走近2050：注意力、互联网与人工智能

目前，对体验的强调不仅仅体现在体验经济和游戏之中，也同样体现在现实世界的互联网产品之中：一款产品的用户体验成为了非常重要的因素。于是，如何运营一款互联网产品，从而提升用户体验就成为了重要的环节。目前，互联网公司的普遍做法就是：利用用户的行为进行大数据分析。所以，从这个角度上来说，用户行为分析本质上是体验经济的一种表现。

我们可以把大量用户在一个产品（网站、App 或者游戏、软件）中穿梭游荡比喻为一大股水流在冲刷着河流盆地。这样的水如何流动显然受制于产品的内容与结构，同时也决定了用户的体验。用户行为分析就是希望通过这些水流路径寻找出改善产品内容、结构的方法，从而提升用户体验。

例如，留存分析就是一种常用而重要的分析用户行为的工具。形象地说，如果我们将一个用户比喻成一个水滴的话，留存分析就是要追踪每粒水滴在系统中的留存时间。有的用户喜欢这款产品，它的停留时间就长，有的用户不喜欢，它的停留时间就短。留存分析通过绘制留存率曲线而获得关于用户以及产品的信息。如果我们设定初始时刻的用户数为基准，然后考察这批用户中，有百分之多少的人停留了 1 天，百分之多少的人停留了 2 天，……，即留存率，那么我们将这些留存率绘制成一条曲线，就得到了留存曲线 ³¹，如图 2-18 所示。

图中横坐标为用户的停留时间，纵坐标为留存率。这条曲线通常会拖上一条长长的尾巴。曲线一般分成了震荡期、淘汰期和稳定期三个阶段。

在一开始，有大量的用户涌进系统，但是由于人类注意力的保持时间较短，于是开始有用户流失，所以该曲线随着时间的增长而快速下降，这一阶段被称为震荡期。接下来就是一个平滑的转变阶段，这被称为淘汰期。停留时间能够到达这里的用户就是软件产品的潜力用户。最后，曲线平稳了，剩下的用户都是一些铁杆粉丝，他们才是这款产品的核心用户。所以，通过追踪每一个曲线部分所对应的用户，我们就能获知哪些用户是我们的铁杆。除此之外，曲线的总体形状也能够反映产品的一些特征。例如，曲线的稳定期如果越高，说明这款产品越能够黏住用户，从而保持住足够多的铁杆支持者。

当然，除了留存分析以外，我们还可以获得更多的信息，包括用户从哪里来，什么时间来，他们习惯用什么设备访问，他们经常在哪里卡壳，等等。我们可以计算若干指标，例如活跃用户数、点击次数、转化率、黏性，等等。数据分析工程师甚至还可以根据这些用户数据给出用户画像，猜出你喜欢的东西。