从上图用户在App使用天数和活跃用户占比关系中可以看出，除了互联网领域Top级别的产品，绝大多数APP在第二天就流失了超过70%的用户。新用户流失的主要原因有以下几个：

1）产品功能问题

产品功能无法很好满足用户需求，或者用户需求不强烈。这个时候需要产品经理打磨产品，提升产品的价值；

2）拉新渠道有问题

拉新进来的用户不是产品的目标用户。这种情况下需要反思拉新的渠道是否有问题。

3）产品价值问题

产品对用户有价值，但没做好引流，用户未发现产品的价值就流失了。这种情况下就需要做好新用户的激活和留存，引导新用户进入产品后留下来，发现产品价值。

那么为什么新用户激活如此重要呢？一方面新用户的激活处于整个用户生命周期的初期阶段，位于产品流量的最上方，这个阶段的用户留存对后期的用户留存和盈利产生较大影响。另一方面，这个阶段新用户对产品的兴奋度和期待感最高，一个小小的改变就可能带来显著的效果。

二、什么是Aha时刻？

新用户激活是在获取新用户之后的第一步，也就是让用户第一次体验到你的产品的价值，完成关键的转化，这样才能留存下来。而Aha时刻就是新用户激活的具体目标。Aha时刻是指用户首次确认产品对自己产生价值的那一刻。Aha时刻的本质，就是用简化的行为数据模拟用户首次得到价值的时刻。

以下列举出几个代表性APP的用户Aha时刻：

• 支付宝，稳定使用支付宝3个以上的功能。
• Faceu激萌，利用滤镜完成第1张照片的美化。
• Airbnb，6个月时间完成首次订单，4星以上评价。

需要注意的是，用户的激活并不等同于Aha时刻，Aha时刻是用户真正体验到产品价值，而激活是体验到产品价值后产生的行为。Aha时刻之所以能够作为新用户激活的衡量标准是基于三个基本假设：

从上述的讲解中，我们可以看到，Aha时刻包含了三个关键的因素，用户的激活行为；激活行为的时间窗口；发生这一行为的次数。下面将详细介绍如何确认产品的这几个关键因素。

1. 用户激活行为

激活行为与产品的属性强相关。对于游戏类的产品，Aha时刻可能是第二天用户重新返回到游戏的行为，对于社交类产品，Aha时刻可能又变成了在产品中添加10个好友。而对于信息流的产品，可能是打开并阅读一个新闻10s以上。

找到Aha时刻行为的方法有两步：

通过问卷调查等方式对用户进行调研，收集用户对产品的反馈，分析用户认为本产品中最有价值的功能点是什么？做了什么关键动作才认识到产品有这个功能点的？收集汇总产品的一些关键功能点之后进行分析，思考产品想要解决用户最大的痛点是什么？产品是如何解决这一痛点的？竞品是如何解决这一痛点的？我们与他们的解决方式有什么不同？如何让用户认识到产品的价值等。

2. 激活行为的时间窗口

新用户激活行为的时间窗口是指新用户要多快完成激活，确认这一时间段需要遵循以下三个原则：

1）使用频次越高，激活需要越快

使用频次越高，新用户越快期待从产品中获取价值，可以根据使用频次，大概判断新用户激活期。

2）生命周期越短，激活需要越快

以下列举不同属性产品的生命周期排名，从左到右用户的生命周期越长。

游戏 < 社交 < 内容 < 电商 < 工具 < 平台 < SaaS

3）参考实际数据情况

分析产品的新用户实际留存数据，看绝大多数早期激活行为发生的时间窗口。

3. 行为发生的次数

根据产品属性确认了Aha时刻的行为之后，就要确认究竟要发生多少次这一行为才算是达到了用户激活的状态了呢？

首先思考下面几个问题：

• 为什么支付宝达到了需要稳定使用三个功能才算是用户激活，而不是一个功能？
• 为什么Twitter用户关注了30个其他用户才算是用户激活，而不是10个用户？

其实就产品而言，Twitter用户关注了50个其他用户的留存率一定会比只关注了30个其他用户的留存率高，那么为什么Twitter用户的激活只是10个呢？

首先用户行为发生次数与产品的天然属性直接相关，对于有些产品，只需要做一次就够了，例如电商产品，用户只需要下过一次订单，就算是激活了，但是对于工具类产品，可能他要多次使用某些功能才能达到激活。另外，虽然重复次数越多，对于留存提升越大，但是新用户激活时间有限，让用户重复太多次不太现实，因此希望找到激活行为的最佳次数，确保用户获取价值，同时又不给用户带来负担。

下面以某相机产品介绍两种方法，解释如何找到行为发生次数：

第一种方法是：边际效用最大点

收集用户数据，画出首日激活行为次数的分布图：

首先收集用户使用滤镜次数与次日留存率之间的关系，比如说，一共有1800个用户第一天使用产品两次滤镜，250个用户第一天使用滤镜4次，图中也可以看出，第一天使用滤镜次数最多的用户次日留存率越高。

首日激活行为次数和次日留存率关系：

从次日留存率与第一天使用滤镜次数关系图中，找到留存率的拐点，也就是边际效用最大的次数。从图中可以看出，虽然随着使用滤镜次数的增加，次日留存率也逐步增加，但是用户首日使用0次和使用1次滤镜，用户次日留存率增加的最多，因此可以得出，用户使用一次滤镜对次日留存率影响最大，也就是Aha时刻行为发生次数是1次。

第二种方法：韦恩图法

这种方法通过韦恩图的集合关系，找到某一行为的次数的用户与留存用户最大的交集，从而找到对用户留存率影响最大的因素。

具体来看需要分析三种行为：

通过这三组数据综合分析某一行为对产品用户留存的影响。例如将上述相机产品的使用滤镜次数与用户留存之间的数据按照上述三个纬度展开，从图中的数据可以看出，对于既有该行为，又有留存的人数/总数中，用户至少使用滤镜一次最高，也就是说，至少使用一次滤镜的用户的留存最高。也就是说，用户使用一次，对用户的留存的影响最大。

将表格中的数据转换成韦恩图，可以更加明显地看到首日使用一次的用户的次日留存率最高。因此使用韦恩图的方法可以直观找到这一款相机产品的Aha时刻。

通过上述的几个步骤可以找到某个产品的Aha时刻，但需要注意的是，Aha时刻的行为发生次数并不是绝对的，他只是代表统计用户的情况，是大多数用户的转折点，找到Aha时刻之后，需要通过测试去验证这一Aha时刻的准确性。例如设计A/B Test实验去验证Aha时刻与用户留存的因果性，即是否发生这一行为一定能够提升用户的留存。

找到Aha时刻只是分析产品新用户激活的第一步，我们还需要设计激活漏斗去分析究竟哪一步的流失率最高，对用户的实际路径进行分析和轨迹细查。找到这一时刻的目的是分析和优化新用户激活的路径，提升用户的留存率，为产品带来更大的价值。

作者：克比酱 公众号：克比酱

本文由@克比酱 原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自Unsplash，基于CC0协议