起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識我看了電商平臺的前世今生，發現用戶留存不是玄學
隨著互聯網大數據行業的不斷發展，電商行業的隊伍也日漸壯大。用戶留存問題也成了大多數電商研究的點，可是當我看了電商平臺的前世今生后，我發現用戶留存并沒有那么玄。
遙看我國的電商發展史，共先后經歷了 5 個階段，分別是： 1990 年開始的起步期、1993 年開始的雛形期、1998 年開始的發展期、2000 開始的穩定期，以及 3G 的蓬勃發展促使全網全程的電子商務 V5 時代成型而帶來的成熟期。
圖 1 . 電子商務的 5 大發展歷程
隨著互聯網大數據行業的不斷發展，電商行業的隊伍也日漸壯大。
據商務部《中國電子商務發展報告2017》顯示：電子商務的直接從業人員和間接帶動就業多達 4250 萬人，較上年增長 13%。全國電子商務交易額高達 29.16 萬億元，同比增長 11.7%。全國網上零售額為 7.18 萬億元，在社會消費品零售總額的比重不斷提升。
圖 2. 2011-2017 中國電子商務交易總額及增長率
據日前阿里發布的 Q2 財報顯示：
核心電商業務的營收為 691.88 億元，占營收總額的 86%，同比增長 61%。
同時，網易也同樣在電商業務領域交出了一份滿意的答卷。
在近日披露的 Q2 業績中，京東的營收規模高達 1223 億人民幣，其中電商占比更是達到 90% 以上。今年整個 “6.18” 期間，京東的累積下單總金額為 1592 億元人民幣。與去年的近 1200 億元的銷售額相比，增長了 31.2%。
而且，如今的互聯網電商種類繁多，綜合電商、跨境電商、生鮮電商、外賣電商、醫療電商、母嬰電商等等領域，數不勝數。
圖 4. 不同類型的電商平臺
顯然，這些數據和內容不斷地用事實告訴普羅大眾——毋庸置疑，我國的電商行業依然在互聯網的浪潮中高歌猛進。
這屆用戶沒那么長情，用戶留存面臨困境
面對越來越激烈的競爭，“如何留住用戶”成了兵家必爭之地，代金券、優惠卡、贈送品等等爆炸式輪番上陣，然而，現實卻告訴我們，電商行業的用戶留存似乎不是那么好做。
?1.?居高不下的獲客成本?
某時期內的獲客成本=營銷成本+營銷人員人力成本+營銷工具成本，在流量紅利消失的今天，甚至有人聲稱，早在 2016 年，電商行業的獲客成本就已經突破了 100 元，更有業內人士指出，阿里巴巴的線上獲客成本目前已經飆升到 700 元。
搜索引擎優化、明星網紅廣告、社交軟件投放、影視傳媒露出等都在不停地抬高著獲客成本?？扇缛粽娴脑谶@些領域做了縮減，那么一直被廣告喂養的用戶可能會頭也不回的就離開。
圖 5. 電商行業的轉化率漏斗
2. 起伏不定的復購率
用戶復購率＝單位時間內：購買兩次及以上的用戶數/有購買行為的總用戶數
訂單復購率＝單位時間內：第二次及以上購買的訂單個數/總訂單數
根據產品特性不同，電商平臺各商品的復購率也不相同。
生活類的快消品的復購率普遍來說稍高，而相對于一些類似潛水裝備、野營帳篷等專業領域的產品來說，復購率偏低。如何用不同的指標和方法提高和穩定不同商品的復購率，各平臺仍然在不斷摸索。
羊毛黨也同樣影響復購率的數據。羊毛黨的一哄而上，容易造成整體數據的虛假繁榮，這種“唯利是圖”的一次性用戶較難產生復購行為。
另外，在一定程度上，復購率依賴著備受追捧的優惠券。優惠券驅動著用戶的購買欲，并進一步的擴大用戶原本的計劃消費金額，如何精準派發優惠券、如何平衡優惠券和復購率之間微妙的關系，也是電商行業的突破口。
3. 層出不窮的電商平臺?
打開手機應用市場，映入眼簾各類電商平臺，而且單獨的“賣東西”早已經不足以吸引用戶。
比如：商品內容全程直播式的“電商+直播”，分享美妝心得、人人都是美妝博主的“電商+社交”，拿著線上平臺的購物截圖在線下門店享受二次優惠的“線上+線下”等等模式，各大平臺挖空心思，為了博用戶停留。
而事實也如此，我們的用戶確實變得越來越酷。?
一位剛剛步入職場的女性，一次性下載了 5 款外賣類電商 App，然后逐一進行挑選?？戳藢Τ跏加脩舻臐M減力度，她淘汰卸載了力度最低的一款，在使用過程中，她發現有的 App 上無法提供飯店操作間的照片，處于食品安全的角度，她又卸載了兩款。于是，在僅剩的兩款 App 中，循環往復。
后來有新聞爆出，其中一款平臺屢屢發生送餐員私自打開顧客外賣的情況，一氣之下，她又卸載掉了一款，于是變成了最后一款 App 的忠實用戶。但很快，2 個月后，一款新的外賣 App 主打“美味伴侶”的配對模式，想到尚無男友的自己，她迅速拋棄了在各大平臺花了 2 個月時間才精心篩選出的獲勝者，轉而投向新歡的懷抱……
新鮮和未知感，永遠在煽動著用戶“喜新厭舊”。
4. 繁雜的電商數據?
因為電商平臺充斥著用戶的種種命令與行為，其產生許多瀏覽、收藏、購買、支付等數據，尤其對于一些較大的電商品臺來說，單單是用戶一周的投訴數據就能近千條，更別提其他的大體量行為數據。
但市場運營者們卻時常頭疼：為什么趙二一個人在評論區發表評論的次數遠遠超過了平均水平？張三下載了客戶端為何一次購買行為都沒完成就卸載？李四為什么對批量的優惠券無動于衷？
電商平臺上所能收集到的各類行為動作背后的數據，比如：銷售額、訂單量、渠道流量、轉化率、購買率、棄買率，都是指導其下一步策略的核心內容，然而，由于數目繁多，常常出現無從下手或者無法充分利用的情況。
總而言之，身經百戰的用戶，越來越難留，這也讓電商平臺感慨，這屆用戶，不那么長情。
突破瓶頸，制造留存環境
首先，留存分析是一種用來分析用戶參與情況，以及活躍程度的分析模型，說到底，它就是來衡量產品對于用戶到底具有多大的價值，即用戶到底是否喜歡這個產品。
留存反映的是一種轉化，即初期的不穩定用戶，慢慢轉化成活躍用戶、穩定用戶、忠誠用戶。留存同樣是一種判斷標準，它監測產品的改進與升級是否符合用戶的胃口，因為一次新功能上線而痛失一批忠誠客戶，是每個平臺都不愿看到的事情。
接下來，用一個我在實際工作中關于用戶留存的實例，一起跟大家探討——面對用戶留存，我們究竟能做些什么。
該平臺基本信息：某綜合類電商平臺，旗下品類涉及美妝、服飾、母嬰、鞋包、家居、食品等，如今又加入直播板塊，用來擴大品類數量，引導用戶消費。
首先，我們將用戶分為兩類——新用戶與老用戶，新用戶指首日訪問用戶，老用戶指非首日訪問用戶。我們當時認為，注冊過的用戶一定比未注冊的用戶擁有更大的購買潛力，但卻不知如何搜尋到數據來支撐這種假設。
于是，在用戶行為分析平臺上，通過留存分析的模塊發現，新用戶首日完成注冊的次周留存率是未注冊的 3 倍（本文案例中數據均為虛擬數據），新用戶首日完成購買的次周留存率是未購買的 4 倍。
無論是 3 倍的注冊率，還是 4 倍的購買率，都與其對立面相差極大，于是，我們把重點放在了這批新用戶上，將新用戶首日完成購買作為提高新用戶留存的“第一關鍵指標”（OMTM）。
圖 7 . 用戶首日完成購買的 7 日留存率
于是，為了讓越來越多的新用戶在首日完成購買，我們又繼續做了以下努力。
以上圖中 8 月 8 日為例，一共有 7408 人，在第七天有 680 個人留了下來，而這 680 個人在當周的 7 天留存率中占比最低，僅為 9.18%，于是我們打開這 680 個人的用戶列表，來逐一分析他們的構成。
圖 8 .? 用戶列表
在幾十種的項目指標里，可以清楚地看到各個新用戶的屬性，以及他們行為觸發的時間、維度等各類特點，于是我們進一步細化這些指標并對其進行相應的措施。
通過對圖表里各用戶的年齡分析，可以獲知該天 7 日留存率中年齡分布相對集中的區域，評估不同年齡段人群對該平臺所帶來的價值與質量。通過廣告媒介與來源，可以獲知各渠道帶來新用戶的力度，根據新用戶當日注冊購買情況，再反推各渠道質量等等。
然后，我們根據這些用戶的具體特征和操作流程，進行用戶分群并命名。之后，在不同特征的用戶分群中，發現新用戶首日完成購買的轉化率實際上遠低于老用戶完成購買的轉化率，那究竟是何種原因呢？
1. 針對新用戶的引導流程不完善?
比如：新用戶拿著新人優惠券，卻不知道如何疊加不同模塊的優惠福利，或者引導流程十分豐富，過于繁瑣難冗長，直接被新用戶拋棄。
2.?新用戶對購買流程不熟悉?
第一次打開 App 的新用戶，可能會因為找不到收藏夾、下拉頁面滑不開店家的全部寶貝、取消購物車無法返回上一級等操作上的問題，無法轉化成購買行為。
同時，如果 App 與各型號的手機適配性不穩定，卡頓的畫面也會讓新用戶產生負面情緒。?
3.?新用戶無法找到感興趣的產品?
老用戶已經擁有了根據購買瀏覽行為的算法推薦，可以直接在首頁上找到興趣產品，而平臺對于新用戶則是一張白紙，若搜索篩選的部分又不合心意，新用戶很快就失去了興趣。
4.?打折力度過低，無法引起其注意?
針對于新用戶的滿減力度不大，“優惠券”“新人禮包”等優惠措施華而不實，讓好不容易站在支付門口的新用戶選擇退出。
5.?缺乏情感依賴?
很多時候，情懷甚至可以抵消掉技術上的優勢，如果能讓平臺在宣傳期就靠情感與用戶契合，而新用戶又能在初次體驗中驗證這種契合感的真實性，那將是一種很美妙的陶醉感。但顯然，少有電商平臺可以達到這樣的程度。
為了解決上述的種種問題，我們逐一選擇對應解決的方式。
比如：根據不同偏好和需求的新用戶派發各領域且不同額度的優惠券；調整頁面設計，簡化購買流程；加強技術支持，解決適配與卡頓問題；設立新人專享頁面，提供新人低價促銷福利與低價拼單方式等等。
當我們調整完一些列措施之后，再運用 A/B 測試對改進前后的效果進行測試評估。我們發現，新用戶首日的注冊轉化率、購買轉化率都有所提升，新用戶首日完成購買的次周留存率、第二周留存率、第三周留存率也有所提升。
在新用戶的留存實戰中，我們首戰告捷。
其實，用戶留存能反應許多實際問題，重點在于我們要學會去利用和抽離這些數據問題，讓他們在合適的條件中有機地組合，得出可以定性的規律和結論，方能尋找到對我們有建設性意義的用戶，同時去除那些留存難、使用頻率低的產品板塊，迅速實現產品優化與迭代，提高用戶留存。
作者：研如玉，用戶行為洞察研究院
本文由 @研如玉 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
- 目前還沒評論，等你發揮！
