作為運營喵,你知道每天用戶“流失”了多少嗎?

4 評論 13571 瀏覽 78 收藏 9 分鐘

拉新、促活是運營喵每日必做的工作之一,但是在用戶來了之后能留下的有多少?作者@楊麗清 通過數據分析用戶流失及不活躍的原因,一起來漲姿勢。

作為運營喵,用戶是我們最在意的人,他們就像我們的愛人,為了他們簡直撲湯蹈火,想盡各種有的沒的辦法把他們拉倒自己的產品上,各種“零成本一年百萬用戶是怎么做到的?”、“做到三十萬就靠這四招!”……這類的“拉新”文章太多太多了,這些人是不是很牛逼?好像是,但是今天我不是要去驗證這些方法能不能行。我想說的是:就算用(kai)戶(yuan)拉來了又怎么樣,用戶會“流失”、會“漏掉”的,我們是不是更應該好好留住用戶,盡量少溜(jie)走(liu)?那么,問題就來了:我們怎么知道用戶是不是“流失”了?這個很明確,一定是會通過各種數據來證明。當然,每個運營或者公司對“流失”的概念不一樣,我只是分享個人經驗,若意見不同,勿噴。

我將“流失”分成兩個部分:一是新用戶首次來網站是否存在“流掉”;二是這些新用戶之后還沒有活躍?是否留存下來?

一、新用戶首次來網站是否存在“流掉”

新用戶首次來網站是否存在“流失”,應該是新訪客,這是還不能算是用戶,以電商行業為例子。

大范圍:

從訪問網站-注冊—購物車—下單—購買(有的網站可能還有充值之類的),這是最常見的分析維度,去看新訪客的“流掉”情況;

zhuanhua

這是某電商網站過去一周的新訪客的操作路徑,我們一步一步解析:

PS:每個網站對數據KPI的理解不一樣,我的所有數據都不是真實的工作數據,我只是舉例說明,請大家看的是運營分析邏輯,而不是介些數據哈!??!

訪問—注冊

不管這些訪客是通過什么渠道知道并來到網站,我們都夾道歡迎,可是為什么只有54%的訪客注冊了,是各渠道推廣質量不好(只有流量沒有質量的渠道不要也罷)?是推廣信息和網站不對稱,訪客感受“受騙”立馬離開(小提醒:渠道效果記得同時優化,不然白白花錢)?或者網站和產品不夠吸引人、注冊入口不明顯(若是這些原因,那應該和產品聊一聊了)?還是新人引導不夠,大家操作無從下手(產品、運營都有責任,快來解決問題,都別幸災樂禍啦!)還是網站設計不夠酷炫(應該知道找sei吧)?不然就是網站對新用戶的優惠不夠,很多時候電商拼的是價格、優惠程度(還不快去了解下市場、競品的優惠情況,分析下自己網站優惠是不是真有問題)?

注冊—購物車

這步路徑更多應該去分析產品列表頁/詳情頁和購物車之間的關系,一會我再說。

下單—成功購買

除了那些可能很久之后才會結算的用戶(當然只是少數),這步路徑轉化率為68.8%;這時候,產品應該想想這步的操作是不是不流暢,比如支付什么的,導致“流掉”一半的用戶;支付方面,還涉及支付平臺的性能,支付是不是夠快,會不會經常支付失敗等;這些問題看似不驚人,其實特別影響支付的心情和狀態(反正我是這樣,支付慢我一定等不了)。運營應該想想這步的轉化引導是不是不夠。

分享一個上周的親身經歷,某寶的某店,那次我下單了,但是不知道什么原因忘了付錢,然后人家客服MM就以非常俏皮的口氣提醒沒付錢,雖然知道她的“賊心”,但是我還是乖乖付錢了,這是我第一次遇到這樣的提醒。所以,運營有時候只是小小的一步,也許就會有大大的收獲。

小范圍

分析完大范圍,再來看下小范圍:詳情頁、二級頁之間的關系,即各級頁面的轉化。

兩個辦法:

  • 追蹤每個用戶的操作路徑(具體到各頁面),分析用戶多在哪些頁面流失,對這些頁面進行重點監測,然后該優化就優化;
  • 查看熱力圖,分析哪些用戶的點擊少,也能了解用戶可能流失的區域;

分析這些頁面關系,還有一個價值:就是去發現一些頁面之間的關系,繼而去發現一些商品之間的關系,可以做一些商品關聯推薦、合綁銷售等。

二、這些新用戶之后還沒有活躍?是否留存下來?

除了首次的行為外,運營更看重的是這些用戶之后是否活躍,活躍有可能是登錄,有可能是購買;無論是什么,努力把他們都變成老用戶、忠實用戶,提高網站留存率,要知道他們才是網站價值的最大貢獻者。

活躍用戶

先看活躍用戶,一般用折線圖表示即可,直觀明了;

huoyue

留存率

那就看看他們的留存率吧,留存率概念應該運營童鞋都懂,我就不啰嗦了。一般用“40–20–10”規則,表示的是次日留存率、第7日留存率和第30日留存!結合自己網站評估下吧!

liucun

以上這個數據代表性不強,只是留存率思維的一種展示,至于留存率的計算,其實很簡單,數據工具有這個高級計算選項。然后設置一直“紅色”條件,設置一些數據條件,用來提醒、預警,預防數據太低。

留存率反映的是一種轉化率,由初期的不穩定的用戶轉化為活躍用戶、穩定用戶、忠誠用戶的過程,能看到不同時期的用戶的變化情況。留存率很重要,但不一定都關注次日留存率,各種網站、APP的特性也不一樣,so留存率一般包括:次日留存、3日留存、7日留存、15日留存、30日留存、3個月留存、半年留存等概念。注意:留存率并不一定能代表活躍度,但是活躍度低的產品留存率肯定高不了。

做完了數據分析大體就能知道用戶“流失”的情況了,但作為運營,更重要的是從數據中發現問題,然后制定相應的運營方案,比如怎么能讓用戶少流失點、如何召回、是不是要設置流失預警、等等,慢慢優化效果。

So運營會做數據分析是很重要的,我在這條路上越走越遠啦,越來越順,過程中有很多意外發現,對自己的運營成長也有很有利。分享經驗,希望和大家共勉,加油?。?!

 

作者:楊麗清(yang18210462108),產品運營。2年互聯網運營工作經驗,喜歡運營,擅長用數據優化、驅動運營,希望做個全能的運營狗。

本文由 @楊麗清 原創發布于人人都是產品經理。未經許可,禁止轉載。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 我的天,要不要編輯一下,全文一個超鏈接

    來自河北 回復
  2. 作者用的是什么數據分析工具?能分享下嗎

    來自江蘇 回復
    1. excel足以….

      回復
    2. 用的是一個國內的數據分析工具BDP,免費注冊的,感覺操作比較好上手,可以試試看

      來自北京 回復