
有效挽回流失用戶的數(shù)據(jù)分析及策略:需多一點(diǎn)套路才能得人心
很多年前,互聯(lián)網(wǎng)圈一直被人掛在嘴邊的一句話:流量為王!雖然放在現(xiàn)在來(lái)看,不完全正確,but,流量還是最重要元素之一。如果你的用戶都走光了,那還談什么狗屁運(yùn)營(yíng)。所以,后來(lái)也就引出了“流失用戶”這個(gè)名詞,最本質(zhì)目的是希望留住更多用戶,最理想的結(jié)局不是共產(chǎn)主義,而是“陪你地久天長(zhǎng)”。
作為一個(gè)電商平臺(tái)偏數(shù)據(jù)的運(yùn)營(yíng)狗,我覺(jué)得還是挺幸運(yùn)的,更了解數(shù)據(jù),幫助提升運(yùn)營(yíng)效率。但是作為單身的運(yùn)營(yíng)狗來(lái)說(shuō),也是挺悲催的。不是因?yàn)闆](méi)女票,而是因?yàn)椋F(xiàn)在幾乎把用戶當(dāng)作自己的另一半,ta來(lái)了,我開(kāi)心,ta下單了,我更開(kāi)心,反正一句話:你買得開(kāi)心,就是對(duì)我最大的鼓勵(lì)。但最近開(kāi)始研究沉睡、流失用戶之后,才發(fā)現(xiàn),要想挽回這部分用戶是有多艱難,就像男女間分分合合,最后徹底分手之后,很難再回頭。故也有那么一點(diǎn)失戀的感覺(jué)。但是從另一個(gè)角度來(lái)看吧,老用戶的量肯定比新用戶量大,維護(hù)好老用戶,延長(zhǎng)用戶生命周期,控制沉睡和流失用戶比例,成本低且回報(bào)比拉新用戶要高很多。
扯遠(yuǎn)了!正題:如何定義網(wǎng)站/app的用戶流失率并對(duì)流失用戶做分析?
在此想將個(gè)人一些想法沉淀下來(lái),也希望能得到更多的分析思路。
有沒(méi)有遇上這種情況:市場(chǎng)的同學(xué)拼了命在找各種付費(fèi)/免費(fèi)渠道拉新用戶,而app的日活躍/月活躍用戶(此處定義:每天/月獨(dú)立的訪問(wèn)用戶量)增長(zhǎng)非常緩慢甚至有所下降。那么,就有可能是大批量的老用戶“離你而去”了!每天的活躍用戶只能靠費(fèi)大力氣拉進(jìn)來(lái)的新用戶和小部分老用戶艱難支撐著,這個(gè)過(guò)程是異常的痛苦,因?yàn)檫@樣你的活躍用戶量永遠(yuǎn)沒(méi)法提升。除非不斷增加投放費(fèi)用提升新用戶量,但是這樣是處于一個(gè)不健康的狀態(tài)。必須正視和自檢:站內(nèi)對(duì)老用戶的運(yùn)營(yíng)和維護(hù)是否存在很大的問(wèn)題。
這時(shí)候就迫切需要數(shù)據(jù)去支持運(yùn)營(yíng)方向的自檢和調(diào)整,而數(shù)據(jù)怎么入手來(lái)做,那就像追女仔一樣,得一步步計(jì)劃切入,切莫像個(gè)大傻叉有一步就到手的想法(--。我真不是老司機(jī))。
你可以反問(wèn)下自己:怎樣才算是流失?就是說(shuō)用什么條件去定義這個(gè)用戶是否流失!是n個(gè)月沒(méi)訪問(wèn)的用戶定義為流失用戶?是n個(gè)月沒(méi)下單的用戶定義為流失用戶?還是n個(gè)月沒(méi)訪問(wèn)且沒(méi)下單的定義為流失用戶?!這個(gè)定義,得根據(jù)不同網(wǎng)站、平臺(tái)或app的實(shí)際情況來(lái)定義。這個(gè)確定以后,后面的所有工作都是根據(jù)這個(gè)來(lái)開(kāi)展,直接影響到最后的結(jié)論。當(dāng)然,也不用過(guò)于擔(dān)心,畢竟這個(gè)定義隨著往后的運(yùn)營(yíng),還是需要調(diào)整的。
比方說(shuō)一個(gè)內(nèi)容導(dǎo)購(gòu)性app,自然希望用戶多回訪多看內(nèi)容,用戶黏性的期望自然比一般的銷售平臺(tái)高。不妨,我們先按照我們的期望值去做一個(gè)定義:超過(guò)30天沒(méi)訪問(wèn)app的用戶定義為流失用戶(我們會(huì)從后面的分析過(guò)程中驗(yàn)證這樣定義是否正確)。
那么[第n月度流失率]的計(jì)算公式是:第n月流失率=該月流失的新激活用戶量/該月的新激活用戶總量(我們統(tǒng)計(jì)時(shí)間是在第n+2月)
有了第一步的“初次觸電”,就有了往下的發(fā)展機(jī)會(huì)!
1、定義好什么是流失用戶后,我和數(shù)據(jù)師在討論,用什么模型來(lái)看才是最直觀最能看出流失用戶的行為的……(此處省略1萬(wàn)字),最后數(shù)據(jù)師給我的建議是用曲線圖來(lái)建模--橫坐標(biāo)是天數(shù)(最后一次訪問(wèn)的日期距離激活日期的天數(shù),可理解為:用戶是在激活后第x天流失的),縱坐標(biāo)是流失率(公式已在上面提及)。
2、橫縱坐標(biāo)定義好之后,然后將該月的激活用戶,且超過(guò)30天沒(méi)訪問(wèn)的用戶數(shù)據(jù)劃分出來(lái),建立以下模型(圖1圖2,曲線圖的變化,會(huì)根據(jù)實(shí)際情況呈現(xiàn)多種現(xiàn)象);
3、通過(guò)這個(gè)曲線圖,總體可感知到,這批新用戶的流失率達(dá)到50%,且在第30天左右達(dá)到一個(gè)穩(wěn)定趨勢(shì),即證明了“30天內(nèi)沒(méi)訪問(wèn)”就認(rèn)定為流失用戶的這個(gè)定義還是比較合理的。同時(shí),再細(xì)化來(lái)看,用戶在激活后的兩周內(nèi)流失率是比較高的,如果熬過(guò)這兩周,流失的用戶也大大降低。那么,這也就引出了對(duì)新用戶進(jìn)來(lái)后兩周內(nèi)的運(yùn)營(yíng)引導(dǎo)工作是否還做得不夠到位,或引進(jìn)來(lái)的用戶本身與app定位不太符合,需要在源頭上調(diào)整呢?
有了這樣一個(gè)數(shù)據(jù)基礎(chǔ),其實(shí)還可以繼續(xù)深挖很多數(shù)據(jù),比如:
1、流失用戶的回訪率(回訪率=回訪用戶量/流失用戶量*100%),即探究(在定義的時(shí)間段內(nèi)沒(méi)回訪)流失用戶之后是否會(huì)回來(lái)以及,回來(lái)的頻次和時(shí)間點(diǎn)是什么。這個(gè)數(shù)據(jù)的目的是,幫助運(yùn)營(yíng)了解流失用戶回訪的時(shí)間點(diǎn),在最佳的時(shí)間做用戶挽回動(dòng)作,提升回訪率;
2、細(xì)分這批流失用戶在流失之前對(duì)app的訪問(wèn)頻次、在app的使用行為(如:是在哪個(gè)環(huán)節(jié)跳走后而流失),從而推斷用戶流失的原因。舉個(gè)例子:用戶A在流失前訪問(wèn)頻次很高,每周會(huì)訪問(wèn)3-5次,但是幾次從app跳走的頁(yè)面都是支付頁(yè),那么極有可能支付環(huán)節(jié)出了大問(wèn)題??赡苁侵Ц督?jīng)常提示錯(cuò)誤造成用戶厭煩,可能是支付流程復(fù)雜讓用戶覺(jué)得困擾。不好的體驗(yàn)造成了用戶A流失的主要原因;等等
話說(shuō),雖然用戶走了,你“失戀了”,但這時(shí)候最不能缺的就是自信和勇氣,及時(shí)去追?。〔蝗?,算什么男人~
1、流失的用戶量很大的話,如果流失的用戶并沒(méi)有流失任何聯(lián)系方式,那很難直接觸達(dá)這部分用戶做調(diào)研。所以,這里也提醒下產(chǎn)品的同學(xué),在設(shè)計(jì)用戶剛激活app的時(shí)候,可考慮需要用戶使用手機(jī)或郵箱注冊(cè),而不是使用微信微博聯(lián)登,不過(guò)這個(gè)也是非常重要的用戶體驗(yàn)問(wèn)題,要根據(jù)不同情況去慎重考慮。接下來(lái),只能對(duì)能夠觸達(dá)的那部分流失用戶,做一對(duì)一或批量問(wèn)卷調(diào)查,找到流失的主要幾個(gè)原因;
2、下面根據(jù)用戶的生命周期,大概說(shuō)一下挽回的方向和策略,不過(guò)流失的用戶普遍挽回率很低,需要更多耐心和方法:
a.根據(jù)用戶的生命周期,可以將流失的用戶先劃分下類別:比如說(shuō)根據(jù)購(gòu)買頻次和金額來(lái)細(xì)分–1次也沒(méi)購(gòu)買過(guò)的(可派發(fā)大額度優(yōu)惠券、大促活動(dòng)或超低價(jià)商品吸引回訪成為首單新客),購(gòu)買1-2次且客單價(jià)較低(可精準(zhǔn)推送優(yōu)惠專場(chǎng)或在這個(gè)客單水平的好貨),購(gòu)買3次及以上(可推送用戶偏好的品牌或品類,額外增加會(huì)員專屬優(yōu)惠券等形式)。當(dāng)然,這些只是一個(gè)思路供參考。
b.另外還要提一點(diǎn),就算第一次挽回消息的推送很吸引,但用戶可能也會(huì)各種因素沒(méi)回來(lái)。廣告有一個(gè)法則叫“八次曝光策略”,意思是說(shuō),品牌多次曝光,才能逐漸走進(jìn)你的內(nèi)心,加深印象,多次的展示在你面前,才更有可能讓用戶對(duì)品牌認(rèn)知度提升。如果一次的挽回營(yíng)銷效果不好,可以嘗試多次,但是針對(duì)不同價(jià)值的流失用戶,需要控制不同的營(yíng)銷頻次。
3、將用戶劃分之后,就看下?tīng)I(yíng)銷工具了。常見(jiàn)的有:短信、email、push等。我個(gè)人覺(jué)得短信是最直接的,效果會(huì)比其他兩種工具好。或者以一些“會(huì)員體驗(yàn)新版就有獎(jiǎng)”名義,去吸引這批人重新下載app,如果新版產(chǎn)品有了更好的體驗(yàn),或許這個(gè)用戶就會(huì)重新對(duì)這個(gè)app有新的期待;順便一提:個(gè)人了解到,市場(chǎng)上的流失用戶回訪率平均水平在5%-10%之間;
在做流失用戶挽回的同時(shí),必須也將流失用戶調(diào)研、產(chǎn)品體驗(yàn)的優(yōu)化工作放在第一位,不斷反思為什么這么多用戶流失,是哪個(gè)環(huán)節(jié)出了問(wèn)題,是市場(chǎng)投放的渠道?是內(nèi)容問(wèn)題?還是產(chǎn)品體驗(yàn)方面?只有在各方的配合下,才能使挽回計(jì)劃達(dá)到最好效果。
先碼到這里吧,因?yàn)檫@部分還涉及關(guān)于生命周期、活動(dòng)策劃的配合等,留著下個(gè)主題再一起扯蛋吧。最后再再說(shuō)一句:就算把妹不行,把把親愛(ài)的用戶們,還是得努力留幾手!畢竟,套路得人心!
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)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(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)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(kù)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(shí)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(wú)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(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)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(dòng)態(tài)隨機(jī)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(kāi)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(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)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(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)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(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)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(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(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(jià)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(kù)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(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)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(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11