
有效挽回流失用戶的數(shù)據分析及策略:需多一點套路才能得人心
很多年前,互聯(lián)網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,那還談什么狗屁運營。所以,后來也就引出了“流失用戶”這個名詞,最本質目的是希望留住更多用戶,最理想的結局不是共產主義,而是“陪你地久天長”。
作為一個電商平臺偏數(shù)據的運營狗,我覺得還是挺幸運的,更了解數(shù)據,幫助提升運營效率。但是作為單身的運營狗來說,也是挺悲催的。不是因為沒女票,而是因為,現(xiàn)在幾乎把用戶當作自己的另一半,ta來了,我開心,ta下單了,我更開心,反正一句話:你買得開心,就是對我最大的鼓勵。但最近開始研究沉睡、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。故也有那么一點失戀的感覺。但是從另一個角度來看吧,老用戶的量肯定比新用戶量大,維護好老用戶,延長用戶生命周期,控制沉睡和流失用戶比例,成本低且回報比拉新用戶要高很多。
扯遠了!正題:如何定義網站/app的用戶流失率并對流失用戶做分析?
在此想將個人一些想法沉淀下來,也希望能得到更多的分析思路。
有沒有遇上這種情況:市場的同學拼了命在找各種付費/免費渠道拉新用戶,而app的日活躍/月活躍用戶(此處定義:每天/月獨立的訪問用戶量)增長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大力氣拉進來的新用戶和小部分老用戶艱難支撐著,這個過程是異常的痛苦,因為這樣你的活躍用戶量永遠沒法提升。除非不斷增加投放費用提升新用戶量,但是這樣是處于一個不健康的狀態(tài)。必須正視和自檢:站內對老用戶的運營和維護是否存在很大的問題。
這時候就迫切需要數(shù)據去支持運營方向的自檢和調整,而數(shù)據怎么入手來做,那就像追女仔一樣,得一步步計劃切入,切莫像個大傻叉有一步就到手的想法(--。我真不是老司機)。
你可以反問下自己:怎樣才算是流失?就是說用什么條件去定義這個用戶是否流失!是n個月沒訪問的用戶定義為流失用戶?是n個月沒下單的用戶定義為流失用戶?還是n個月沒訪問且沒下單的定義為流失用戶?!這個定義,得根據不同網站、平臺或app的實際情況來定義。這個確定以后,后面的所有工作都是根據這個來開展,直接影響到最后的結論。當然,也不用過于擔心,畢竟這個定義隨著往后的運營,還是需要調整的。
比方說一個內容導購性app,自然希望用戶多回訪多看內容,用戶黏性的期望自然比一般的銷售平臺高。不妨,我們先按照我們的期望值去做一個定義:超過30天沒訪問app的用戶定義為流失用戶(我們會從后面的分析過程中驗證這樣定義是否正確)。
那么[第n月度流失率]的計算公式是: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)計時間是在第n+2月)
有了第一步的“初次觸電”,就有了往下的發(fā)展機會!
1、定義好什么是流失用戶后,我和數(shù)據師在討論,用什么模型來看才是最直觀最能看出流失用戶的行為的……(此處省略1萬字),最后數(shù)據師給我的建議是用曲線圖來建模--橫坐標是天數(shù)(最后一次訪問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),縱坐標是流失率(公式已在上面提及)。
2、橫縱坐標定義好之后,然后將該月的激活用戶,且超過30天沒訪問的用戶數(shù)據劃分出來,建立以下模型(圖1圖2,曲線圖的變化,會根據實際情況呈現(xiàn)多種現(xiàn)象);
3、通過這個曲線圖,總體可感知到,這批新用戶的流失率達到50%,且在第30天左右達到一個穩(wěn)定趨勢,即證明了“30天內沒訪問”就認定為流失用戶的這個定義還是比較合理的。同時,再細化來看,用戶在激活后的兩周內流失率是比較高的,如果熬過這兩周,流失的用戶也大大降低。那么,這也就引出了對新用戶進來后兩周內的運營引導工作是否還做得不夠到位,或引進來的用戶本身與app定位不太符合,需要在源頭上調整呢?
有了這樣一個數(shù)據基礎,其實還可以繼續(xù)深挖很多數(shù)據,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(在定義的時間段內沒回訪)流失用戶之后是否會回來以及,回來的頻次和時間點是什么。這個數(shù)據的目的是,幫助運營了解流失用戶回訪的時間點,在最佳的時間做用戶挽回動作,提升回訪率;
2、細分這批流失用戶在流失之前對app的訪問頻次、在app的使用行為(如:是在哪個環(huán)節(jié)跳走后而流失),從而推斷用戶流失的原因。舉個例子:用戶A在流失前訪問頻次很高,每周會訪問3-5次,但是幾次從app跳走的頁面都是支付頁,那么極有可能支付環(huán)節(jié)出了大問題??赡苁侵Ц督洺L崾惧e誤造成用戶厭煩,可能是支付流程復雜讓用戶覺得困擾。不好的體驗造成了用戶A流失的主要原因;等等
話說,雖然用戶走了,你“失戀了”,但這時候最不能缺的就是自信和勇氣,及時去追啊!不然,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有流失任何聯(lián)系方式,那很難直接觸達這部分用戶做調研。所以,這里也提醒下產品的同學,在設計用戶剛激活app的時候,可考慮需要用戶使用手機或郵箱注冊,而不是使用微信微博聯(lián)登,不過這個也是非常重要的用戶體驗問題,要根據不同情況去慎重考慮。接下來,只能對能夠觸達的那部分流失用戶,做一對一或批量問卷調查,找到流失的主要幾個原因;
2、下面根據用戶的生命周期,大概說一下挽回的方向和策略,不過流失的用戶普遍挽回率很低,需要更多耐心和方法:
a.根據用戶的生命周期,可以將流失的用戶先劃分下類別:比如說根據購買頻次和金額來細分–1次也沒購買過的(可派發(fā)大額度優(yōu)惠券、大促活動或超低價商品吸引回訪成為首單新客),購買1-2次且客單價較低(可精準推送優(yōu)惠專場或在這個客單水平的好貨),購買3次及以上(可推送用戶偏好的品牌或品類,額外增加會員專屬優(yōu)惠券等形式)。當然,這些只是一個思路供參考。
b.另外還要提一點,就算第一次挽回消息的推送很吸引,但用戶可能也會各種因素沒回來。廣告有一個法則叫“八次曝光策略”,意思是說,品牌多次曝光,才能逐漸走進你的內心,加深印象,多次的展示在你面前,才更有可能讓用戶對品牌認知度提升。如果一次的挽回營銷效果不好,可以嘗試多次,但是針對不同價值的流失用戶,需要控制不同的營銷頻次。
3、將用戶劃分之后,就看下營銷工具了。常見的有:短信、email、push等。我個人覺得短信是最直接的,效果會比其他兩種工具好。或者以一些“會員體驗新版就有獎”名義,去吸引這批人重新下載app,如果新版產品有了更好的體驗,或許這個用戶就會重新對這個app有新的期待;順便一提:個人了解到,市場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,必須也將流失用戶調研、產品體驗的優(yōu)化工作放在第一位,不斷反思為什么這么多用戶流失,是哪個環(huán)節(jié)出了問題,是市場投放的渠道?是內容問題?還是產品體驗方面?只有在各方的配合下,才能使挽回計劃達到最好效果。
先碼到這里吧,因為這部分還涉及關于生命周期、活動策劃的配合等,留著下個主題再一起扯蛋吧。最后再再說一句:就算把妹不行,把把親愛的用戶們,還是得努力留幾手!畢竟,套路得人心!
數(shù)據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
用 SQL 生成逆向回滾 SQL:數(shù)據操作的 “后悔藥” 指南? 在數(shù)據庫操作中,誤刪數(shù)據、錯改字段或誤執(zhí)行批量更新等問題時有發(fā)生。 ...
2025-07-14如何考取數(shù)據分析師證書:以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當下,數(shù)據分析師已然成為企業(yè)挖掘數(shù)據價值、驅動決策的 ...
2025-07-14t檢驗與Wilcoxon檢驗的選擇:何時用t.test,何時用wilcox.test? t 檢驗與 Wilcoxon 檢驗的選擇:何時用 t.test,何時用 wilcox. ...
2025-07-14AI 浪潮下的生存與進階: CDA數(shù)據分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導白皮書) 發(fā)布機構:CDA數(shù)據科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據分析師報考條件詳解與準備指南? ? 在數(shù)據驅動決策的時代浪潮下,CDA 數(shù)據分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據透視表中兩列相乘合計的實用指南? 在數(shù)據分析的日常工作中,數(shù)據透視表憑借其強大的數(shù)據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據分析師:連接數(shù)據與業(yè)務的價值轉化者? ? 在大數(shù)據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據查詢到趨勢預判? ? 在數(shù)據驅動決策的時代,預測分析作為挖掘數(shù)據潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據分析師考試:從報考到取證的全攻略? 在數(shù)字經濟蓬勃發(fā)展的今天,數(shù)據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據背后的時間軌跡? 在數(shù)據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據類型:時間維度的精準切片? ? 在數(shù)據的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據分析師認證考試中,Python 作為數(shù)據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據趨勢與突變分析的有力工具? ? ? 在數(shù)據分析的廣袤領域中,準確捕捉數(shù)據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據分析師認證作為國內權威的數(shù)據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數(shù)據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數(shù) ...
2025-07-07CDA數(shù)據分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數(shù)據分析師也因此成為 ...
2025-07-07