用數(shù)據(jù)管理“用戶生命周期”

騰訊的精細(xì)化運(yùn)營是如何貫穿于整個(gè)產(chǎn)品過程中的？

騰訊用到一個(gè)很重要的方法，即用戶生命周期管理辦法。這也是社交網(wǎng)絡(luò)事業(yè)群正在力推的一個(gè)很重要的方法論。

什么叫用戶生命周期管理？傳統(tǒng)營銷學(xué)講的是客戶生命周期管理，因?yàn)轵v訊社交群主要客戶就是用戶，所以我們叫用戶生命周期管理。但是傳統(tǒng)的對(duì)應(yīng)的理論是客戶生命周期管理，簡稱CLM?！锻跤缿c傳》提到一個(gè)一個(gè)米店老板怎么做生意，他每天會(huì)收集顧客用米的情況，包括家里有多少成員，然后能估計(jì)到他每天吃多少米，然后推算出這個(gè)家庭什么時(shí)候能把米吃完。比如買10公斤大米，估計(jì)是半個(gè)月，到快吃完時(shí)，他就會(huì)主動(dòng)送貨上門，或者主動(dòng)打電話。他用這種辦法贏得了客戶。很快他的經(jīng)營網(wǎng)絡(luò)就超過了其他店。

再比如一個(gè)游戲數(shù)據(jù)圖表，橫軸是游戲用戶使用時(shí)長，縱軸是活躍用戶量。第20軸到25軸用戶分兩波，有60%的用戶活躍用戶量下滑得比較明顯，還有一波用戶是相對(duì)保持。所以，就是說用戶在使用一個(gè)產(chǎn)品時(shí)是有一個(gè)新鮮感期，過了這一段時(shí)間以后，他感覺就會(huì)下降，甚至?xí)魇?。比如像這款游戲，在第20軸到25軸的流失風(fēng)險(xiǎn)非常高，60%處于高流失風(fēng)險(xiǎn)的狀態(tài)。再看很多網(wǎng)頁應(yīng)用或者一些手機(jī)APP，它的拐點(diǎn)會(huì)更早出現(xiàn)，使用這個(gè)業(yè)務(wù)一到兩個(gè)月就可能會(huì)處于高流失風(fēng)險(xiǎn)的狀態(tài)。我們通過數(shù)據(jù)怎么快速定位？如何預(yù)計(jì)這些用戶的流失以及幫到產(chǎn)品經(jīng)理理解它為什么會(huì)流失？建議他在產(chǎn)品運(yùn)營時(shí)要策劃什么樣的活動(dòng)？

這是一個(gè)完整的生命周期管理圖，整個(gè)周期里面可以分為幾個(gè)大的階段，一個(gè)是萌芽期、成長期、衰退期等。我今天主要聚焦在兩個(gè)階段，也是騰訊認(rèn)為最容易出效果的。因?yàn)槲覀児ぷ鞫加?a href='/map/kpi/' style='color:#000;font-size:inherit;'>KPI，我們的KPI是通過數(shù)據(jù)能夠幫產(chǎn)品經(jīng)理帶來收入，或者帶來活躍用戶量。

上述游戲案例其實(shí)是一個(gè)真實(shí)的應(yīng)用。這個(gè)應(yīng)用在橫軸是加入應(yīng)用的時(shí)間，縱軸是人均操作次數(shù)，即用戶活躍度。從這個(gè)線能看到，這些用戶在購買這個(gè)業(yè)務(wù)前肯定有很多免費(fèi)的操作才能刺激他購買這個(gè)應(yīng)用。他打算購買前，活躍度突然變得比較高，他購買后，活躍度開始迅猛地增加。

有很多產(chǎn)品的價(jià)值傳遞不一定非常到位，所以我們往往看到很多產(chǎn)品在第一個(gè)月和第二個(gè)月的流失率非常高。因?yàn)樽鳛橐粋€(gè)新用戶，如果你的新手教程做得不是很好，或者你的產(chǎn)品不是簡單易用，你認(rèn)為你有很多的價(jià)值點(diǎn)用戶沒有感受到，可能就會(huì)流失，而且這個(gè)比例非常高。所以，我們會(huì)聚焦在幫產(chǎn)品經(jīng)理去研究說什么樣特征的用戶在這期間會(huì)流失得很快，然后我們把它定位出來。定位出來以后，我們要知道它是由于什么樣原因想離開這個(gè)應(yīng)用，或者想離開這個(gè)游戲，做快速預(yù)警。

【如何利用大數(shù)據(jù)分析進(jìn)行精準(zhǔn)定位】

另外一個(gè)階段是拉新階段，比如有的產(chǎn)品經(jīng)理想快速發(fā)展新用戶，我們用什么樣的數(shù)據(jù)支撐讓它更精準(zhǔn)定位到用戶？

目前，我們將新應(yīng)用的用戶高流失預(yù)防暫分兩個(gè)階段。

我們有很多歷史數(shù)據(jù)可以學(xué)習(xí)，即什么特征用戶有可能成為新用戶。這個(gè)數(shù)據(jù)以及它的各種可能性的特征我們都可以采集到。然后我們再用機(jī)械學(xué)習(xí)的辦法——主要用“決策樹”的辦法研究什么特征的用戶能夠成為新用戶。比如買房用戶，如果小孩有四五歲時(shí)他還沒有房，而且又有一定的經(jīng)濟(jì)能力，他是不是擁有很強(qiáng)的買房需求？這里有很多特征和他購買的驅(qū)動(dòng)力非常相關(guān)。

我們通過500多個(gè)字段預(yù)測用戶下一階段的轉(zhuǎn)化率?！?a href='/map/jueceshu/' style='color:#000;font-size:inherit;'>決策樹”是得到一個(gè)知識(shí)樹的結(jié)構(gòu)，我們找了比較重要轉(zhuǎn)化率較高的幾個(gè)樹枝去做運(yùn)營，比如將潛在用戶劃分成七類用戶，每類用戶的轉(zhuǎn)化率、它轉(zhuǎn)化概率跟普通用戶的轉(zhuǎn)化率的倍數(shù)都知道。知道這個(gè)特征以后，就可以定位這個(gè)用戶，然后把這個(gè)用戶對(duì)應(yīng)的ID給到產(chǎn)品經(jīng)理，比如這里面有三群很重要的用戶，轉(zhuǎn)化概率又比較高，而且我們知道他喜歡什么？

因?yàn)椤?a href='/map/jueceshu/' style='color:#000;font-size:inherit;'>決策樹”能識(shí)別出他的特征出來。這可以建議你對(duì)這些用戶，比如他喜歡玩虛擬空間裝扮，你的業(yè)務(wù)又剛好對(duì)應(yīng)這個(gè)，你就可以策劃一些活動(dòng)，拉動(dòng)他沖動(dòng)性消費(fèi)，他就更容易購買這個(gè)業(yè)務(wù)。

剛才我說到500多個(gè)變量，500多個(gè)字段里面，最后有用的可能也就10來個(gè)。有用的10來個(gè)里面，很重要的發(fā)現(xiàn)是斜率型的變量，或者增長型的變量很重要。

這個(gè)是什么概念呢？比如我要買車，我可能在買車前一個(gè)月突然會(huì)對(duì)汽車類的網(wǎng)站，或者汽車類論壇的瀏覽量可能比前幾個(gè)月流量要多得多，這很正常。流量的突增其實(shí)意味著我有更明顯的購買意向。因此，我們在設(shè)計(jì)變量時(shí)，除了常規(guī)型、狀態(tài)型統(tǒng)計(jì)變量和簡單的統(tǒng)計(jì)量，還要考慮設(shè)計(jì)一些增長型變量。增長型變量其實(shí)在預(yù)測用戶在轉(zhuǎn)化過程中更有效。

這是我們在拉新階段用到的一個(gè)方法，又是防流失的一個(gè)辦法，還是用特征識(shí)別的辦法識(shí)別有哪些特征的用戶流失的可能性高的一個(gè)辦法。

比如這里面是一個(gè)決策樹的案例，用戶在使用背景音樂盒每周的操作次數(shù)少于1.5次的時(shí)候，他的流失可能性達(dá)到30%。另外，如果說他每周使用都不到1次，它的流失可能性將更高，達(dá)到65%。所以，它是有一個(gè)規(guī)則，簡單寫一個(gè)SQL就能把這個(gè)用戶找出來。假設(shè)這個(gè)條件，同時(shí)滿足這個(gè)條件的用戶能篩選出來，而且我們知道流失的原因。是因?yàn)橐魳泛械牟僮鞔螖?shù)變少還是別的什么原因。然后，我們有針對(duì)性地在這方面做活動(dòng)或者做一些文章，讓他更多地體驗(yàn)這個(gè)業(yè)務(wù)的一些價(jià)值點(diǎn)。處于高流失風(fēng)險(xiǎn)狀態(tài)下的他很可能就會(huì)流回來。

另外一個(gè)是我們每周都會(huì)給對(duì)應(yīng)的用戶ID打分，它這周28分，下一周39分。哪一些用戶會(huì)接觸它呢？一是流失分?jǐn)?shù)超過10%，即第二周比第一周的流失風(fēng)險(xiǎn)要高于10%，第二種是絕對(duì)值大于40%的流失風(fēng)險(xiǎn)，這兩個(gè)用戶我們都要把他定位出來，完后要做相應(yīng)的產(chǎn)品改進(jìn)，或者對(duì)他們做一些促銷，或者一些產(chǎn)品運(yùn)營活動(dòng)。從決策樹上，我們可以看到哪些方面是用戶的主要誘因。這是我們產(chǎn)品的一個(gè)效果。我們做特征識(shí)別以后，點(diǎn)擊率比產(chǎn)品經(jīng)理平常拍腦袋做的點(diǎn)擊率都有不同程度地提升，比如75%，88%等，甚至有的達(dá)到翻倍地提升。

做完這還不夠，比如音樂盒的操作小于1.5次，每周大盤的使用情況不到一次，這些規(guī)則可以通過數(shù)據(jù)挖掘算出。

另外，我們定位的每一波人群固化下來，剛才我們看到七類用戶，其中三類用戶是比較重要的，我們就可以把他固化下來，只要他滿足這個(gè)特征就可以把他歸類到這類用戶里面，產(chǎn)品經(jīng)理也對(duì)他們做了有效的活動(dòng)，把這個(gè)有效的活動(dòng)規(guī)劃下來。如果用戶來到這個(gè)應(yīng)用，他滿足這個(gè)條件，我們后面就可以自動(dòng)化推薦這個(gè)活動(dòng)。這樣，產(chǎn)品經(jīng)理就不用苦于說我經(jīng)常要分析我的用戶流失情況是怎么樣，我的用戶流失怎么定位等，這樣就節(jié)省很多煩瑣的非常專業(yè)性的事情，它就可以去更聚焦在他的產(chǎn)品創(chuàng)意上，數(shù)據(jù)挖掘就更聚焦在準(zhǔn)確度上。

上述方法論其實(shí)也固化在我們給到開發(fā)者的一個(gè)工具上面，叫騰訊分析和移動(dòng)分析。在這兩個(gè)工具上我們做了數(shù)據(jù)的儲(chǔ)備，包括4000多臺(tái)數(shù)據(jù)的集群，包括每天新增100TB的統(tǒng)計(jì)數(shù)據(jù)。我們在用戶里面已經(jīng)可以達(dá)到10秒的延遲，在外部給開發(fā)商可以更高，而這這是開放的一個(gè)里程碑。