有很多同學留言想看用戶生命周期的分析，今天它來了。用戶生命周期管理，是系統化運營和拍腦袋運營的重要區別。不做系統化設計，就會淪陷為無腦燒錢的傻大粗。然而用戶生命周期到底要怎么管，網上很少有詳細的討論。

用戶生命周期分析的常見錯誤

網上流傳的用戶生命周期只有一張語焉不詳的圖（類似下圖）。

這張圖有極大的迷惑性，會讓新人們誤以為：

• 所有的業務的用戶，都有五個階段。
• 所有的用戶，都會從出生到衰退走完全程。
• 只要我算出來時間，到點發券用戶就會繼續留。

本質問題，是忽視業務特點，一鍋燉，導致很多新人一門心思糾結：到底留存多久算一個“完整”的周期。最后做出來的東西看似合理，卻沒法落地。實際上，用戶生命周期和具體業務類型有很大關系。想要認真討論，就得具體結合業務討論。根據業務特性的不同，用戶生命周期有兩種基礎類型，我們一個個詳細看。

快消品類的用戶生命周期

所謂快消品類，指：高頻次、低金額、用戶挑選周期短的商品；日用、零食、游戲、O2O服務、娛樂視頻/音頻內容等等。此類產品多是廉價生活剛需，用戶天然的會頻繁購買。但是，提供這些產品的平臺非常多，產品迭代速度快。

用戶總是喜新厭舊的，對單一平臺、單一品類、單一系列的忠誠度，非常有限。因此，就形成了所謂初入期，成長期，成熟期，這也是大家在網上最常見的那張圖的起源。

需注意，不是所有用戶都能走完整個生命周期。大量用戶會因為內外部影響，在初入期或成長期流失，常見的情況如：

• 初入期-業務范疇限制：平臺提供的產品/服務有特定種類，只能吸引特定用戶。
• 初入期-新人引導影響：用戶適應平臺，上手需要時間。新人保留做的不好，用戶還沒有體驗到核心服務就已經流失。
• 成長期-內部不良事件：出了運營事故、產品BUG、設計缺陷，導致用戶流失。
• 成長期-外部競品事件：競品做了促銷、拉新活動、爆款，把我們的用戶搞跑了。
• 成長期-用戶需求滿足：沒有那么核心的用戶，已經滿足了需求，需要額外消費。

因此表現出的效果，不是一個用戶走完整個周期，而是一批用戶在進入后（注冊行為、首次接觸），表現出留存、流失分化不斷分化的狀態（效果如下圖所示）：

• 核心用戶：沉淀下來，消費幾乎所有產品，保持長時間活躍，進入成熟期。
• 輕度用戶：消費到一定頻次后停滯，但重新迭代業務可以將部分人激活。
• 邊緣用戶：逐步流失，特別在引入期、成長期大量流失，并且不會響應喚醒。

需要特別強調的是，在引入期的流失，不見得是因為用戶沒有需求，很有可能是我們沒有做好新人引導。特別是互聯網應用。用戶下載、安裝、開打的第一分鐘，很可能因為各種稀奇古怪的錯誤、繁瑣的新手教程、不清晰的操作指引而流失。因此在引入期的用戶體驗改善，往往是盡可能優化。至少讓用戶體驗到核心賣點，才能判斷是否是核心用戶。

反之，用戶體驗到核心賣點以后產生的流失，不一定需要100%挽回。很有可能他的需求已滿足，或者他根本不是我們的核心用戶。盲目的拉動所有用戶群體的消費，會浪費大量費用，且因為派太多優惠券，而養出一幫無利不至的羊毛客。

這種從注冊開始，T+1，T+2,T+3……看數據的方式，常見的有三種計算方法。

需注意的是，無論用哪種方法，得到的生命周期數值，都是更適合用來評估新用戶質量的。比如計算完用戶生命周期，順便計算用戶生命周期價值（life time value），在獲取新用戶的時候就更容易測算渠道ROI，提升投放質量。

但想做全局運營的話，這么看有缺陷，因為快消品類天生受促銷活動、新消費主張、營銷話題影響。輕度用戶被喚醒、回流的情況很常見，使得用戶生命周期不是規則的初入到流失，而是經常出現波動。如果陷在每一個人的波動細節里，整體規劃就沒法做了。

我們做全局規劃的時候，而是關注整體用戶結構。當很多期用戶重疊的時候，會形成一個處于引入期、成長期、成熟期用戶構成的用戶結構。我們要保證的，是整個用戶結構能支撐的起當前的經營目標，并且在不斷的優化下持續向好發展（如下圖所示）。

需要注意的是：用戶結構是與發展階段相匹配的，并非每個層級都要做大。一般來說，新上線的業務重點擺在做大新用戶群體，關注的是用戶數，新人留存率，目標是讓盡可能多的用戶渡過初入期。追求營收的業務，會關注用戶成長，挖掘成長期用戶潛力，把他們推到核心用戶，即使產生流失也沒那么在意。如果每個階段的用戶都關注，就會分散力量，很難達成效果。

小結下，做快消品類的用戶生命周期管理，本質上有2點要求：

• 對新用戶：做好引導，盡快進入成長期。
• 對全體用戶：維持合理的用戶結構，改善重點關注群體。

根據這倆目標，就衍生出了快消品類生命周期分析的四大議題：

• 新人留存分析：從注冊開始T+N看數據，分析轉化漏斗，關注新人體驗到核心賣點后留存率。
• 用戶路徑分析：從注冊開始T+N看數據，關注用戶成長路徑，關注是否有足夠多的用戶進入成長期、成熟期，消除路徑障礙。
• 用戶結構分析：按自然日期統計數據，跟蹤用戶結構變化，根據經營目標，制定用戶結構當前目標。
• 事件效果分析：按自然日期統計數據，關注對用戶結構有影響的內外部、正反面事件，分析市場影響，關注用戶結構走勢。

如果全部展開寫，內容很龐大，這里簡單列出每一類分析的方法和思路，有機會我們詳細分享。

大件商品的用戶生命周期

大件商品：這一類，往往是產品金額高，消費頻次低，用戶選擇周期很長。比如房子、汽車、婚慶、出國游、家居、裝修、消費型貸款等等。這些產品消費頻次極低，不太可能出現復購。如果套用RFM模型，那大部分用戶R=0或者在5-10年以上，F=1。這時，無腦套RFM，會出很多奇怪數據。

如果無腦套用快消品的思路來運營，就會各種搞笑：

• 買2臺奧迪送一輛大眾；
• 裝修用戶，贈免費拆家，拆了再裝；
• 結婚3年送小三，你就能離了再結一次。

因為單品價值高，所以用戶選擇周期變長，在一錘定音之前，會做大量的對比。因此用戶生命周期是前置了的。從他動了心思開始，到最終下單結束。就像一個沙漏在做倒計時（如下圖所示）

每一類大件商品都有一個倒計時范圍。因為一般大件商品都和結婚、生孩子、孩子上學、出國這種大事有關，不會無限制拖下去，也不會隨意更改。一但決策流程啟動，在窗口期內用戶的考察品牌范圍會越來越窄，而成交概率會隨著時間流逝越來越高（如下圖所示）。

請注意：在上圖中，企業并不知道，用戶是哪個節點接觸自己的。在圖中1,2,3節點，企業要采取的策略完全不同。在1節點，需要記錄用戶信息保持跟進，避免過早出價成為炮灰。在2節點要做好用戶體驗。在3節點核心是價格，出價要有殺傷力。用錯了策略，就會為他人做嫁衣裳，錯失成交機會。

因此，對大件商品，搞清楚接觸用戶生命周期節點非常重要。在這個領域做得好的企業，都會特別在意信息的采集，比如：買房會了解參考了哪些樓盤，是否有中意戶型。買車的會了解是否看過本品其他4s店，對比哪些車型等等。

在生命周期中，會有一個明顯態度拐點，企業促成拐點的動作被稱為：“關鍵動作”。如果結合用戶需求做對了關鍵動作，就能極大提升成交概率，推進用戶決策流程（比如上圖中2點）。

這里的關鍵有兩個點：用戶需求+業務動作。只有抓對了用戶需求做動作，才能產生立竿見影的效果。比如對買房而言，最重要的是帶看和議價兩個動作，可同樣是改善型買房，用戶想改善的是居住面積、周邊環境、配套資源；想為二胎還是為養老改進，都會產生具體的需求。如果能抓住需求，在帶用戶看房的時候主動提示優點，就能提升成交率。不抓需求，只是傻傻做帶看動作，當然無法取得效果。

了解以上信息，就能推導出大件商品用戶生命周期管理的基本思路：

• 識別有真正需求的用戶。
• 在用戶決策結束前做匹配需求的關鍵行動。
• 引導用戶買到匹配需求的產品。

因此衍生出四大數據分析主題：

• 用戶需求分類：清晰每一類產品針對的用戶需求。
• 生命周期計算：了解每類用戶決策時間周期。
• 接觸節點采集：用各種手段，了解用戶在哪個節點接觸我們。
• 關鍵動作分析：從成功/失敗教訓中，總結對促成有用關鍵動作。

如果全部展開寫，內容很龐大，這里簡單列出每一類分析的方法和思路，有機會我們詳細分享。

更多類型的用戶生命周期

如果把所有消費品按消費頻次和金額分類。會發現：消費品天然往高金額低頻次和低金額高頻次集中。這很好理解：大家都不是土豪，貴的東西肯定買的少，買的糾結；日用品金額低，用完了都得補貨。

那是否存在：高金額高頻次的類型呢？當然有！除了土豪的個人消費以外，大部分高頻高金額消費和經營活動有關。

需要注意的是，同一個業務下，可能出現兩撥用戶，比如：

• 同樣是小額貸，普通用戶借一筆就是低頻高金額，而小微商戶老板周轉的，就會出現高頻次高金額的循環貸款。
• 同樣是服裝消費，普通用戶換季買幾件就是高頻低金額消費，但掃貨賣往四五六線城市的二次銷售的老板，可能就是高頻高金額消費。
• 同樣是訂票，結婚出國的普通用戶可能是低頻高金額消費，但經常出差的商務人士，就是高頻高金額。

這是一個很重要的提示：即使在同一業務里，生命周期最長的用戶，很有可能和其他用戶不是一類群體。他們有特殊訴求。做用戶生命周期管理的時候，并不能強求所有人都成為此類用戶，也不能完全按此類用戶成長路徑來設計其他用戶的路徑，有可能把業務帶到溝里去。

至于要不要真的把他們當做核心，這些用戶規模做到多大合適，是一個獨立的議題，需要專題分析。但在做用戶生命周期分析的時候，要先指出來：我的用戶群體有多少種，高低層級是不是一類人，有何區別。這就涉及到用戶價值分層級和群體細分的問題，有興趣的同學可以點擊一下在看。如果本篇在看超過50，我們專題分享這個話題。

小結一下

掌握用戶生命周期，對體系化的運營非常有幫助。想要獲得真正的用戶生命周期情況，就得深入理解自己分析的業務特點，了解用戶需求與購買習慣，做好用戶分類。在此基礎上才能得到符合業務的數據。

想要針對用戶生命周期做改善，提升運營效率，更得和市場調研、運營、產品、一線業務緊密配合，獲取更多信息，嘗試各種解決方案。在迭代中得到更優的效果。這些都不是靠數據分析師一拍腦袋、神機妙算能搞掂的，配合與協同才是實現目標的王道。

作者：接地氣的陳老師，微信公眾號：接地氣學堂。十年資歷的數據分析師，擁有多個行業的CRM經驗。

本文由 @接地氣的陳老師 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