
如何調(diào)研和解決用戶流失情況_數(shù)據(jù)分析師
用戶流失原因調(diào)研時不知如何入手?
不知如何才能找到用戶真正的流失原因?
不知如何把調(diào)研結(jié)果應(yīng)用到產(chǎn)品改善中?
到底要怎樣才能做好用戶流失原因研究呢?
在做了一些用戶流失原因調(diào)研項目后,筆者總結(jié)了用戶流失原因調(diào)研四步經(jīng)。
第一步:了解調(diào)研目的
無論做什么調(diào)研,研究員首先要確認(rèn)調(diào)研目的,只有知道需求方最終想要解決什么問題才能做好調(diào)研。用戶流失原因調(diào)研不只是簡單的了解用戶流失的原因就可以,產(chǎn)品經(jīng)理提出用戶流失原因調(diào)研需求,最終目的一般有兩個:(1)防止用戶流失;(2)挽回流失用戶。
最終目的不一樣,調(diào)研需要解答的問題也不一樣:
(1)防止用戶流失
用戶為什么會流失?(用戶流失原因)→用戶會繼續(xù)流失嗎?(現(xiàn)有用戶的不滿意點與流失原因是否一致?)→如何防止用戶流失?(應(yīng)采取什么樣的改善措施)
(2)挽回流失用戶
用戶為什么會流失?(用戶流失原因)→流失用戶回流的可能性?→什么情況下他們愿意回來?(回流觸點)→如何挽回流失用戶?(應(yīng)采取什么樣的改善措施)
第二步:找出用戶流失的真正原因
無論產(chǎn)品經(jīng)理最終的目的是什么,他們提出用戶流失原因調(diào)研需求證明他們都非常關(guān)心用戶為什么會流失,所以找出用戶流失的真正原因非常重要。但要找出用戶流失的真正原因并不容易,有時問用戶為什么不再用某產(chǎn)品,他們會用“沒錢”or“沒時間”等借口敷衍我們,用戶因為“沒錢”不用我們的產(chǎn)品了,但其他價格一樣的產(chǎn)品卻銷售得如火如荼,這合理嗎? “沒錢”or“沒時間”這些借口我們當(dāng)然不接受,那我們要如何找出真正的原因?筆者總結(jié)了三種方法:
(1)深入追問——5個WHY
連續(xù)問用戶5個問題以獲得深度遞進的答案,這個方法能有效的使用戶表達(dá)出深層的想法和原因。
案例:以一款休閑游戲用戶流失原因調(diào)查為例
訪問員:為什么最近一段時間沒登錄過***了?
用戶: ***(游戲角色)病了。
訪問員:為什么***病了就不登錄了?
用戶:因為一登錄***就會死,不想見到它死。
訪問員:既然害怕***病死,那為什么沒帶***看?。ㄖ傅氖窃谟螒蛑锌床。?/span>
用戶:沒錢,看不起病。
訪問員:為什么沒錢?
用戶:***很容易生病,讓***打工掙的錢不夠它看病。
訪問員:為什么不帶***看免費醫(yī)生(游戲中可免費看?。??
用戶:不知道可以免費治病。
該案例最后了解到導(dǎo)致用戶流失的原因有兩個:***(游戲角色)打工掙錢少、用戶不知道可以免費冶病。
注:圖片來源于IDEO方法卡
(2)側(cè)面對比相關(guān)產(chǎn)品
有時用戶也意識不到他們行為背后的真正原因,直接追問他們可能問不出具體原因,這個時候可以通過側(cè)面對比去激發(fā)用戶潛意識,挖掘出真正的流失原因。
案例:
訪問員:為什么不續(xù)訂*鉆了?
用戶:沒錢啊。
訪問員:您目前有沒有開通其他的包月業(yè)務(wù)?
用戶:開通***。
訪問員:為什么開通***卻沒有開通*鉆?
用戶:因為覺得***更實用,特權(quán)更多。
訪問員:***里的哪些特權(quán)最吸引您?
用戶:紅名、魔法表情
該案例了解到用戶并不是因為“沒錢”而不再繼訂*鉆,而是由于*鉆的特權(quán)沒法吸引用戶繼續(xù)開通,而用戶喜歡什么類型的特權(quán)呢,這需要我們繼續(xù)深挖。
(3)行為分析
當(dāng)我們通過網(wǎng)絡(luò)問卷的方法調(diào)研時,很難實現(xiàn)層層深入追問,對于用戶來說,原因類題目他們很難回答,而行為類題目較容易回答,且行為類題目回答真實性較高,有些深層的流失原因,不一定需要層層深入追問為什么,有時可以通過行為分析解決。
案例:
您的***(游戲角色)掙錢的方式主要是:
數(shù)據(jù)交叉分析發(fā)現(xiàn),因為掙錢難而流失的***游戲用戶主要的掙錢方式是“打工”,而我們和產(chǎn)品經(jīng)理溝通后了解到實際上***(游戲角色)“打工”不但不能掙錢、而且會賠錢,因為“打工”會讓***(游戲角色)損耗,***(游戲角色)會更容易臟、更容易餓,用戶就要花更多的錢去養(yǎng)它們,成本大于收益。但很多用戶不知道這個情況,所以一直選擇“打工”掙錢,最后沒辦法維持游戲角色在游戲中的生存,導(dǎo)致流失。
第三步:解答兩大最終目的其他問題
(1)用戶會繼續(xù)流失嗎?——了解現(xiàn)有用戶與流失用戶的差異
要了解用戶是否會繼續(xù)流失,就需要對現(xiàn)有用戶進行調(diào)研,如果現(xiàn)有用戶和流失用戶是同一類用戶,那現(xiàn)有用戶會繼續(xù)流失。
怎么知道現(xiàn)有用戶和流失用戶的差異呢?那就需要了解現(xiàn)有用戶的態(tài)度,現(xiàn)有用戶不滿意的方面是什么,如果現(xiàn)有用戶不滿意方面與流失用戶流失原因一致,那證明現(xiàn)用用戶和流失用戶沒明顯差異,如果導(dǎo)致用戶流失的問題沒解決,用戶會繼續(xù)流失。
(2)用戶什么情況下才愿意回來
首先要知道流失用戶回流的可能性,如果大部分用戶表示無論產(chǎn)品怎樣改變也不會再嘗試使用,那在挽留用戶上投放更多資源也沒作用。
其次是了解用戶在什么情況下愿意回來,這包括但不限于流失原因改善,除了流失原因改善外還需要相關(guān)的促銷活動,需要詢問流失用戶進行了解。
最后是確認(rèn)進行挽回改善措施會不會引起現(xiàn)有用戶的不滿,要了解現(xiàn)有用戶滿意及不滿意的方面,確保挽回流失用戶的措施不會對現(xiàn)有用戶產(chǎn)生影響。
第四步:設(shè)計改善措施
知道了用戶側(cè)反饋的產(chǎn)品問題,那具體要怎么改善產(chǎn)品呢?建議可以參考“GAP模型”了解缺口在哪里,在哪個環(huán)節(jié)出現(xiàn)問題。
(1)認(rèn)知缺口:產(chǎn)品經(jīng)理不知道用戶想要的是什么。若出現(xiàn)了認(rèn)知缺口,則首先是讓產(chǎn)品經(jīng)理清楚知道用戶流失的真正原因。
(2)執(zhí)行缺口:產(chǎn)品經(jīng)理知道用戶想要什么,但實際做出來的產(chǎn)品與設(shè)計中的不一致。若出現(xiàn)了執(zhí)行缺口,則要了解具體哪個執(zhí)行步驟出現(xiàn)問題,是資源的欠缺還是技術(shù)難以實現(xiàn)。
(3)傳遞缺口:產(chǎn)品的宣傳和指引不能讓用戶對產(chǎn)品真正認(rèn)知了解若出現(xiàn)了傳遞缺口,則要了解用戶現(xiàn)在的感知是怎么樣的,在哪些宣傳和指引上出現(xiàn)了問題。
(4)流失缺口:用戶體驗到的產(chǎn)品和期望的不一樣。
案例:導(dǎo)致用戶流失的原因主要是社區(qū)游戲單調(diào)更新慢
用戶期望:多種多樣的游戲,希望至少每月推出一款新游戲。
產(chǎn)品經(jīng)理認(rèn)知:知道用戶期望多種多樣的游戲,游戲更新頻率越快越好。
設(shè)計執(zhí)行:每周更新一款新游戲、不同類型的游戲上百款。
用戶認(rèn)知:覺得快半年沒更新過游戲了,來來去去就只有幾款游戲。
從這個案例可以發(fā)現(xiàn),整個過程中主要是用戶認(rèn)知出現(xiàn)了問題,也就是出現(xiàn)了傳遞缺口,說明產(chǎn)品的宣傳指引做得不好,那我們的改善措施就應(yīng)放在產(chǎn)品的宣傳指引上,增加新游戲的宣傳,或在指引中明確告訴用戶游戲更新的頻率。
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