數據分析,如何搞定流失用戶召回?
當業務進入某一階段之后,用戶新增可能會趨向疲軟,這個階段里,運營人員可能會需要召回流失用戶。那么,怎么搭建用戶召回策略呢?這篇文章里,作者結合具體案例,講述了如何結合數據分析做好流失用戶召回分析的思路,一起來看看吧。
用戶召回在在線業務中是一個永恒的話題,只要業務進入了一定的階段,就一定會面臨增長疲軟,開始從增長式運營轉向存量式運營。
我們今天通過一個具體的案例,系統性的講一下數據分析,怎么做好流失用戶召回的分析。
問題場景:
某垂類電商平臺,已經進入了產品的平穩運營期,用戶新增趨向疲軟。希望搭建用戶召回策略來召回流失用戶,從新增式運營過渡到存量式運營。
一、基礎做法——粗放式的召回
最簡單的召回,就是直接硬懟,做幾個用戶分類,然后針對性的做一些話術方案,然后全渠道推出去。
二、粗放式召回存在的問題
看起來用戶分層、用戶觸達、對比分析都有了,是不是就可以沉淀成策略了呢?
其實還存在很多問題:
問題1:沒有考慮到用戶本身的響應率。
有可能是這批用戶本身存在很高的推送點擊率,換一批用戶就降低了。所以在用戶分層上至少還需要區分高、中、低的推送響應率,單獨進行方案和渠道的分析。
問題2:沒有進行方案的優劣對比。
只有一個方案的情況下,無法進行方案上的復盤。比如高價值用戶可能只需要80塊就召回了,但是方案A花了100塊,雖然可以覆蓋需求,但造成了成本的浪費。所以在方案上需要設計不同梯度的方面面向用戶,可以聚焦方案上的復盤。
問題3:沒有考慮到渠道的適配。
全渠道的觸達當然是有效的,但全渠道都用統一格式的方案的話會大大降低渠道的可分析性,因為push/短信/郵件/站內信的展示效率和點擊效率都是有很大差異的。
- 短信:沒有標題、前10個字展示效率最高,需要嵌入鏈接。
- 站內信:沒有任何文案的前置展示
- push:標題展示效率最高。
所以在進行方案和渠道匹配時,還需要進行文案的渠道適配工作。
最后得到的結果,可能如下圖所示。為不同的用戶匹配不同的方案、文案、渠道,最大化提升召回價值。
三、精細化運營的四個步驟
1. 用戶分層邏輯
在定義用戶的分層標準中會遇到各種挑戰,梳理用戶分層標準是一個浩大的工程。
例如:
- 如何判斷高價值,單數、金額、頻次,誰更有代表性?
- 假如用單數、金額做分組,如何區分高價值和低價值?(如圖)
假如再考慮時間性的因素,以大客戶為例,也會衍生出很多問題:
- 一直買那么多嗎?還是特定時間買這么多?
- 是一開始買這么多,還是越買越多?
- 是持續性買很多,還是偶爾買很多?
如:
加入了時間因素之后,對不同用戶的分層和處理方式就更加復雜,比如:
- 周期型的大客戶,如何確定周期?
- 成長型的大客戶,如何確定成長的頂點在哪?
解決了以上問題,才僅僅是解決了一個用戶價值分層的標簽,并且標簽的質量還非常的依賴數據質量的好壞。
同樣的問題,在用戶響應率上也是存在的:
- 為什么用響應率做第二個分層,其他的行不行?
- 哪些行為能代表響應,怎么樣算高怎么樣算低?
不同的部門、不同的目標,在這個問題上也有不同的解法:
這些問題,都分析清楚了,才能有準確的用戶分層。
大家可以感受到,做用戶分層是一個大工程,非常的勞民傷財,所以更要有層次的推進。常見的有三種方法:
- 從簡單到復雜,層次性推進。比如,先從二分類做起,逐漸的展開分組的數量和層級。
- 從業務出發,先解決優先級高的問題。比如,馬上雙十一了,要先沖業績,就先把囤貨型揪出來。
- 從目標出發,先解決眼前的商業目標。比如,全年的kpi是xxx,新增需要占多少,復購需要賺多少,以此判斷價值用戶。
我們只簡單介紹,先不詳細展開。
那么,搞定了用戶分層,接下來怎么辦?
2. 方案分類邏輯
這么多方案,如何分析,如何匹配?
一個召回方案,至少要涵蓋這四個部分:
- 召回鉤子是什么?是打折還是送禮?打多少折送多少禮?
- 什么時候上線發送?精確到天還是小時?
- 用戶轉化節點到什么地方結束?
- 用戶產生行為后多久轉化算召回成功?
跟用戶分層結合,又會有兩個場景需要解決:
- 方案如何分類,怎么跟用戶做匹配?
- 方案的匹配程度,如何判斷方案是有效的?
場景一,其實就是建立方案庫,對方案進行打標。例如通過方案的目標、方案的刺激點或方案的便捷性進行標記,如:
而隨著方案的細化和深入,又可以在這個基礎上再分層級,比如優惠券折扣的高、中、低,目標解決長、中、短期流失的用戶,不同推送通道的文案詳情等等。
接下來,不同方案的匹配程度,如何判定?
3. 數據采集
方案和用戶的匹配分析,重點不在「如何分析」,而是在「如何拿到正確的數據」。有了準確的數據、標簽之后,可以判定哪些「更有效」或者「更接近目標」,就輕松很多。
所以上面的第二個場景真正的問題是:
- 有沒有完整的埋點記錄,準確的區分和記錄用戶的行為。用戶的注冊/點擊推送(哪個平臺/什么文案/什么時間)-登錄-活躍(進入了哪些頁面/參與了哪些活動)-買單(買了什么/買了多少/用了多少折扣)整條鏈路是否完整。
- 如果沒有完整的埋點記錄,甚至系統之間都是割裂的,并不清楚哪些用戶經過了什么流程,最后購買了哪些商品。用戶的分層,方案的設計、分析就無從談起。
所以還需要確認的是:
- 用戶的埋點是否完備,用戶ID關系是否管理清晰;
- 用戶基本信息的采集、錄入完成度如何;
- 推送渠道的數據埋點是否采集,可打通;
- 方案涉及到的各種參數,是否預留了接口可以調整、變化。
確認了以上幾點,才能建設好能夠支持「精細化運營」的數據采集基底。同時需要注意的是,好的數據一定是好的運營產生的。在事后補救、治理得來的數據質量,一定不如在事前規劃好可用性高。
搞定了數據采集,就到此為止了嗎?當然不是。
四、技術保障
推送數據發出去了,還會存在以下問題:
- 推送多發、漏發了,怎么辦?
- 推送早發、遲發了,怎么辦?
- 推送沒發出去,怎么辦?
這些問題都會影響到最終的活動效果評估,還會打亂用戶標簽的邏輯。甚至產生一些運營事故。
所以在最終確定推送方案之前,我們還需要做的是:
- 校驗人群包是否跟目標對齊;
- 并發資源是否充足;
- 是否有防抓包機制。
搞定了以上所有問題,才能搭建有效的、可復用、可迭代的精細化運營。
五、總結
如果孤立的去看某一次召回活動是否成功,是否有效,看起來只需要進行一次專業的分析看起來就很完美了;
但是如果深入去思考用戶召回這件事是否可持續,是否可復盤、可復用、可迭代,則需要一個強大的基礎:
搭建一個龐大的體系,不只是為了解決一個單一的問題,而是更多的考慮這個方案在別的地方是否存在復用的價值。
比如這個用戶召回的場景,搭建起來之后,就可以可以復用到用戶轉化、用戶促活上。
六、工作中的實際情況及破局
很多工作場景中,其實并不是我們沒有能力去做持續性的、深入的、精細化的分析。而是大多數公司,都不具備搭建底座的能力:
- 沒有用戶標簽;
- 沒有行為數據;
- 沒有策略分層。
從而導致只能做這樣的分析:
- A方案比B方案轉化率高10%,所以A方案更好;
- 8點發推送比12點發推送高10%,所以8點發更好。
而一遇到「用戶是否有差異」、「是不是文案/賣點不行」這類問題,就容易發懵。
那么如何破局呢?
使用層次化的推進方式,從已有的內容推動同層級的基底建設。
例如已經有了「用戶交易數據」、「用戶基本信息」,推動補充「行為數據」采集是成本最低的。
然后模塊化的向上堆疊,比如用戶模塊的數據已經有了,就可以開始進行用戶的一級標簽補充及構建了。最后的推動方式如圖所示:
逐步推動底層的建設,持續輸出和迭代分析結果。
做完了以上內容,就完成了一個粗放式運營向精細化運營的轉變,從0到1搭建了一套數據運營體系。
這套體系還有個很好聽的名字,叫做「CDP(Customer Data Platform)」。
作者:汪浩,公眾號:只說人話的小汪(ID:transform_wh)
本文由@汪浩 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
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。
很完整的思路,感謝老師!