如何做流失用户管理?

什么是用户流失?

是指那些曾经使用过产品或服务,由于对产品失去兴趣等种种原因,不再使用产品或服务的用户。流失用户是相对于活跃用户而言的,在一定的时期内,他们可以互相转化的

不同网站对于流失的定义可能各不相同,对于微博和邮箱这类用户几乎每天登录查看的网站而言,可能用户未登录超过1个月,我们就可以认为用户可能已经流失了。而对于电商而言,可能3个月未登录或者半年内没有任何购买行为的用户可以被认定是流失用户。

下面的分析主要是基于网站的注册用户的,因为这类用户更容易识别,而且分析这类用户的流失情况对网站而言可能更有意义。

用户的流失原因

自然流失

每个产品都有其生命周期、有其盛衰,自然流失必不可少,而这件事对开发者而言其实有两点意义:

1.我们必须审视我们的产品与竞品之间,在流失率的基础上有没有显著差异。若差异显著,我们该如何延长产品吸引力?如何延长产品生命周期?延长多少才能让每位用户的终身价值能够大于其获取成本。

2.标杆作用。在深入研究流失原因前,必须辨别流失纯粹出于产品生命周期自然结束、还是有其它的因素?若判定为非常态现象,必须深入进行比对与分析。

初次体检不佳导致的流失

显而易见,初次体验不佳可能导致的就是用户不想再用你的产品,糟糕的用户体验带来糟糕的效果。若要了解初次体验不佳背后成因为何,不妨问问自己以下三个问题:

1.新用户引导环节是否设计地简单易懂?

2.登陆页设计(Landing Page)是否能让用户快速找到并完成想完成的任务?

3.若要进行会员登入/ 注册,流程是否简单方便?

易用性障碍导致的流失

易用性障碍其实就是产品给人带来不好用的感觉,所谓障碍,指的就是使用户无法便捷使用的错误因素,易用性障碍可分为三大层面:技术、交互与服务,以下将逐一解释:

1.技术层面:较直观,以宕机与访问速度过慢两个问题为主。

2.交互设计层面:常见问题有广告太多、功能键或返回键设计不明显(导致用户没发现关键功能)、要求用户手动输入太多资料、图片吸引力不足等,但详细原因仍须通过深入地用户研究找出。

3.服务相关层面:除了产品本身的易用性障碍外,有一部分流失是顾客关系经营不善所导致的,其一原因是没有定期地与用户互动(如推送更新通知、定期举办活动等),其二是当用户产生疑问时,服务方未能提供最即时、最完善的客户服务,而这两点往往是纯开发团队会很困扰的问题。

竞品拉力导致的流失

其他竞品太强也会导致问题的发生,除了自身产品或服务体系出了问题外,若仍看到流失率长期不见好转,可能是因为竞品吸引力太强,导致有需求的用户进行移转,这点特别在工具型的 App 常见到,因为通常用户只会使用一种工具产品来提高生活效率。

如何判断用户的流失

在知道用户流失原因后,我们该如何判断我们平台的用户是否流失呢?

我们可认为新用户注册后就完成首次登陆,那么简单地定义新用户流失,就是用户在注册后一段时间内都没有登录过网站,即:

当前时间点 – 用户注册时间点 > 流失临界时间间隔

比如我们定义用户的流失临界时间间隔为1个月,也就是在注册后的一个月内未登录的用户意味着已经流失,那么就可以计算每天的新用户流失数。即注册时间为1个月前的那一天,而从注册到当前没有登录过的用户数。

这个用户数与1个月前的那一天的总注册用户数的比例就是新用户的流失率:

当天的新用户流失数 / 当天的总注册用户数 = 新用户流失率

如何建立预警机制

在用户流失之前,我们该怎么样做好我们的预警机制呢?主要有以下四个步骤:

1.定义流失用户

首先我们要明确流失的定义,使得分析的目标更符合业务理解及分析要求。比方说,在银行的VIP客群划分中,上月AUM(月日均或月末时点)大于20万元,当月的AUM(月日均或月末时点)下降20%以上即可算作是流失的VIP用户。在产品中,我们可以依据如下的用户标签体系,从多维度刻画流失用户,例如:

用户画像信息:ID、性别、年龄、地域、会员类型、用户来源

用户行为数据:登录天数、在线时长、登录频次、注册天数

用户消费数据:近一单距今天数、累计单量、累计消费金额、客单价

尽可能多的分析用户产品使用行为及内容偏好,挖掘用户使用习惯及兴趣点,针对不同类型的用户分别搭建流失预警模型。

2.分析用户行为特征

在定义好流失用户后,我们可以通过数据分析用户的产品使用行为,锁定一批用户,观察其在后续业务使用方面的持续沉默天数,滚动考察用户持续沉默环比,着手构建建模分析样本,洞察所有流失用户的数据寻找一些共性行为特征。

比如,你发现3成用户可能都是注册过后基本就再也没有访问过了,发现2成左右的用户大约在第一次使用过后半年前后的时间内出现流失,以及发现又有15%左右的用户都是在使用过某功能后就再也没有访问过你的产品了,则“注册过后”、“注册后半年前后”以及“使用某个功能过后”都是流失高发节点。

这里罗列了流失分析可能需要考虑的三个维度:动因、程度和去向。不同业务场景下流失分析可能需要综合考虑多个维度,以制定最为合理的分析目标。

1)流失的直接原因

客户主动流失(VOLUNTARY CHURN)——客户主动销户或者改变当前的服务模式;

客户被动流失(INVOLUNTARY CHURN)——客户因为违规或欺诈等行为被停止服务及强行关闭帐户等行为。

2)流失程度

完全流失——客户发生关闭所有与企业服务相关帐户和交易等不可恢复或者很难恢复的行为;

部分流失(PARTIAL CHURN)——客户并未关闭帐户但是交易水平突减到一定水平之下,例如在产品使用场景下用户使用频率突降了50%等等。

3)流失去向

外部——客户关闭或减少了在当前机构的业务而转向了其它竞争对手;

内部——客户关闭或减少了在当前机构的部分业务而转向了当前机构的其它业务。

梳理流失行为高发节点流失客户特征分析:通过决策数算法,分析流失客户特征,然后通过这些特征得到当前在网客户中匹配流失概率高的客户数据。

3.分析用户流失原因

结合用户访谈、调查问卷、用户行为数据分析等各种手段定义出用户流失的原因。比如,注册后即流失很可能是因为用户没有看懂产品是干什么的,也没有很好的引导,不知道怎么使用。

4.指定节流策略

定义出一系列手段用于降低流失的可能性,包括但不限于特殊福利折扣,优化流程、引导文案,设置用户流失预警机制等等。

定义节流策略通过客户流失分析获得流失客户数据和潜在流失客户数据,从而将这些数据分配给客户服务部门,整合销售服务资源,根据客户的需求,设计个性化的营销策略,快速反应,以此达到召回流失客户,挽留流失概率高的客户,实现对客户的守护。

常见的策略有:

细分策略:通过建立细分模型将具有流失倾向用户分成若干群组,分析得出流失可能性较高群组特征,并制定针对性的营销措施进行挽留。

评分策略:将频道高价值客户单独分群,对高价值客户的流失可能性进行建模评分,频道对流失得分较高的高价值用户给予格外关注,设计合适的挽留活动进行挽留。

细分策略是全量用户的分群运营,需要频道针对每个群组设计针对性的营销活动,这种策略指导下如果频道预算充足又有足够的精力来做可以采用。

评分策略只针对部分高价值用户进行预测评分,对评分较高的高价值用户采取挽留营销措施,相对来说可以用低的营销成本达到出类拔萃的营销效果。

如何对流失用户进行召回

一般来说业界使用召回用户的手段还是比较单一的,当前常用的用户召回方式有8种,那现在来对比一下这几种方式的优劣:

1.短信。可批量发放,到达率高,成本也高;但易被当成垃圾短信,并引发投诉;适用于普通用户。

2.邮件。低成本,可大量发送,但点击率低;用于普通用户。

3.push。效果较好,但取决于用户安装中是否选择允许推送;

4.微信通知。即微信服务号的用户通知模板,效果取决于用户是否关注相关微信号;

5.电话回访。成本高,无法批量操作,容易影响客户好感度,主要适用于VIP用户。

6.礼物召回。包括赠送纪念品、周边、伴手礼等,适用于种子用户。

7.福利召回。含优惠券,现金红包、体验金等福利。

8.活动召回。取决于用户需求和活动类型及宣传渠道。

策略召回方式六大方案要考虑策略式召回和推送能够更精准和有效的促发用户的消费行为,策略式召回大概需要思考6个方面的问题,这些问题也是人性惯性思维的底层逻辑,大致总结了如下:

1.思考用户加入平台的动机(购物,撩妹,写笔记);

2.APP里面是否可以获得用户的好友,关系链;

3.APP里面是否有用户消费,领福利这样的动机;

4.能否获取一些关于用户的重要信息;

5.用户的核心需求,核心痛点的刺激信息;

6.产品内是否形成大量用户围观讨论的内容。

针对于以上6个方面,进行一下解刨:

第一个方面:

思考下平台主营业务,比如:探探,给您的第一映射,可能是撩妹。如果这个APP给你推送撩妹,妹子关注你的信息,匹配成功的信息,我想你打开的几率非常大,你打开了,他的召回也就成功了。

第二个方面:

假设平台可以获取好友的关系链,是否可以推送与用户和好友相关的密切状态。

比如:你的好友智远在QQ空间发表了一篇说说提到了你,点击戳~

这种的都可以作为机制式的唤醒,制作成固定模板,定期获取权限推送即可。

第三个方面:

可以思考下,平台里面是不是有不定期的领福利,一元购这样的活动,限时秒杀。

如果有,是否就可以推送这样的语句:你的好友智远邀请你一起拼购加湿器,价格低至xxx元,你确定不来和他拼一下吗?这种的可以人肉推,也可以机制式推送。

第四个方面:

也可以设置为机制化推送,比如现在较多的平台,都可以通过数据分析的形式,获取用户的生日,重要节日,纪念日,那么只要用户到自己的纪念日,是否可以推送一些准备好的“内容”。

比如招商银行通常在生日的时间会推送:智远先生,x月x号是您的生日,招行xx积分送给您,专属礼品抽奖请戳~

第五个方面:

找到用户的核心需求,我举一个简单的例子。

比如探探,他每次推送的信息基本都是:哟,探探又有妹子在喜欢你,距离您2.7KM,赶紧戳~

要么是:老王,隔壁有个妹子2小时之前给您点了心动,赶紧戳开了解~

这些其实都是掌握人心理,运用人性,去做内容,短信的唤醒和召回动作。

第六个方面:

社会出现了大量用户讨论的内容,比如微博的热搜,微信中的搜一搜,新氧APP的热门,电商APP发现里面的社区话题等,当社会主流有一定的社会话题,或者站外有一定的爆品时候,就可以采用这样的策略。

借助热点话题去做推送,比如:电商类:你关注的抖音同款垃圾袋,限时只要9.9元就能秒杀~快来抢,还有1000件~

通过用6个方面的问题,去做对应化的定制(物料,内容),去做APP的PUSH ,短信的PUSH,小程序和公众号的PUSH。

假设平台用户能够做精细化的数据分析,以上的这些推送(召回,激活)动作,都可以设计为机制化,不用“人肉推送”就可以“定向推送”,按照男女,兴趣爱好等~

参考原文链接:http://www.woshipm.com/user-research/4038130.html

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,185评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,445评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,684评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,564评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,681评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,874评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,025评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,761评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,217评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,545评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,694评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,351评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,988评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,778评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,007评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,427评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,580评论 2 349