个怎么样的值以后，会大大影响留存的概率。所以我们计算了30天登录天数、7天登录天数、月日均观看时长、30天观看主播数、30天观看品类数和留存的关系。拿30天登录天数作为例子：横轴就是30天内不同登录天数，纵轴就是留存率；当横轴为7的时候，留存率趋于稳定，这时候就达到较稳定的状态也被称作ahamoment.我们可以发现几个神奇的magicnumber：月登录4天周登录三天月观看7个主播数月观看4个品类数月日均观看时长4分钟

本文由@陈友洋原创发布于人人都是产品经理。未经作者许可，禁止转载。