Magic Number可能有些抽象，我们需要对其量化。给大家举几个例子，Facebook发现用户10天内添加7个好友的留存度更高，Twitter发现用户10天内关注30个大V的留存率更高。这些Magic Number都是通过数据分析、数据挖掘的方式找出来的，并且有一套完成的方法论。

图13：Magic Number 的探索过程

　　第一步，确定产品 on boarding 功能。

　　一个社交类APP可能有多个on boarding功能，包括登录、添加好友、添加关注、发送消息、点赞、分享、上传文件等等。

　　第二步，分析用户行为与最终留存度之间的相关性。

　　如下图，用户一周内点击7次关注用户的留存度为57.5%，一周内点击5次关注博客的留存度为54.4%，一周内点击6次点赞或者评论的留存度为52.6%，均为强相关。

图14：不同行为组合与留存度之间的相关关系

　　第三步，筛选出合适的Magic Number。

　　根据公司目前的发展战略、操作成本、可执行性、A/B测试筛选出合适的Magic Number。假如这个APP产品目前发展战略是快速获取新用户、扩大市场，那我们可以将“一周内添加7个新用户”作为最终的Magic Number。

　　第四步，找到了最终的Magic Number，我们需要去执行、运营好它。

　　比如在这个社交APP里面鼓励用户添加好友，为用户更加精准的推荐好友。从而实现最初的目的，培养用户产品使用习惯、提高用户粘度，促进增长。

　　一旦留存提升上来，我们就可以做用户变现或者传播推荐，这样我们的用户才会慢慢增长。通过不断的市场拉新，留存的用户慢慢沉淀下来，成为我们的重要用户，是可以变现的。而那些不稳定的用户，我们还要做各样的产品和运营方面的改进，让他们逐渐变成留存用户、然后开始变现。

　　只有用户的留存度提升上来了，我们才能真正实现活跃用户的增长。

　　本文作者：檀润洋，GrowingIO 数据分析师。 加州大学圣地亚哥分校硕士，曾任职美国 Emas Pro、 Kyocera 分析师，丰富的数据分析技术和案例实战经验。回国后加入 GrowingIO，致力于为客户构建数据模型，实现业务增长。本文首发于GrowingIO博客和公众号，授权转载。