【Marketing Study】Retention Rate — 3
前情提要
在第一集，我們赫然發現均一的產品次月留存率大約為 10%，也就是註冊後，下個月會再回來的只有一成左右，看來我們家離 product/market fit (PMF) 還太遠
在第二集，區分註冊與非註冊者，註冊者的趨勢，每個月的回頭客佔5成以上，而非註冊者可能就是下個月離開了就不再回來了（當然，註冊者還可以區分更細，但我們可以先抓大放小）
那第三集我們要討論什麼呢？在看完前兩集的次月留存率討論之後，我們大概可以知道我們有兩大塊問題要解：
非註冊者留存是否要提升？ 怎麼提？
註冊者的 aha moment 是什麼？
以上的問題很大，但在以上的問題解出之前，我們還可以看看我們內部一直關注的重要指標 WAU(weekly Active User)，是否有機會分出新舊客群，而舊客能不能拆更細，例如：已註冊一個月、註冊三個月以上、註冊半年以上等等，看看這些客戶在 WAU 分佈有何不同？試圖找出 insight
新舊客
等等，分出新舊客有什麼重要性？我們來唸點書，參考「大數據玩行銷」
先確認我們家客戶的狀態
再看看哪裏漏水最嚴重
排出優先順序，設計止漏的方法
最後讓機器，幫我們做出智能化的判斷及執行
數據產出
讀書時間結束，讓我們先看新舊人分佈（這邊不區分是否註冊）
可以看出我們家的主力是新人（一個月內註冊者），及六個月前註冊的老客戶，也就是在上學期開學前註冊的用戶，而一個月前的註冊者留存也有逐漸攀升的趨勢，表示這段時間的次月留存率有提升
其他資訊在此
有無教練，各佔了一半（未註冊視為無教練）
近三個月，每一週的各類客群占比
夥伴的提醒
KW 提醒：
- 新舊人分佈應該用 chorhot distribution，抓註冊起始一直到 now 的留存，而不是從現在往前面推，那只能抓切面，關注當週而已
- 要有關鍵 Event trigger 可看出當時的決定，並觀察後續留存
Wade 提醒:
- 時間可否拉長到一年以上？光看7,8,9三月因為有暑假因素，9月比較多本來就是預期中的，很多人可能想要知道今年9月的老客戶跟去年9月的老客戶比，今年是否retention rate有比較好？(我們家的資料一定要不同年的每個月個別比較才準確)
- 疊在一起看會沒有那麼明顯，我覺得如果每個顏色獨立一張圖會更明顯，例如如果有一張圖能看出三年之內老客戶比率的變化，我覺得就能傳遞很明確的訊息。
- 然後另一張圖能看出三年內每周老客戶成長的數量，如果確實有穩定的成長，那均一就算健康的。
- 除了6m以上，我建議也能加上12m+，這樣最能知道換老師之後，學生還繼續用的比率。 我覺得用1, 3, 6, 12個月來切就好
Shianyow 提醒：
- 要將2B, 2C 區分開來比較，也就是有無教練的留存指標，分別代表不同意義
- 市佔量化指標很重要，代表的一部分的市場定位與產品優劣，但均一除了看這些市佔量化指標之外，也要注意看回產品內容面的走勢，是否有符合基金會的願景，避免單純為了虛榮指標的量去行動
從 Satina 那裡偷學的：
- 把 go-to-market 畫出來，了解自己的產品與 end-user 之間是靠什麼通路，這些通路是否存在？量有多少？
- 什麼通路對上什麼 TA，關係要清楚
- 不靠通路的 2C 作法是什麼？
再回頭思考
為什麼需要這麼多指標？
因為人的大腦無法同時想超過三維以上的複雜空間，因此我們需要「降維」將這個產業的 know how，降成一個數字、圖、或是任何好做判斷的依據，省略中間抽絲播繭的工。
資料科學家 Conor Dewey 說明了一個簡單的判斷原則：
如果利害關係人無法利用你的成果做出決策，則你的工作就不算完成。
而降維的形式，大多是：
- 圖像視覺化
- 自動化指標產出
那麼，降維後呢？應該就是人可以作出對應的判斷，例如：我們看到「每一週的各類客群占比」，是的，我的確看到紅線正在成長，那代表什麼呢？我們要做什麼？
看完不知道要做什麼？
我個人是覺得「數據決策」是一個來回迭代的功夫，除了一般套路可用之外，另外就是要想，你的產業需要看什麼？看到了什麼，可以做什麼？以及不做什麼？ 環環相扣
但是… 難道說不知道 action 的數據就不要看嗎？ 恩！我覺得也不能這麼說，這是雞生蛋、蛋生雞的問題，「不知道 action 的數據就不要看」這是留給高手在用的一句話，通常對於初學者來說，就是練習找數據來看，越看才會越有 sense，就像在寫程式、做行銷、搞活動一樣，沒有人是一開始就經驗值滿點，直接就能下果斷的決策，並列出所有 task ，然後百發百中！但我們還是可以站在巨人的肩膀上，少繞一點路
所以，接下來應該可以做的事，：
- 思考 均一的 go-to-market model 如何轉成量化指標
- NES model（新客、舊客、沈睡）
- Predict （Retention、NTP、回購間隔、CLV）
- RFM model (最近、頻率、消費)
- CAI (顧客活躍度)
- 學生穩定度
- Retention rate by chorhot (師生、縣市、科目使用、軟體變更、倡議)
- 可能影響：均一指標
2. 看 市佔 指標（產品有人用 — 獲取用戶）
- 2C 顧一般成長
- 2B2C 看 channel 的影響
- 可能影響：營運、推廣
3. 看 產品 指標（產品好用 — 激活用戶）
- 軟體（Bug、效能）
- 設計（易用性）
- 內容（動機、易懂、有效）
- 可能影響：軟體、教育
4. 看 成效 指標（產品有用 — 留存、獲利、口碑）
- 產品有幫助到 TA
- 產品有建立好口碑
- 可能影響：AI 成效、營運
Reference
實作程式碼如下：
[新舊人分佈]
