
關(guān)于用戶流失,數(shù)據(jù)分析可以挽回一線生機
關(guān)于流失,就不必過多的說明了,古往今來,從菜市場到互聯(lián)網(wǎng),都是各行從業(yè)者所不想看到的。然而人有生老病死,新陳代謝式的流失是不可避免的。
有些流失是無法避免的,但也有可以挽留的。
可以進一步分為新用戶水土不服型和老用戶興趣轉(zhuǎn)移型,這部分流失用戶是無法挽留的,緣盡于此,花再多的錢也沒什么用,畢竟強扭的瓜兒它不甜。所以我們應(yīng)該盡量將這部分用戶剝離出來,避免不必要的投入。
可能是應(yīng)用體驗、服務(wù)體驗、交易體驗、商品體驗等等,總之就是在使用產(chǎn)品\服務(wù)的過程中,感到了一絲不爽,正所謂一言不合就流失。對于我們而言,當(dāng)然是要找到哪個環(huán)節(jié)讓用戶感受到了不爽,并及時維護,盡最大程度減少體驗流失。
也就是用戶已經(jīng)轉(zhuǎn)粉了??赡苁歉偁帉κ值捏w驗更好,可能競爭對手推出了什么優(yōu)惠的政策。我們也需要抓住行業(yè)的動態(tài),針對競爭對手的搶粉行為做出相應(yīng)的行動,來避免競爭所帶來的流失。
各公司對流失的定義不同,可能是7天內(nèi)沒有登陸行為,一般一款游戲7天沒有再次登陸的基本就可以算是流失了;也可以是幾個月之內(nèi)沒有交易行為,電商或者o2o公司的流失周期會比較長,它的流失也沒有像游戲或者內(nèi)容應(yīng)用那樣好判斷。那對于一個公司來說,怎樣一個沉默周期就算做是流失了呢?可以通過回流率來判斷,如果第8天的回流率依然很高,那么7天沉默就算作流失肯定就不合適了。(回流率=時間周期內(nèi)流失的再回訪的人數(shù)/時間周期內(nèi)流失的人數(shù))
關(guān)于流失的常規(guī)數(shù)據(jù)監(jiān)控,一般都是和存留一起的,本身兩者也是分不開的(出門左轉(zhuǎn),前面已經(jīng)寫了存留相關(guān)的內(nèi)容)。單獨針對流失的,最多可以利用finereport看到如下圖樣式的監(jiān)控:
上圖對整體的流失情況進行一個總體的監(jiān)控,關(guān)注點在于流失率是否穩(wěn)定、新用戶流失與老用戶流失占比。一般來說,新用戶流失率比較高,而老用戶流失的嚴(yán)重性更大一些,當(dāng)發(fā)現(xiàn)老用戶流失率較高的情況,應(yīng)該針對流失用戶進行更近一步的分析,要對流失用戶進行聚類,另外關(guān)聯(lián)流失用戶的行為日志,將分析結(jié)果最終落地到產(chǎn)品。私以為,只有從產(chǎn)品的角度降低老用戶的流失率才是靠譜的,其他手段都是治標(biāo)不治本。
關(guān)于新用戶的流失,今天跟朋友聊到,一款產(chǎn)品或者游戲的運營,避免不了新用戶的流失率是越來越高的。一款新的產(chǎn)品剛上線時,用戶質(zhì)量一般比較高,而當(dāng)一款產(chǎn)品運營一段時間后,所謂的新用戶有一定程度上是運營人員強行拉過來的,質(zhì)量會有所下降。so,還是重視老用戶的存留,and,關(guān)于渠道的價值評估也是一定要加上存留率了如下圖(前面寫的僅僅有轉(zhuǎn)化率、roi、流量的相關(guān)的渠道價值評估,關(guān)于渠道的價值,應(yīng)該綜合更多維度分析)。
另外可以針對流失的用戶類型進行近一步的分類如下,來為運營人員分析用戶流失分析提供初步假設(shè):
當(dāng)然,上面所描述的都是最基本的監(jiān)控性報表,對于流失而言,更多的是深度的分析,需要對潛在流失用戶進行預(yù)測、對流失原因進行分析,各參數(shù)與用戶流失的相關(guān)性分析等。這些就需要考慮具體的業(yè)務(wù)場景進行建模分析了。
有朋友提醒,渠道是無處不在的,貫穿于整個運營體系之中,存留的曲線圖也需要按照渠道來進行細(xì)分對比。例如:當(dāng)發(fā)現(xiàn)次日存留率較低,點擊圖標(biāo)進入下一層,羅列出所有渠道的次日存留率,來達到對存留更全面的認(rèn)識,也是對渠道價值的監(jiān)控。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗證損失驟升:機器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11