如何計算用戶生命周期天數(shù)?
此文寫在去年了,當時是給老板的一個匯報,針對用戶的生命周期長度一直有爭議,查閱了網(wǎng)站上一些達人的分享和自己的一些經(jīng)驗理解后,有以下內(nèi)容,歡迎各位探討。原創(chuàng),第一次發(fā)文。
背景:化妝品零售企業(yè),渠道有電商平臺及線下專柜,此次取值電商平臺為淘寶旗艦店的數(shù)據(jù);品牌隱去。
會員數(shù):190W
用戶生命周期(Life Time),也稱作留存天數(shù),從字面意思就可以知道,從用戶第一次購買,到最后一次購買的天數(shù)。與之相關(guān)的是留存率,留存率和生命周期不一樣,單獨談?wù)摿舸媛蕸]有意義,前面要加上一個時間定義,才能確認數(shù)值,如次日留存率,7日留存率,月度留存率,季度留存率,年度留存率等。
最近也查閱了一些資料,也向一些行內(nèi)人士進行了請教,目前用戶生命周期天數(shù)被用到最多的通常為互聯(lián)網(wǎng)行業(yè),會對用戶對網(wǎng)站/游戲/app/論壇的留存進行天數(shù)計算。一般會有以下三種方法:
在這里有個前提,所有消費次數(shù)=1的用戶,不計算在生命周期的取值內(nèi),也就是生命周期所計算的是用戶>=2的用戶的生命周期天數(shù)。次數(shù)=1,說明買了一次就流失了,和品牌僅有一次接觸點,生命周期=0,不做計算。這部分用戶,線上線下僅一次消費會員占比70%。
1、?完整生命周期法
取值的用戶對象必須在一個完整生命周期內(nèi),計算它們第一天到最后一天的消費天數(shù),取平均值。
在這里我們將用戶的流失天數(shù)定位365天,也就是一個用戶>=365天未產(chǎn)生回購,我們默認她成為流失客戶,這時她度過了一個完整的生命周期,那么她第一次與最后一次的消費時間差則為她的生命周期天數(shù)。
我們在取值的時候用的就是這種方法,此方法的優(yōu)勢在于計算周期天數(shù)準確,劣勢在于及時性不高,因為確保用戶在完整生命周期內(nèi)。以為數(shù)據(jù)樣本是1年之前的數(shù)據(jù)樣本,反映的結(jié)果是一年之前的用戶生命周期結(jié)果。以下是計算的2個數(shù)據(jù):
在今年4月的時候我們分別對于線下專柜,以及天貓渠道進行了會員生命周期天數(shù)的計算,結(jié)果分別如下:
- 專柜會員生命周期天數(shù):75
- 電商會員生命周期天數(shù):212
對比去年10月左右的數(shù)據(jù):
- 專柜會員生命周期天數(shù):92
- 電商會員生命周期天數(shù):165??(注意按照這個時候的計算雙11大促未包含進去)
這個數(shù)據(jù)當時造成了2個疑問:1,專柜為什么如此低?電商為什么如此高?2、電商為何提升如此大?
首先至于數(shù)值的高低,需要通過對比,才能得出結(jié)論,目前行業(yè)內(nèi)關(guān)于用戶生命周期天數(shù)這一公開數(shù)據(jù)較少,從我原來的工作經(jīng)驗,以及行業(yè)人士分享得到的一般日化的會員生命周期天數(shù)大概在6個月左右,180天左右屬于較常見天數(shù)。
其中美容院等專業(yè)線的產(chǎn)品,生命周期要更長一些,本品牌定義為敏感肌膚產(chǎn)品,理論上用戶生命周期長度應(yīng)當在普通日化之上,所以212天這個數(shù)字,整體上來看是正常的。
但專柜的確是偏低的,主要原因是根據(jù)這一方法的取數(shù)邏輯,專柜的會員樣本為2016年4月之前消費的顧客,而專柜整體也只是從2016年初進行擴張發(fā)展,導(dǎo)致樣本量少,本身樣本的存在周期就短。數(shù)據(jù)誤差較大。
那么電商為何從165提升到了212天,主要原因是9月取值時,未包含15年的雙11大促,而15年雙11大促之后,對用戶有個比較大的喚回(其中超過180天的占57%),這部分人大大的拉長了生命周期的平均值,如下圖是完整生命周期內(nèi)的用戶生命周期天數(shù)分布表,雖然0-90占比最大,但是拉動弱,最頂部的長周期的拉動平均值的力度大,再說>=270天的占比能達到29%也是一個較高的值,主要在促銷活動期間被拉動。
當然說到這里問題暴露的也很明顯,根據(jù)這種邏輯,雖然得出數(shù)值準確,但實際上只是1年前的會員生命周期長度,反映不了目前的會員留存。
那就來看下生命周期計算的第二種方法:
二、全樣本統(tǒng)計
指的是把全部用戶最后一次購買的日期,減去他第一次購買的日期,就是單個用戶的留存天數(shù)。把所有用戶的單用戶留存天數(shù)平均一下,就是生命周期天數(shù)了。
這個統(tǒng)計方法的優(yōu)勢在于能反映當前數(shù)值;問題在于非常不靈敏,基本上最近幾個月除非大促活動產(chǎn)生,統(tǒng)計出的結(jié)果基本都一致,另外就是時間跨度要足夠長,得出來的數(shù)據(jù)才會相對準確一些。另外整個計算是包含了未進行完整生命周期的用戶的,不夠精確。
按照上面的邏輯得出的線上線下會員的生命周期天數(shù)為
- 線下專柜:163
- 天貓商城:263
其中可以看到線下專柜的生命周期數(shù)據(jù)上升幅度達,趨于正常,整體上來看線下隨著數(shù)據(jù)樣本量的增大,時間的拉長,實際的生命周期天數(shù)應(yīng)該還是高于這個值將趨于準確;
對于天貓上升到了263天這個數(shù)值的增長,未考慮超過365天的會員回購的可能性,默認為已經(jīng)流失,但實際上有將近3%的流失會員在雙11大促被重新喚醒,且其中僅在促銷期間消費(也就是中間未產(chǎn)生任何消費)的人群,占了16%,且這個趨勢在逐年增長,14年為10%,15年為12%,16年為20%。
對于天貓這個值,是反映當前會員生命周期比較準確的一個值;
第三種方法,倒推法
每一個活躍用戶,從他們的首次消費時間到當前消費的時間差,平均一下,就得出留存天數(shù)了??梢园慈?、按周、按月,我們這里取按月的值。
這個取值的方法精準性較差,周期越短越不準,且有個明顯的誤差,就是統(tǒng)計的樣本,都是留存下來的樣本,在統(tǒng)計周期內(nèi)的用戶都沒有統(tǒng)計到。此種方法雖然靈敏度高,但是誤差較大。
對比以上三種用戶留存天數(shù)的取值方法,可能還是比較混亂,直接把結(jié)果提煉出來就是:
目前專柜的會員生命周期,前期是因為樣本量少,專柜運營周期短,得到的結(jié)果誤差較大,目前專柜數(shù)據(jù)正處于一個穩(wěn)定期,會員生命周期數(shù)據(jù),將會呈現(xiàn)升幅較大的狀態(tài),預(yù)估目前在190天左右,因為專柜本身運營天數(shù)的累積,會快速上升之后趨于穩(wěn)定;
對于天貓旗艦店的會員生命周期數(shù)據(jù),如果我們只看總平均值,目前的生命周期天數(shù)應(yīng)當與第二種算法接近在260天,也就是8,9個月左右,其中大促影響巨大,每年雙11有50%左右的180天沉睡會員被喚醒,這部分人的在周期長度上整體拉升了平均值。但是如果用戶的生命周期長度主要是被大促所拉動,那么在一定程度上這不是一件好事情,因為用戶主要對價格敏感,而不是對品牌忠誠。
對于日常來看用戶的生命周期是一個時間段的過程,是結(jié)果,并且在短期內(nèi)變化不大的指標,想要獲得高靈敏度的數(shù)據(jù)指標作為會員維護的參考,看一個時間段的留存率會更加適合一些,
對于我們品牌的用戶3個月內(nèi)為最優(yōu)復(fù)購區(qū)間,于是我們來按照季度取用戶的留存率:
目前專柜和電商的季度留存率差別不大,日常專柜要稍微優(yōu)于電商,電商在大促節(jié)點要明顯高于專柜。大促對于會員留存率的指標變化影響很大,圖示2016年8-9會員的季度留存達到53%,而大促當月的會員留存率最低,原因是通過活動短時間內(nèi)積累大量新客,流失率也高。
以上為關(guān)于會員生命周期天數(shù)的一個探討,內(nèi)里還有一些細節(jié)需要去做驗證,整體上說會員生命周期反應(yīng)了用戶與品牌的粘性與用戶價值,但生命周期作為一個階段性的長指標,在短時間內(nèi)不具備高敏感性,而從季度留存率指標來看,我們可以快速的了解到每個月的會員季度留存情況,并可以運用在實際工作中,進行指標跟進和匹配營銷動作。留存率的指標對實際工作更具有意義。
本文由 @?kitty 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
問一下購物app的用戶生命周期計算就一定是按購物消費計算嗎?是否可以用未流失用戶(注冊-至今),已流失用戶(注冊-流失日期)來計算生命周期,抓取中位數(shù)來計算
很有用
我自己也在做CRM這塊的運營顧問,行業(yè)里面的電商,就拿自己舉例,客戶生命周期是按照 1年內(nèi),客戶首次購買的交易成功訂單下單時間和首次復(fù)購的交易成功下單時間之間取差值,并且分割成間隔 如0-10天 10-20天 20-30天 30-40天……如果這個1年內(nèi)客戶的累積客戶占比50%,那么這個就可以定義為活躍期,如0-40天活躍期。
接著我們根據(jù)1:2:2:3的理論,也就是活躍期0-40天 沉默期 40-120天 睡眠期120-240天 流失期240-360天,所以整個生命周期在360天哪。
不過似乎也不準確,很頭疼。
1:2:2:3的理論是什么呢,是說活躍期0-40天是1么?
感覺數(shù)值劃分有點缺少依據(jù)。而且邏輯反了。
個人意見:
這里應(yīng)該先取到生命周期數(shù)值,可以按照作者所述的方法二:但是要排除只有一次購買記錄的用戶,假如是3個月;
然后按照樓主的方法取到每個人的復(fù)購時間差的均值或者中位數(shù)作為產(chǎn)品的復(fù)購周期,假如是1個月。
再以復(fù)購周期為單位分割用戶生命周期:
> 以最后一次購買在1個月內(nèi)的用戶為活躍用戶,當然這里還要區(qū)分新用戶、正常周期內(nèi)復(fù)購用戶(前一次購買在2個月內(nèi))、被喚醒用戶(前一次購買在2個月前);
>以最后一次購買在1月前-2個月內(nèi)的用戶為沉默用戶;
>以最后一次購買在2月前-3個月內(nèi)的用戶為沉睡用戶;
>以最后一次購買在3個月前的用戶為流失用戶;
但是很大可能復(fù)購周期沒這么湊巧可以將生命周期平均的切成4段,建議將活躍用戶以一個復(fù)購周期為標準劃分,流失用戶當然是按照超出生命周期的標準劃分,中間沉默期和沉睡期用戶視情況而定即可。
留存率沒弄明白是如何計算的
如8月份留存率,(9/1-11/31)且(8/1-8/31) 的成功交易人數(shù)作為分子,(8/1-8/31)的成功交易人數(shù)作為分母,最后進行*100%,我是這樣理解的。
沙發(fā)來一個
你好,第三種計算方法沒太看明白,字面上跟第二種好像一樣,能麻煩再細說一下么
樣本不一樣,第二種方法的樣本是全量用戶;第三種是當前留存的樣本。