01、什么是aha 時刻

Aha時刻也叫驚喜時刻，是用戶第一次認識到產品價值時，脫口而出“啊哈，原來這個產品可以幫我做這個啊?！焙唵蝸碚f就是用戶第一次使用時候的驚喜體驗。

Aha時刻主要發生在用戶激活階段，它是用戶激活的關鍵。當用戶被吸引來，并不是所有都會轉化成活躍用戶，但如果用戶獲得Aha時刻，即從產品中發現了價值，就會順利轉化成活躍用戶，而且較容易轉化成粘性較高的忠誠用戶。

Aha時刻也并不是虛無縹緲的，他有一些具體的規律：清晰、具體、可量化?？偟膩碚f，他可以用一句話來描述：（誰）在（多長時間內）完成（多少次）（什么行為）？

以下列舉出幾個代表性APP的用戶Aha時刻：

支付寶，7天內穩定使用支付寶3個以上的功能。

Faceu激萌，一天利用濾鏡完成1張照片的美化。

Airbnb，6個月時間完成首次訂單，并且有4星以上評價

02、aha 時刻的價值

單個用戶在產品中的生命周期包含四個階段，拉新 -> 激活 -> 留存 -> 流失, 由于現在拉新的成本越來越大, 所以我們希望的是拉來一個用戶, 他們都能夠盡可能的留下來, 所以拉承一體化的打法非常重要。

不當當是把用戶從渠道利用采買的方法拉過來, 同時要做好用戶來到我們app 上的承接, 那么怎么做做承接呢, 就需要針對用戶進行相對應的aha 時刻的分析, 去發現留存的aha時刻

當我們找到用戶的aha 時刻, 我們就可以針對性的引導用戶去讓他們達到他們的aha 時刻, 從而提高相應的留存

比如我們玩抖音的時候, 通過數據分析發現 7天內 用濾鏡拍了 三個視頻的用戶的留存率會大大提高, 那么作為產品經理就可以去引導用戶多用濾鏡去拍視頻, 同時對于濾鏡本身的功能我們也可以相對應的進行優化

03、如何挖掘aha 時刻

那么我們如何去挖掘具體一款app 他們的aha moment 呢, 我們以留存為例子, 聊聊怎么利用數據分析去挖掘 用戶留存的 aha moment。

1. 特征行為提取

拿某直播app 作為例子, 與留存的相關的行為可以分為 登錄行為, 觀看行為, 彈幕行為, 付費行為, 然后在每一個大的行為分類進行小的指標的刻畫。

比如去描述登錄的行為我們就可以用 30天登錄天數, 7天登錄天數, 還可以用比率型指標, 像最近30天的登錄天數和過去30天的登錄的天數的比值， 這個反應了用戶活躍度的變化

2. 相關性分析

我們以y=1 表示用戶留存, 0 表示用戶不留存(流失)，這樣每一個用戶就可以用0 和1 表示他留不留存下來

同時我們把用戶的每一個行為特征都用具體的數字去量化出來, 比如用戶的觀看行為, 我們就可以用30天每天的平均觀看時長來表示, 觀看時長越長可能就代表用戶對直播的app 越感興趣,

同樣的其他的數據, 比如發彈幕等等也是從其他維度去刻畫用戶的行為特征， 那么我們就可以得到比如用戶 a， 30天觀看天數XX天, 日均觀看時長xx 分鐘, 是否留存, 這樣很多行的數據.

每一個用戶一行, 然后我們就可以用之前的講過的相關性分析的方法(_相關性分析法請見數據分析方法和思維—相關性分析法 ),去挖掘哪些行為和留存相關, 因為挖掘用戶aha moment 的前提是要保證這些行為是跟我們研究的留存是有關系的。

留存相關最大的四大因素:

?30天或者7天登錄天數（cor: 0.66）

?30天觀看品類個數(cor: 0.44)

?30天觀看主播數 (cor: 0.37)

?30天日均觀看時長(cor: 0.26)

這里的cor 代表每一個行為特征和留存的相關性大小, cor 的值越大代表相關性越大。

3. aha moment 的計算

發現了影響留存了原因以后, 我們就要尋找這些行為是達到一個怎么樣的值以后, 會大大影響留存的概率, 所以我們計算了30天登錄天數, 7天登錄天數, 月日均觀看時長, 30天觀看主播數, 30天觀看品類數和留存的關系 下面是畫出來的圖

拿30天登錄天數作為例子, 橫軸就是 30天內不同登錄天數, 縱軸就是留存率, 當橫軸為7的時候, 留存率趨于穩定, 這時候就達到較穩定的狀態也被稱作 aha moment.

我們可以發現幾個神奇的aha moment

月登錄4天

周登錄三天

月觀看7個主播數

月觀看4個品類數

月日均觀看時長4分鐘

這里的aha moment 說明用戶在一個月登錄4天, 一周登錄三天, 月觀看7個主播數, 月觀看4個品類數, 月日均觀看時長4分鐘, 會大大提高用戶的留存率

4. 業務價值

當我們找到用戶的aha moment 的時候, 我們就要跟產品或者運營一起討論溝通, 如何通過現在端內一些產品的功能的優化提高用戶的登錄天數, 觀看主播數等等。

比如登錄天數, 我們就可以利用比如登錄簽到領取禮包的方式誘發用戶去登錄, 讓用戶達到具體的aha moment 的數字， 比如一周引導用戶登錄3天就可以領取一個大獎

比如觀看的主播數, 我們就可以利用比如用戶在觀看直播間的時候推薦一些相關的主播, 這些主播可能是用戶喜歡的同種類型的主播或者根據用戶的興趣標簽選出來的可能喜歡的主播

因為所有的策略 要圍繞 用戶+ 需求+ 場景去設計的, 用戶在觀看直播間的時候, 這是一種場景, 在這個場景下用戶是有一定需求是可以給我推我可能喜歡的主播

這樣產品的承接形態也比較自然