關于用戶流失,數據分析可以挽回一線生機
關于流失,就不必過多的說明了,古往今來,從菜市場到互聯網,都是各行從業者所不想看到的。然而人有生老病死,新陳代謝式的流失是不可避免的。
有些流失是無法避免的,但也有可以挽留的。
流失的分類
?剛性流失
可以進一步分為新用戶水土不服型和老用戶興趣轉移型,這部分流失用戶是無法挽留的,緣盡于此,花再多的錢也沒什么用,畢竟強扭的瓜兒它不甜。所以我們應該盡量將這部分用戶剝離出來,避免不必要的投入。
體驗流失
可能是應用體驗、服務體驗、交易體驗、商品體驗等等,總之就是在使用產品\服務的過程中,感到了一絲不爽,正所謂一言不合就流失。對于我們而言,當然是要找到哪個環節讓用戶感受到了不爽,并及時維護,盡最大程度減少體驗流失。
競爭流失
也就是用戶已經轉粉了??赡苁歉偁帉κ值捏w驗更好,可能競爭對手推出了什么優惠的政策。我們也需要抓住行業的動態,針對競爭對手的搶粉行為做出相應的行動,來避免競爭所帶來的流失。
關于流失的定義
各公司對流失的定義不同,可能是7天內沒有登陸行為,一般一款游戲7天沒有再次登陸的基本就可以算是流失了;也可以是幾個月之內沒有交易行為,電商或者o2o公司的流失周期會比較長,它的流失也沒有像游戲或者內容應用那樣好判斷。那對于一個公司來說,怎樣一個沉默周期就算做是流失了呢?可以通過回流率來判斷,如果第8天的回流率依然很高,那么7天沉默就算作流失肯定就不合適了。(回流率=時間周期內流失的再回訪的人數/時間周期內流失的人數)
關于流失的分析
關于流失的常規數據監控,一般都是和存留一起的,本身兩者也是分不開的(出門左轉,前面已經寫了存留相關的內容)。單獨針對流失的,最多可以利用finereport看到如下圖樣式的監控:
上圖對整體的流失情況進行一個總體的監控,關注點在于流失率是否穩定、新用戶流失與老用戶流失占比。一般來說,新用戶流失率比較高,而老用戶流失的嚴重性更大一些,當發現老用戶流失率較高的情況,應該針對流失用戶進行更近一步的分析,要對流失用戶進行聚類,另外關聯流失用戶的行為日志,將分析結果最終落地到產品。私以為,只有從產品的角度降低老用戶的流失率才是靠譜的,其他手段都是治標不治本。
關于新用戶的流失,今天跟朋友聊到,一款產品或者游戲的運營,避免不了新用戶的流失率是越來越高的。一款新的產品剛上線時,用戶質量一般比較高,而當一款產品運營一段時間后,所謂的新用戶有一定程度上是運營人員強行拉過來的,質量會有所下降。so,還是重視老用戶的存留,and,關于渠道的價值評估也是一定要加上存留率了如下圖(前面寫的僅僅有轉化率、roi、流量的相關的渠道價值評估,關于渠道的價值,應該綜合更多維度分析)。
另外可以針對流失的用戶類型進行近一步的分類如下,來為運營人員分析用戶流失分析提供初步假設:
當然,上面所描述的都是最基本的監控性報表,對于流失而言,更多的是深度的分析,需要對潛在流失用戶進行預測、對流失原因進行分析,各參數與用戶流失的相關性分析等。這些就需要考慮具體的業務場景進行建模分析了。
有朋友提醒,渠道是無處不在的,貫穿于整個運營體系之中,存留的曲線圖也需要按照渠道來進行細分對比。例如:當發現次日存留率較低,點擊圖標進入下一層,羅列出所有渠道的次日存留率,來達到對存留更全面的認識,也是對渠道價值的監控。感謝提出建議的朋友。
作者:知乎達人“jiago王”,知乎專欄“撩撩數據吧”,帆軟數據人,互聯網行業總監,樂于交流的數據小兵。
本文由 @jiago王 原創發布于人人都是產品經理。未經許可,禁止轉載。
回流率的定義沒有太理解,能舉個例子么
這些多久流失的數據,怎么導出計算,人工一個個篩選嗎,還是需要產品有個導出口或者有模板