做好用户运营,第一步就是要建立好用户流失模型,只有建立一个准确的用户流失模型,才能更好地继续后续的工作。 用户运营就像两个水龙头同时打开的蓄水池,有进就有出。任何一个产品,用户流失都是一种必然现象。 运营的工作之一就是做到精准预测用户流失,通过有效的运营活动对流失概率较大的用户进行挽留,让用户流失率低于用户增长率,这样也能保证用户量的向上增长。 有了量,转化就有了基础。 用户挽留的第一步就是建立用户流失模型,只有建立一个准确的用户流失模型,才能让后续的工作,如梳理用户流失节点、通过各种渠道对用户进行召回,事半功倍。 一、用户建模的底层逻辑 首先,为什么要建模? 因为使用一个产品的用户千千万,每个人的兴趣、性格千差万别,产品端不可能做到对每一个人的1V1服务。 但是互联网用户又是很挑剔的,越来越多的精准推送、个性化营销、个人特权,都是在满足每个人独特的口味。可以说现在的互联网环境下,精准,是产品和服务能否有机会与用户连接的核心。 因此要用户建模,其目的是明确用户特征,在最低成本、涵盖最大范围的基础上,实现最高效率的运营。 好,那如何做呢? 用户建模的切入点有两个:用户属性、用户行为。 用户属性特征就是用户一时难以改变的基础信息,包括地域、性别、年龄、文化程度、社会身份等等。 比如:一个一线城市的女大学生,和一个四线城市的全职妈妈,对产品的使用需求、信息的接受程度可能就有很大的不同。 而用户的行为特征就更有价值了:她喜不喜欢我们的产品?是怎么在使用我们的产品?使用过程中有没有明显的偏好?使用频率如何等等。 有了以上这两个基础,我们能够大概率地还原这个用户的真实画像。 用户建模,就是要把不同属性和行为的用户拆分开来,再依据不同的目标进行区别化运营。 比如:针对活跃度这一指标,用户建模的具体应用场景是:针对不活跃的用户启动针对性的活跃度提升的运营策略,针对活跃用户启动针对性的加强忠诚度,引导带动不活跃用户的运营策略。 二、用户流失模型的搭建 当我们在进行用户流失建模的时候,要点就是把流失用户根据一定的属性或行为特征进行分类,为流失用户进行属性或行为特征的拆解,找到对于流失用户的关键性指标。 主要应用在两个方面:流失用户召回、现有活跃用户防流失。 具体步骤: 1. 定义流失用户 精准防范用户流失时,要做的第一步就是先明确流失用户定义,需要根据自身产品的类型、调性以及用户画像来定义流失用户的概念。 但是不同类型的产品对用户活跃程度的要求不一样,所以也无法设定一个统一的标准。在这里我提出两个标准,以作参考。 标准1 :针对社交类产品,以DAU/MAU的指标定义流失用户 社交类产品对用户黏性有着极高的要求,因此用户活跃度是重要考核标准。DAU/MAU的数值是一个介于0.03-1之间数字,数字越高,活跃度越高(DAU取当月的每日DAU的平均值)。 如果DAU/MAU=1,那么说明用户每天都来,所以DAU和MAU相等,而这个值的最低线就是0.03左右,即所有的用户一个月只来一天,低于0.03的用户基本上可以被定义为流失用户。 除了微信、QQ这样每天都必须要用的社交产品(微信的DAU/MAU的比例从2016年以来一直维持在075-0.8左右的比例,用户的粘性极强),基本上DAU/MAU达到0.3左右就是比较活跃的,就是用户基本上每三天会打开一次。 标准2: 针对电商类产品,以购买活跃度的指标定义流失用户 产品的使用场景决定了它基础的使用频次,并不是所有的东西都要每天使用才算有价值的。在另一端还有一些产品虽然使用是偶尔使用的,但每一次互动都具有很高的价值,针对这些产品DAU/MAU就不是合适的指标。 淘宝的活跃度只有0.29,平均活跃度基本上是一周三天左右,但是淘宝是一个电商应用,本就不可能让用户每天打开浏览,其购买活跃度才是更重要的指标。 电商APP通过用户购买来盈利,所以通常以购买的活跃程度来定义流失用户。如果用户只看不买,对于电商来说就是一个可能会流失的用户。 2. 建构用户流失模型 应用于参考不同频次的用户的行为特征来构建行为模型的做法,为流失用户进行行为特征的拆解,找到对于流失用户的关键性指标。 建立模型的一大便利是可以清晰地看出流失用户具体的临界值,我们都知道DAU/MAU的值越高越好,但是低于多少才算是流失呢? 这时候就可以利用图表来判断:当流失率到达一个比较稳定的趋势时,定义这个时间点的流失用户比较合理。 这批新用户的流失率达到40%,且在第28天后达到一个稳定趋势,即证明了"30天内没访问"就认定为流失用户的这个定义还是比较合理的。 而且从图中还可以看出:用户在激活后的两周内流失率是比较高的,如果熬过这两周,流失的用户也大大降低。 接下来,就是细分这批流失用户画像,包括他们和活跃用户的行为差异、进入app的渠道、在流失之前对app的访问频次、在app的使用行为(如:是在哪个环节跳走后而流失),从而推断用户流失的原因。 举个例子:对用户行为进行分析,发现用户A在流失前访问频次很高,每周会访问3-5次,但是几次从app跳走的页面都是支付页,那么极有可能支付环节出了大问题。 可能是支付经常提示错误造成用户厌烦,可能是支付流程复杂让用户觉得困扰。不好的体验造成了用户A流失的主要原因。 再举个例子: 某产品在经过一次更新以后发现用户流失率增加,经过用户属性分析发现:其中女性流失用户占比较大,那么可能是产品改版以后UI界面不讨女性用户喜爱。 或者经过行为分析发现:新注册用户流失比例很大,那可能是改版以后的新手引导没有做好。 3. 找到产品留存关键点,通过各种渠道召回 定义了流失用户、也建立了用户流失模型,找到了用户流失原因,接下来就是要召回用户了。 常见的有:短信、email、站内push、微信服务号等。 在这个环节中,用户流失模型同样能派上大用场。 比如:根据购买频次和金额来细分。 1次也没购买过的用户可派发大额度优惠券、大促活动或超低价商品吸引回访,成为首单新客。 购买1—2次且客单价较低的用户,可精准推送优惠专场或在这个客单水平的好货。 购买3次及以上的用户,可推送用户偏好的品牌或品类,额外增加会员专属优惠券等形式。 总而言之,根据用户流失模型区分不同行为和属性的用户,以及他们流失的节点、原因,运营才可以做到有的放矢,强化用户召回的效果。 对流失用户的挽回是很难的。更有效的思路是:既然我们已经知道了流失用户的特征,那么当不活跃用户出现了流失用户的特征的时候,说明出现了流失预警,需要启动相应的防流失策略。 用户运营工作贵在"针对性",无论建立何种的用户模型,都需要根据产品的特性,与数据产品团队多次磨合,才能找到一个比较合适的模型建立方式。在对用户进行细分后,针对性地提出解决方案,才是成功的用户运营。