1. 5.4 用户建模:提前找到流失用户

产品都有生命周期(Product Life Cycle,PLC),一款产品进入市场后,它的销售量和利润都会随时间推移而改变,呈现一个由少到多再由多到少的过程。就如同人的生命一样,由诞生、成长到成熟,最终走向衰亡,这就是产品的生命周期现象。所谓产品的生命周期,是指产品从进入市场开始,直到最终退出市场为止所经历的市场生命循环过程。

如果我们关注用户,我们会发现用户也有单个用户的生命周期。所有的产品注册用户都是走的这个曲线:从注册进来对产品不熟悉,到慢慢熟悉,到爱不释手,到深度用户,最后逐渐地、缓慢地抛弃产品。这是我们常规的一个用户曲线,是我们单个用户的生命周期。

所以如果我们想留住用户,我们就要研究用户的生命周期,延长用户的使用时长。

如果我们想留住用户,我们要回答三个问题:第一,用户为什么会流失?第二,如何防止用户流失?第三,用户流失了怎么召回来?

在讨论流失用户和流失召回之前,首先要定义什么样的用户是流失用户。这和活跃用户是一样的,要统计活跃用户,就要先明确什么样的用户是活跃用户。我们在前文提到微博有周活跃、月活跃;对于电商来说,有月活跃、季度活跃。所以反过来也是一样的,对于微博来说,可能半个月不用、一个月不用就算作流失;但是对于电商来说,可能半年不用、一年不用才算作流失。

定义流失用户的过程,就是从使用用户的真实数据出发,来评定用户使用产品的频率是怎么样的,然后评估什么样的用户存在着流失可能性的过程。因此,我们需要从产品的应用场景和使用习惯出发,构建用户流失模型,通过这个用户模型,我们就可以发现什么样的用户存在着流失风险,具有什么特征的用户可能就是即将流失的用户。

流失用户和注册用户这两个数据可以结合起来看,就好比小学奥数中的水池放水和蓄水的问题,流失量和注册量相结合,能够快速判断活跃用户规模是在增加还是在减少。

做用户模型的过程,就是我们根据用户的真实使用行为,通过数据来计算或者还原用户的生命周期的过程。接下来,我们就通过一个案例模拟来讲讲如何建模。

我们来模拟一下从用户注册后一直到流失的周使用频次数据:比如我们当天注册并使用了一次,注册后第一周使用了2次,第二周3次,第三周4次,一直到后来的每天都使用,然后再到缓慢下降。

根据用户以往的使用行为,计算用户使用产品的生命周期。这个周期会包含用户何时注册,注册后在某个时间窗内成为成熟用户、能熟练使用产品并频繁使用;此后,在某个时间窗内成为流失用户,即从频繁使用到几乎不使用。当然也有部分用户从未达到熟练使用产品就已经流失。如果这部分比例较大,则需要反思产品是否存在硬伤。

一般用户的使用周期会呈一条正态分布的曲线,用户使用周期确定后,很多结果就能从数据中读出来了,以下图为例(此图虚拟,非任何互联网产品真实数据)。

图表分析:

  1. 示例中以周为单位,记录产品用户的使用活跃度,当然也可以根据产品目标用户的特性,以月、季度等为单位评估用户的使用活跃度。单位的拆解可以帮助产品迅速察觉某部分用户的活跃度变化,而单位的粒度大小的权衡则考验产品对于目标用户使用习惯培养的希冀。
  2. 从曲线中,我们可以看出一个用户从注册到熟练使用产品需要一个缓慢上行的过程;同样,从忠实用户到流失也是一个活跃度缓慢下滑的过程,在这个下滑的过程中,如果产品能够及时根据用户特征调整,启动一定的流失预警方案,相信能挽留一部分即将流失的用户。

根据单个用户的产品使用周期,我们就可以来画我们整体用户的流失轨迹。我们以某一天注册的用户为例,比如今天一共注册了100个人,到了第二天,未使用产品的用户是80个,到了第一周末,持续未使用的用户下降到60个,这个曲线肯定是往下走的,因为是持续未使用。然后我们持续观察,可以看到一个曲线的拐点,这个拐点就是我们可以初步来定义用户流失的时间节点:我们发现如果不采取任何手段,基本上到了这个时间节点,该流失的用户都流失了,没有流失的会基本保持稳定;流失掉的那部分后续也没有再回来,所以我们就会在这个时候去定义用户流失。以五周作为一个自然流失时间窗,注册了100个用户,五周走了20个,所以这五周的流失率是20%。

图表分析:

  1. 流失的前提必须是持续未使用,所以监控的时候,我们需要把握的是连续时间段内未使用的用户。
  2. 我们观察该曲线,当曲线趋于平稳时,说明我们的自然流失率趋于平稳,即如果这个时候用户还留存着,基本上他就能留存很久,比较具有稳定性,同时,我们也可以以这个时间点来定义我们的流失。如上图,我们就可以定义如果用户连续五周没有使用该产品,即可判断为流失。
  3. 自然流失率。以上图为例,当天注册用户为100个,其中有20个在此后五周完全没有使用行为,则该日的注册用户自然流失率为20/100=20%。

我们做的用户流失模型,其实是根据用户活跃度来做的,而且用的是周活跃的模型。其实我们在做用户模型的时候可以有很多种方式,比如根据用户的行为特征进行建模,根据产品目标用户的行为对用户进行分类研究,例如微博用户可以分为原创型、浏览型、应用型,等等。

此外还有身份特征的模型,比如微博将用户分为普通用户、达人用户、认证用户;各类用户里面还可以进行例如学生、白领、家庭主妇、高管等细分。比如我们判断这个人群是30~40岁之间的妈妈,那么这个人群对产品的诉求是什么?她们的黏性会有多大?她们的消费水平大概是多少?

用户建模的目的其实就在于根据用户不同的特征对用户进行分类,对精细化运营奠定基础。分类没有标准,找到群体的特征即可对症下药。

Copyright & copy 7dtime.com 2014-2018 all right reserved,powered by Gitbook该文件修订时间: 2018-06-23 10:12:35

results matching ""

    No results matching ""