用戶流失分析的三個誤區(qū),你踩雷了嗎?
編輯導(dǎo)語:對于企業(yè)和一些產(chǎn)品來說,用戶的黏性是非常重要的,用戶形成習(xí)慣之后,會長期的使用產(chǎn)品;但如果用戶中途換了產(chǎn)品或者對產(chǎn)品的一些功能有些許不滿,就會造成用戶流失;本文作者分享了關(guān)于用戶流失分析的三個誤區(qū),我們一起來看一下。
一個平臺的用戶流失是不可避免的,新老用戶的不斷交替是產(chǎn)品更迭升級的正?,F(xiàn)象;但企業(yè)可以從流失用戶的比例和變化的趨勢中尋求突破,創(chuàng)造出保留新用戶的產(chǎn)品,從而提高保留用戶的能力,找出產(chǎn)品的發(fā)展趨勢和空間。
當(dāng)我們發(fā)現(xiàn)用戶的流失率增高時,就要對流失掉的用戶進行更詳細的分析;但在分析用戶流失情況時,有時會陷入某些誤區(qū)而不自知,甚至由于判斷的失誤降低了用戶回流的效果。
一、企業(yè)在進行用戶流失分析時容易陷入的第一個誤區(qū):定義不明確
有些人看到其他平臺將用戶流失期限定義為半年未登錄,就將自己的用戶流失率定義為半年未登錄;人云亦云,卻從來不思考,為什么人家平臺定義用戶流失率是半年,自家的平臺和人家的平臺有哪些異同,這樣定義是否合適。
所以在做流失用戶分析這項工作開始之前,我們要先弄清楚一件事:符合什么條件的用戶才能夠被定義為流失用戶?是數(shù)個月沒有訪問過平臺的用戶?還是經(jīng)常訪問我們平臺,但幾個月內(nèi)沒有任何購買行為的用戶?
比如當(dāng)年QQ的巔峰時期,基本上我們每個人都會注冊QQ號,每天進行登錄、升級、游戲、聊天等一系列操作,活躍用戶數(shù)量龐大;但是隨著微信等其他社交產(chǎn)品的盛行,QQ曾經(jīng)一統(tǒng)天下的局面結(jié)束了。
雖然現(xiàn)在仍然有非常多的QQ用戶,但是一些曾經(jīng)活躍的用戶現(xiàn)在使用QQ的時間越來越少了,有些用戶甚至半年或者一年都不再登錄QQ;這些用戶就可以定義為流失用戶,但也有一些用戶可能近一個月或兩個月不登錄QQ,卻還在為自己的QQ號充值會員,那這些用戶就不能定義為流失用戶。
所以我們在定義流失用戶的時候需要根據(jù)平臺的特性具體來判斷用戶的類別。
為了能夠迅速并準(zhǔn)確地找出產(chǎn)品的目標(biāo)群體,企業(yè)可以對流失的用戶進行這樣的定義:在較長的一段時間內(nèi),未進行過具有關(guān)鍵性操作行為的疑似流失用戶;不過在這里還是需要結(jié)合產(chǎn)品的特性來確定關(guān)鍵點。
例如:
1)用戶購買產(chǎn)品的點
用戶購買不同的產(chǎn)品,關(guān)鍵點是各不相同的;例如音樂平臺中的關(guān)鍵點是購買音樂或者購買其衍生品,購物類平臺中的關(guān)鍵點可能是瀏覽或購買商品。
2)未訪問的時間長度
如果用戶一個月都沒有再訪問企業(yè)的平臺或購買產(chǎn)品,就可以判定這個用戶為流失用戶,例如一些社區(qū)或交友類平臺如微博、陌陌等;但像購物類平臺可能要等三個月甚至半年,如果發(fā)現(xiàn)用戶一次都沒有訪問過平臺才能被認定為流失的用戶。
二、企業(yè)在進行用戶流失分析時容易陷入的第二個誤區(qū):在樣本選擇上產(chǎn)生失誤
這是由于在分析前選擇樣本數(shù)據(jù)的時候,企業(yè)沒有做好事先的排查工作,導(dǎo)致在采納的數(shù)據(jù)中,把真回流的用戶和假回流的用戶混在一起進行分析,從而得出一些具有偏差性的分析結(jié)果;因此,在做用戶流失分析之前,要先分析回流用戶的特征,排除那些活躍周期較長的用戶。
計算平臺總的用戶流失數(shù)量比較簡單,舉個簡單的例子,假設(shè)我們認為超過一個月未登錄的用戶即為流失用戶,那么總的用戶流失數(shù)就是:“當(dāng)前時間點-用戶最后一次登錄時間點>一個月”的用戶數(shù)量。
但只計算出總的用戶流失數(shù)量對于分析用戶流失是沒有太大意義的,因為在大部分情況下,所計算出的這個數(shù)值一直是處于遞增狀態(tài)的;而企業(yè)所需要做的是計算出用戶的流失總數(shù)占總的用戶數(shù)的比例是多少,以及新增流失用戶的數(shù)量,并觀察它們的變化趨勢。
是否是流失用戶是根據(jù)用戶最近一次登錄的時間來判斷的,所以要分析流失用戶就需要找出每個用戶的最近登錄時間;不同的網(wǎng)站判定的結(jié)果應(yīng)該是不同的,因為每個網(wǎng)站的時間間隔會有所不同,最長甚至?xí)_到一年,這為企業(yè)獲取數(shù)據(jù)制造了一些阻礙。
當(dāng)然,為了方便分析注冊用戶,企業(yè)可以在數(shù)據(jù)庫中建立相應(yīng)的數(shù)據(jù)表來存放用戶信息或者是選擇諸葛這樣專業(yè)的數(shù)據(jù)智能服務(wù)商;在建立用戶的基礎(chǔ)信息的同時,記錄每位用戶最后一次登錄的時間,這樣才能準(zhǔn)確地計算出每位用戶最后一次登錄距離目前的時間間隔是多少,并以此來區(qū)分哪些用戶屬于流失用戶。
三、企業(yè)在進行用戶流失分析時容易陷入的第三個誤區(qū):不分析用戶行為
不分析用戶行為是指當(dāng)企業(yè)發(fā)現(xiàn)用戶流失之后,就簡單地認為這部分用戶流失了,而并不知道他們流失的原因是什么,也沒有對用戶的流失行為做出積極的分析,從而不了解用戶行為背后更深層次的原因。要想分析用戶的行為,就要從用戶黏性入手,用戶黏性包括用戶的訪問頻率和訪問間隔時長。
1)訪問頻率:用戶的訪問頻率能夠體現(xiàn)出用戶對企業(yè)的產(chǎn)品是否有興趣,是否有想要購買的沖動;有些研究認為在黏性還沒有產(chǎn)生時,部分黏性等同于忠誠度,因此可以認為用戶的忠誠度是用戶黏性的前提。
2)訪問間隔:時長如果平臺不花時間和精力維護用戶,或者產(chǎn)品不再更新?lián)Q代,那么即使之前產(chǎn)生了用戶黏性,也會隨著時間的流逝而消失;用戶不會一直等待,即使已經(jīng)形成使用習(xí)慣,他也會因為需求而轉(zhuǎn)投到競爭對手那里去購買替代品。
比如有一家餐廳,每天早上都會有很多人那里排隊買早餐,而這家餐廳的旁邊還有一家小飯館,由于看上去不夠高端,沒有什么人去吃飯。
后來,生意興隆的餐廳因為老板家里有事,整整休息了兩個月,而旁邊那家小飯館一直營業(yè);等到餐廳老板回來以后,他發(fā)現(xiàn)原本天天排隊的人們再也不來他家買早餐了,因為職員們已經(jīng)習(xí)慣去小飯館吃飯,久而久之,這家餐廳生意越來越差,最后無奈之下只好關(guān)門大吉。
上面這個例子很好地體現(xiàn)了忠誠度和用戶黏性的關(guān)系;一開始,職員們喜歡去餐廳吃早餐,是因為這家店看起來比較高端,顧客也因此形成了習(xí)慣,也就是忠誠度;所以寧愿排隊等也要在這里吃飯,這就是用戶黏性。
這種黏性既容易得到用戶,也容易失去用戶,因為用戶并不是非他不可;因此,在餐廳暫停營業(yè)以后,顧客們?yōu)榱苏姨娲范バ★堭^就餐,久而久之,用戶就形成了對小飯館的忠誠度,這就導(dǎo)致了餐廳的用戶大量流失。
用戶流失分析還要從產(chǎn)品的角度分析用戶的流失原因,才能從根本上有效控制用戶流失;我們就需要將流失掉的用戶分類,做好流失用戶的跟蹤記錄,并根據(jù)分析出來的結(jié)果對之后的產(chǎn)品進行優(yōu)化。
了解用戶的需求點,及時完善產(chǎn)品的功能,在合適的時機對產(chǎn)品進行改造升級。
我們不僅要對自己產(chǎn)品的數(shù)據(jù)進行分析,還要了解用戶的真正需求,要知道用戶需要什么,什么樣的產(chǎn)品功能受歡迎,才能進一步根據(jù)這些數(shù)據(jù)對產(chǎn)品進行優(yōu)化升級;要從用戶的角度對產(chǎn)品、平臺等環(huán)節(jié)進行優(yōu)化,例如將用戶的熱搜頁面設(shè)置在顯眼的位置、對于產(chǎn)品的展示陳設(shè)頁面進行順序的調(diào)整、優(yōu)化商品的布局等。
解決問題要從根源出發(fā),只有提高產(chǎn)品質(zhì)量、優(yōu)化產(chǎn)品功能,才能從最大限度上降低用戶流失率。
作者:諸葛io,微信公眾號:諸葛io
本文由 @諸葛io 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。
題圖來自Unsplash,基于CC0協(xié)議。
- 目前還沒評論,等你發(fā)揮!