如何做好用戶生命周期分析?
編輯導讀:對于產品經理們來說,我們需要了解產品各個時期的用戶特點,從而保證在整套流程中,我們都能輔助相應部門,在不同階段制定出適合的策略激發更多新用戶的加入,提升客戶的轉化和留存。所以做好用戶生命周期的分析是非常重要的。本文作者就此分享了他的幾點經驗,供大家一起參考學習。
在做數據分析的時候,用戶生命周期分析,是個很典型的“理論一聽就懂,數據一做就廢”的東西。很多同學很困擾:“到底生命周期該怎么算?為啥我算的套到業務上不成立!”今天我們系統解答一下。
一、書本上的生命周期
在各路書本、文章中,大家都看到過這張圖
要注意的是,這個圖講的是理論上的用戶生命周期。它假設了用戶留存與用戶價值之間存在倒U型關系。
因此推導出:
- 用戶必須得維護好
- 要搭建成長路徑
- 要計算全生命周期價值
- 不要只計較眼前利益
- 前期重體驗,后期分等級
等等理論結果。但這個假設前提,在具體的業務場景中很可能不成立,特別是數據上不會呈現完美曲線。因此會搞得很多做具體業務分析的同學很郁悶。
二、差異1:活躍與付費分離
對線下實體店而言,用戶到店即付費,先消費后體驗服務。但在互聯網產品里,付費與活躍脫節的現象很常見?;蛘哂械漠a品干脆允許用戶只活躍,不付費,通過額外的權益和道具收費。比如游戲、在線音樂、視頻、社區等等皆是如此。
總之,當用戶活躍與付費脫節的時候,用戶生命周期曲線變會發生變化:用戶價值不再隨留存時間變化,而是獨立開,呈現出類似矩陣模型的樣式(如下圖)
這時候要特別注意各類型用戶比例,特別是白嫖用戶的比例。在各類型互聯網產品里,白嫖用戶都有相當比例。如果不加區分,一概而論,則會造成一種虛假繁榮的假象。最終結果會導致產品叫好不叫座,商業化過程極其艱難。
三、差異2:場景化消費
即使是消費與活躍行為緊密捆綁,也會出現問題。最常見的就是場景化消費,比如:
出行:
- 今天下好大的雨,打個滴滴
- 今天下雨,但是是小雨,跑去地鐵站
- 今天天晴,當然坐地鐵拉
這就是典型的外因驅動。
電商:
- 今天有大促銷,看看買點啥
- 今天有新產品上市,看看哪家便宜
- 女友快過生日了,看看送點啥
這是典型的內因驅動。
注意,無論是內因還是外因,在現實生活中都是很正常,很合情合理的場景??蛇@些場景會共同導致一個結果:用戶留存時間與用戶價值不是倒U型,而是隨機的,甚至難以捉摸規律(如下圖)。
這導致用戶生命周期曲線很難繪制,用戶留存久了也不代表有價值,用戶生命周期價值也難以估算。特別是大促銷、爆款上市這種場景。最后用戶還是看哪家便宜買哪個,跟之前的留存時間一點關系都沒有。
這時候強行繪制用戶生命周期,用平均值代替每個用戶的真實情況。結果就是模糊了運營、營銷、商品的作用,會造成一種虛假繁榮的假象。讓大家以為:只要用戶呆的久就早晚給錢了。結果發現用戶生命周期價值的平均值越來越低。
四、差異3:淺嘗輒止的新人
拉新,是所有互聯網業務的核心,也是經常出幺蛾子的地方,拉來的新人完全不消費,或者過了很久才詐尸來消費一筆,都是很常見的事。這種淺嘗輒止的新人比例一高起來,就會導致對拉新行動評估不準。
如果用平均值的話,會把這些實際上是0的人平均掉,又是在制造虛假繁榮。如果剔除出去,只統計有消費的人,顯然又會高估渠道價值。并且,由于詐尸用戶存在,導致周期長度難以統計(如下圖)。
這種統計難,常常被業務部門拿來當甩鍋借口。特別是當淺嘗新人+場景化消費同時出現的時候,負責拉新的市場部、增長團隊、營銷部就喜歡扯:“得評估用戶生命周期價值,不能只看眼前”“雖然用戶現在沒消費,但是300年內說不定就消費一大筆呀,所以不能說我做的差,是你統計的不準?!?/p>
處理這個問題也簡單:只有交易周期很長的,才統計生命周期價值。類似B2B跟單,房、車等大額B2C交易,否則不去統計什么生命周期價值。類似打車、日用品、生鮮這些高頻交易,拉來的用戶一個月不消費就是拉新失敗,扯啥生命周期。你們拉的用戶都是辟谷修長生的嗎?!一個月都不吃一頓?!真是的。
五、數據背后的深層次問題
這些數據問題背后,隱藏了一個更深層次的問題:用戶對一個產品的全生命周期需求,到底是誰的。
這年頭隨便到哪里買東西,一掃碼就會關注一堆公眾號小程序。我們被各種商家稱為:“尊敬的會員”,可回頭看看,你真的認為自己屬于某個商家?你明知道別人家有優惠,還會在這里買????
有可能用戶的生命周期依然存在,但是除非是微信這種超超級應用,否則根本無法一手掌握。用戶的行為會分散在各個場景,各個應用里。這種情況下,是否還有必要按上個時代的做法,苦苦追求全生命周期價值?很有可能在這個年代的用戶關系,就是場景化、事件化的。
正是基于這種思想,CDP的概念才會孕育而生,用基于場景的事件營銷(被動)和推送營銷(主動)取代了傳統CRM理論里的用戶等級、用戶分群、用戶價值曲線、用戶成長路徑。
簡而言之,就是:我不指望用戶屬于我,我只在用戶想要買單的時候抓住他就好了。當然,這種理念轉化帶來的最大挑戰,就是營銷成本的不確定。
過去算一個用戶生命周期價值,然后按比例分配成本的做法,顯然不適合每個場景切碎了做。如果對場景和需求的把握不到位,很有可能造成重復的資源投入。這里就要求更精細的數據分析支持。有興趣的話,關注接地氣的陳老師,下一篇我們繼續分享CDP有關理論。
#專欄作家#
接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。
本文原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議。
專欄作家
接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。
本文原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自 Pexels,基于CC0協議。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
前兩天剛看過用戶生命周期的相關內容,這一篇文章還是有一些不一樣的啟發的。理論曲線圖,是一種大顆粒度,宏觀角度的講法,要想結合到業務上,不脫離,最重要的就是要定義好每個階段的用戶行為特征是什么。比如文中舉的雨天打滴滴的案例,怎么結合呢?是不是定義成雨天打車xx次的用戶就是某個階段?這么來定義也符合作者講的,要帶入場景化和事件化
我咋覺得正是類似打車、日用品、生鮮這些高頻交易,才更需要用戶生命周期管理
大促是不是算外因驅動,本來沒有很強購買欲,通過促銷形式刺激購買欲
大神你好~感覺你這篇文章很好,我想轉載到我們公司的內網供大家學習,可以嗎?會注明出處~
很有啟發多謝作者~