數(shù)據(jù)分析、運(yùn)營(yíng)必須要上的一課：新用戶流失了怎么辦？

昨天在給大家的直播里留了一個(gè)思考題：“新用戶的流失應(yīng)該怎么分析？”今天這篇文章就為大家簡(jiǎn)單介紹一下，怎么去分析用戶流失問題的思路。（會(huì)涉及到很多運(yùn)營(yíng)方面的知識(shí)，建議大家?guī)е鴶?shù)據(jù)分析的思維去看）

業(yè)務(wù)與新用戶產(chǎn)生關(guān)聯(lián)的過程，就像是談戀愛，一旦兩個(gè)人分手了，你很難再把對(duì)方追回來。所以我們不能指望著新用戶流失之后再進(jìn)行分析，而應(yīng)該提前進(jìn)行流失預(yù)警，也就是說要提前防止對(duì)方離開自己。

而新用戶的獲客成本，一般是要比老用戶要多的多，所以流失率的降低就意味著營(yíng)收的增加，我們可以類比一下談戀愛的過程，來分析一下為什么會(huì)出現(xiàn)新用戶的流失。

一、新用戶真的流失了嗎

很多人談戀愛的時(shí)候一定見過這樣的場(chǎng)景：

女：我們分手吧

男：為什么？

女：沒有為什么，我再也不想看見你了

男：哦，好吧

很真實(shí)對(duì)不對(duì)？

但其實(shí)女方很可能只是在生氣，故意裝出來嚇唬一下男生而已，這時(shí)候如果我們不搞清楚對(duì)方的真實(shí)態(tài)度，可能就會(huì)假戲真做，造成我們對(duì)于形勢(shì)的誤判。

我們把這個(gè)場(chǎng)景代入到用戶分析上也是一樣的，新用戶的生命周期比較短，所以他們表現(xiàn)出來的行為特征不一定就是真實(shí)的，也就是“假的流失”。

1、所以我們要先定義一下新用戶的流失！

究竟怎么才算是流失？比如是1個(gè)星期沒有訪問的用戶？還是2個(gè)星期沒有下單的用戶？還是3個(gè)星期沒有登錄的用戶？

比如下圖，以1個(gè)月作為流失周期，那么十月出現(xiàn)但十一月沒有出現(xiàn)（藍(lán)色圓點(diǎn)代表出現(xiàn)）的用戶在十一月流失了，而實(shí)際上，他在十二月又出現(xiàn)了，是一個(gè)回訪用戶（見回訪3），并沒有真實(shí)流失。

如果我們以2個(gè)月為周期，則“回訪3”的用戶在10~11月，12月以后兩個(gè)周期內(nèi)都出現(xiàn)過，應(yīng)該是一個(gè)留存用戶。周期劃分對(duì)用戶流失界定有著直接影響。

2、對(duì)于不同的流失定義，我們需要用不同的指標(biāo)去衡量

比如進(jìn)行促銷活動(dòng)時(shí)用到的一般是當(dāng)日留存率、7日流失率，零售行業(yè)一般用到的是月流失率，to B企業(yè)經(jīng)常用的是季流失率、年流失率。

當(dāng)然，為了更加準(zhǔn)確地識(shí)別出可能流失的用戶，我們甚至可以建立一些數(shù)據(jù)模型，去預(yù)測(cè)新用戶的流失概率，比如下圖的二元邏輯方程。

這個(gè)定量流失研究的模型是網(wǎng)上某大神做的，他將一段時(shí)間內(nèi)用戶的一系列行為特征數(shù)據(jù)（如在線天數(shù)、充值金額、積分等級(jí)、點(diǎn)擊次數(shù)……），代入二元邏輯回歸方程中，就可以計(jì)算出相應(yīng)的流失概率。

而這里面涉及到的指標(biāo)都需要通過業(yè)務(wù)給出才行，而除了流失的定義之外，我們一般還需要從業(yè)務(wù)手里了解到下面這些信息：

新用戶在流失前具有什么特征？（女朋友在發(fā)火前有什么表現(xiàn)？）

新用戶是否具有價(jià)值？要不要進(jìn)行挽回？（要不要真的跟女朋友分手？）

針對(duì)新用戶流失的現(xiàn)有措施有哪些？效果如何？（平時(shí)是怎么哄女朋友的？）

..........

這些問題和信息業(yè)務(wù)人員不會(huì)主動(dòng)告訴你，所以我們?cè)谶M(jìn)行流失分析之前，必須要和業(yè)務(wù)部門進(jìn)行反復(fù)溝通，拿到我們所必須要拿到的指標(biāo)，否則就是巧婦難為無米之炊了。

二、新用戶為什么流失

用戶為什么不再過來使用我們的產(chǎn)品或服務(wù)了呢？這肯定是有原因的，只不過有些原因可以從數(shù)據(jù)中知道，有些原因不得而知。

我們可以將新用戶的流失分為下面幾種類型，從不同的維度上找原因：

1、“來也匆匆，去也匆匆”型

這種類型的用戶并不能稱之為“用戶”，因?yàn)樗麄冎皇巧闪艘粋€(gè)用戶數(shù)據(jù)而已，不會(huì)產(chǎn)生任何的行為數(shù)據(jù)，自然也不會(huì)具有任何的挽留價(jià)值，所以這種類型的新用戶屬于我們數(shù)據(jù)清洗中的主要對(duì)象。

最常見的例子，就是各種促銷活動(dòng)中拉來的羊毛黨，這種用戶的停留時(shí)間一般非常短，我們可以從停留（注冊(cè)）時(shí)長(zhǎng)、點(diǎn)擊（行為）數(shù)據(jù)等上進(jìn)行辨識(shí)，首先將這些臟數(shù)據(jù)去除掉。

2、“主動(dòng)分手”型

新用戶主動(dòng)不再接受你的產(chǎn)品或者服務(wù)，很大原因可能是我們自身運(yùn)營(yíng)出了問題，或者是產(chǎn)品服務(wù)接受時(shí)間太長(zhǎng)，這種用戶是我們重點(diǎn)要進(jìn)行挽留的人群。

如果按照昨天在直播里講到的5W2H方法，我們可以從下面幾個(gè)維度去挖掘原因：

what：是用戶不會(huì)用我們的產(chǎn)品？還是無法接受我們的服務(wù)？who：流失掉的新用戶有什么特征？消費(fèi)水平如何？when：從成為新用戶到流失的時(shí)長(zhǎng)是多久？平均3天流失掉？還是5天流失掉？why：自身原因，比如新用戶離開了本地？運(yùn)營(yíng)原因，比如我們價(jià)格太貴？外部原因，比如政策法規(guī)？where：那些地方產(chǎn)生了流失？與新用戶的關(guān)系是什么？how much：新用戶對(duì)價(jià)格的敏感度很高，是否是價(jià)格問題？每一個(gè)維度我們都要進(jìn)行不斷地下鉆和分解，比如新用戶的消費(fèi)畫像，我們可以用金字塔原理去不斷拆解、細(xì)分成不同的指標(biāo)：

消費(fèi)意愿=消費(fèi)成本-價(jià)格消費(fèi)成本=消費(fèi)水平+距離成本+時(shí)間成本+其他成本

價(jià)格=物價(jià)系數(shù)*（成本-可控利潤(rùn)）

..........

能否做到完全窮盡的維度拆解，是我們搭建數(shù)據(jù)分析體系的關(guān)鍵，也是我們進(jìn)行用戶流失中最難的工作。

3、“戀戀不舍”型

用戶對(duì)產(chǎn)品的服務(wù)體驗(yàn)很滿意但還是選擇了不消費(fèi)，比如餐飲行業(yè)里經(jīng)常有一些外地游客，他們可能覺得服務(wù)、價(jià)格一切都好，但是沒辦法，他們無法產(chǎn)生持續(xù)性消費(fèi)。

一般來講這些用戶之所以使用某個(gè)產(chǎn)品，都是因?yàn)樗麄冇行ｉT需求，他們有可能只是為了舉辦一場(chǎng)活動(dòng)，完成一項(xiàng)事件，或者單純?yōu)榱俗龊靡粋€(gè)短期項(xiàng)目。

識(shí)別客戶是不是這種流失，就看看有多少賬號(hào)在短期內(nèi)又被重新付費(fèi)激活就能知道個(gè)大概，也就是看一下用戶的消費(fèi)頻率。比如一個(gè)用戶在10天內(nèi)消費(fèi)了5次，但是之后再也沒產(chǎn)生任何的消費(fèi)記錄，那么該用戶就可能屬于這種類型。

4、“無可奈何”型

這些原因是我們最難挽留的人群，相當(dāng)于已經(jīng)對(duì)你死心的女朋友，就很難再追回來了。這種情況的原因可能不是在價(jià)格等可調(diào)整的因素上，最常見的就是一些不可抗和難可抗的因素，比如：

信譽(yù)不好，用戶經(jīng)常投訴服務(wù)人員態(tài)度差，或不夠熱情，引發(fā)用戶不滿競(jìng)爭(zhēng)對(duì)手，例如，競(jìng)爭(zhēng)對(duì)手推出更優(yōu)惠的套餐，很多用戶都被吸引過去品牌形象下降，例如，經(jīng)常曝出的經(jīng)營(yíng)問題，負(fù)面新聞多，用戶往往選擇離開外部原因，比如政策等等5、“預(yù)謀已久”型

這種類型主要是因?yàn)槲覀冏隽艘恍﹥r(jià)格區(qū)間，讓用戶們進(jìn)行選擇，如果用戶在其中一項(xiàng)功能或服務(wù)中得不到足夠價(jià)值，他們肯定會(huì)流失的行為。

比如說免費(fèi)軟件突然開始收費(fèi)，非常容易導(dǎo)致用戶流失，我們就可以分析一下哪個(gè)付費(fèi)服務(wù)計(jì)劃下的客戶流失最嚴(yán)重？基本版的？高級(jí)版的？還是企業(yè)版的？

6、“成群結(jié)隊(duì)”型

集群分析是完整分析客戶流失的重要環(huán)節(jié)，它的價(jià)值在于既能夠顯示出公司在業(yè)務(wù)上的一般表現(xiàn)，也能顯示出公司在具體活動(dòng)或決定之后的業(yè)務(wù)表現(xiàn)。

比如說客戶流失最多的月份是哪個(gè)？上季度的價(jià)格調(diào)整對(duì)客戶流失有何影響？

比如說在上圖中你能看到在第五個(gè)月（帶有數(shù)字5的那一豎排）時(shí)，客戶流失一直朝著更高水平發(fā)展，從中你就能知曉客戶在第五個(gè)月是很容易流失的。

如果說了解了這一點(diǎn)，你就能在第四和第五個(gè)月著重加大對(duì)客戶的客戶成功工作，從而預(yù)防已經(jīng)使用了四五個(gè)月產(chǎn)品的客戶出現(xiàn)大規(guī)模流失。

三、怎么預(yù)測(cè)流失

我們知道了流失問題的分析目標(biāo)，也知道了可能的流失原因，自然有人會(huì)問，我們能不能提前知道哪些客戶會(huì)流失，這樣的話就可以采取措施挽回了。

客戶流失預(yù)測(cè)模型就是為了解決這個(gè)問題，是利用算法預(yù)測(cè)客戶流失的概率，概率越大，就越有可能流失。

那么流失預(yù)測(cè)如何建立？建立主要流程如下：

搭建數(shù)據(jù)模型的關(guān)鍵在于行為數(shù)據(jù)的選擇，這也是最耗時(shí)耗力的地方。在建立模型之前，有必要和數(shù)據(jù)部門來一次促膝談心，避免發(fā)生誤解，比如：

流失新用戶的定義：是1個(gè)月、2個(gè)月，還是3個(gè)月？數(shù)據(jù)關(guān)聯(lián)原則：是按照用戶維度提取數(shù)據(jù)，還是按照設(shè)備維度提取數(shù)據(jù)？數(shù)據(jù)埋點(diǎn)：關(guān)鍵節(jié)點(diǎn)上是否具有埋點(diǎn)？數(shù)據(jù)狀態(tài)：能否獲取歷史數(shù)據(jù)？具體的模型建立過程比較復(fù)雜，因?yàn)槠蜻@里就不多說了，后面會(huì)花時(shí)間著重講一下模型建立，記得關(guān)注。