 關(guān)于流失與召回，這個(gè)是長久不衰的一個(gè)話題。在業(yè)務(wù)活動(dòng)中，涉及到的角色還是蠻多的，比如產(chǎn)品角色、運(yùn)營角色、數(shù)據(jù)分析角色、甚至渠道市場角色都有。 本文將從數(shù)據(jù)分析的角度來探索一個(gè)關(guān)于流失的業(yè)務(wù)場景，以及通過驅(qū)動(dòng)運(yùn)營、投放等一系列的動(dòng)作來應(yīng)對(duì)流失挽救，這些落地就成為一個(gè)系統(tǒng)化的工作。 曾經(jīng)繁榮的第三方應(yīng)用市場，這幾年前來逐漸走向沒落。從百度巨資吞了 91 助手，到應(yīng)用手機(jī)廠商崛起達(dá)到頂峰，整個(gè)應(yīng)用市場已經(jīng)經(jīng)歷過多輪洗牌。 “莢，再見！豌豆莢、PP 助手宣布下架，從此再無免費(fèi)軟件？” 你是否還記得豌豆莢這些應(yīng)用？它們也曾在繁華的第三方應(yīng)用市場里激起過一點(diǎn)浪花。 到現(xiàn)在，不管是應(yīng)用寶、360 手機(jī)助手、華為、小米等應(yīng)用商店，都在構(gòu)建自己的城池。 記得在 2016 年左右一個(gè)拓新的成本從之前的幾塊錢升到 10 塊錢、最高時(shí)能到幾十元，留住老用戶或許一條短信、一點(diǎn)積分、活動(dòng)就可以，相對(duì)的成本是很低廉的。從用戶生命周期與成本來講，留住老用戶的成本與拓新的成本是完全不同的。留住老用戶的成本之所以很低，是因?yàn)槔嫌脩糁捞茁罚掠脩魧?duì)套路無感且教育成本就很高了。 運(yùn)營的同學(xué)在每日面對(duì)剛涌進(jìn)來的、將要離開的、已經(jīng)離開的這幾個(gè)類型的用戶還是很頭痛。一邊是通過渠道拼命買量拉來的新用戶，一邊是保持耿直不變或緩緩下降的 DAU 曲線。如果把每日 NU 數(shù)據(jù)曲線疊加到 DAU 上，從這個(gè) DAU 曲線緩緩下降的趨勢來看，每日的 NU 增量或許大幾十萬，每日不活躍用戶也是大幾十萬或上百萬。從數(shù)據(jù)的表現(xiàn)來看用戶的新增與流失相當(dāng)，一邊是花錢買量，一邊是留不住用戶，如果趕上產(chǎn)品、業(yè)務(wù)、環(huán)境形勢問題，更是一個(gè)讓人心碎的問題。 下圖中給出的是 2016 年某個(gè)第三方應(yīng)用市場的日 DAU、次日留存、7 日留存的的數(shù)據(jù)情況， 從數(shù)據(jù)上明顯看出來，這個(gè) Android App 的 DAU 量級(jí)在短短幾個(gè)月中一直抖動(dòng)著下滑。 結(jié)合數(shù)據(jù)來看，每周的 WAU 中有千萬級(jí)別的用戶，但是在一周內(nèi) AU 角度流失的用戶占比為 30%，在 LU 中流失的比例為 50% 以及以上。從每月的數(shù)據(jù)來看，50% 以上的 AU 將會(huì)最終流失掉，LU 的流水占比也是在 50%。 用戶不斷的流失，就像水池的水位不斷的在下降，用戶流失超過新用戶的補(bǔ)給，且速度越來越快、規(guī)模越來越大。如果不做任何動(dòng)作，這個(gè)水池遲早會(huì)干枯。就像前面說的，很多業(yè)務(wù)都會(huì)面臨類似的問題，這種問題不管怎么樣都是要解決的。那如何解決呢？ 先來看幾個(gè)問題：
如果能夠解決上面的事情就已經(jīng)夠了嗎？實(shí)際上還是不夠的。還需要：
差不多需要將以上的問題都回答了，才可以把流失問題認(rèn)識(shí)的清晰一點(diǎn)。 要研究這個(gè)課題，首先需要定義什么叫流失用戶、活躍用戶、新用戶流失。 這里簡單的引用一篇文章，是在 2012 年發(fā)表的一篇名為《網(wǎng)站的活躍用戶與流失用戶》 這一篇講述的非常清晰：
這里我給出的公式就是”當(dāng)前時(shí)間點(diǎn) – 用戶注冊時(shí)間點(diǎn) > 流失臨界時(shí)間間隔“。 結(jié)合本案例，我們要研究是移動(dòng)互聯(lián)網(wǎng) App 方向，可以用 '當(dāng)前時(shí)間點(diǎn) - 用戶首次安裝且激活時(shí)間點(diǎn)> 流失臨界時(shí)間間隔'，這個(gè)時(shí)間拐點(diǎn)是需要通過分析來得到的。 例如下圖的流用戶流失高風(fēng)險(xiǎn)是在第 20 周至第 25 周。（至于本次案例講解的 APP 的流失時(shí)間拐點(diǎn)，同理的分析方法可以得到的） 有次團(tuán)隊(duì)里數(shù)據(jù)同學(xué)做用戶分群，遇到了幾個(gè)糾結(jié)問題，比如該如何分群，分群的意義，分群該從哪個(gè)角度入手，如何將流失率等計(jì)算出來，是否要細(xì)化到個(gè)體去做挽救等等。 舉個(gè)例子來說，我們在研究用戶流失、用戶使用的那些產(chǎn)品有什么特點(diǎn)、用戶看了什么內(nèi)容、搜索了什么、消費(fèi)了什么這些問題的時(shí)候，換一個(gè)角度來說就是在研究用戶 - 產(chǎn)品 - 內(nèi)容三者之間的關(guān)系，拿人、貨、場理論來套用也是沒得挑。 拿第三方應(yīng)用分發(fā)這個(gè)業(yè)務(wù)來說，用戶安裝了第三方應(yīng)用市場， 使用這個(gè)應(yīng)用市場 App 的搜索、推薦、信息流、搜藏、 自動(dòng)更新、備份等，來尋找自己的需要的 App。這個(gè)過程從人貨場來解析就是： 人：就是用戶。 貨：一切內(nèi)容就是 App。 場：第三方應(yīng)用各種功能場景。 從 BI 的分析模型角度來講，這里研究的幾個(gè)關(guān)系的意義：
做用戶研究的課題時(shí)，切入點(diǎn)還是蠻多的，比如從業(yè)務(wù)黏性、用戶屬性、正負(fù)用戶體驗(yàn)、用戶活躍度等角度進(jìn)行切入。但之前肯定會(huì)梳理一個(gè)比較完整的鏈路來盤點(diǎn)這個(gè)事情。例如對(duì)某包月業(yè)務(wù)的用戶盤子價(jià)值做個(gè)分解，拉新用戶、增加已有價(jià)值、減少流失。 有時(shí)在第一次做用戶分群時(shí)通常切入的點(diǎn)有流失用戶群體的研究、活躍用戶群體的研究、新用戶群體的對(duì)比研究，這幾個(gè)切入點(diǎn)流失用戶群體的研究成本是最低的，可能帶來的效果是最好的。 切入流失分析流程后，關(guān)于流失挽救的過程，網(wǎng)上相關(guān)的文章多的數(shù)不清，大多數(shù)都是些基本必備與固定流程：
把這個(gè)流程整理一下就是這樣的： 畫像構(gòu)建：有些人不喜歡一上來就開始構(gòu)建用戶畫像。因?yàn)楫嬒穸际且欢褬?biāo)簽，畫像一般按業(yè)務(wù)屬性劃分多個(gè)類別模塊。因?yàn)槊恳粋€(gè)標(biāo)簽都要經(jīng)過大量的分析與挖掘，到實(shí)際可應(yīng)用時(shí)的周期還是漫長的。標(biāo)簽的精準(zhǔn)度與覆蓋度也經(jīng)常受到訓(xùn)練的數(shù)據(jù)所影響，有時(shí)會(huì)準(zhǔn)備很多畫像的基礎(chǔ)變量來做更多不同角度研究。 隨著自己對(duì)業(yè)務(wù)的分析與拆解，然后可以加入更多的基礎(chǔ)變量來參與到模型研究中。關(guān)于用戶的 pv 行為、用戶點(diǎn)擊行為、用戶的播放行為，我會(huì)做更詳細(xì)的分片拆分，這樣能得到更多顯著特征與更多特征。當(dāng)然在某個(gè)地方可以叫做連續(xù)變量的區(qū)間化。 當(dāng)然，大部分情況下會(huì)存在一個(gè)比較成熟的畫像體系，比如常見的人口統(tǒng)計(jì)、社會(huì)屬性外，還有用戶消費(fèi)畫像、用戶行為畫像，用戶興趣畫像等。 人口屬性和行為特征是大部分互聯(lián)網(wǎng)公司做用戶畫像時(shí)會(huì)包含的：人口屬性主要指用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業(yè)和職業(yè)等。行為特征主要包含活躍度、忠誠度等指標(biāo)。 模型準(zhǔn)備階段： 模型算法與標(biāo)簽還是有一些關(guān)系的，不同的算法可以用在不同標(biāo)簽中。監(jiān)督算法中會(huì)用到 logic 回歸、c5.0 決策樹、svm 算法、最優(yōu)算法、神經(jīng)網(wǎng)絡(luò)、矩陣算法。非監(jiān)督類的，聚類、離散統(tǒng)計(jì)分析、隨機(jī)游走、小波 /F 變換，這些算法用在哪些標(biāo)簽會(huì)更合適的，給出一個(gè)很明確的圖 (整個(gè)訓(xùn)練過程就不進(jìn)入深談)。
從另外一個(gè)角度來看一下這個(gè)體系這個(gè)會(huì)顯得很直觀。
流失模型： 在分析中會(huì)選擇一個(gè)用戶樣本進(jìn)行觀察與分析。在流失模型中選擇每一個(gè)變量參與到模型計(jì)算都是需要做不同的評(píng)估的。例如用戶基礎(chǔ)屬性中年齡、App 使用時(shí)長、興趣標(biāo)簽、上網(wǎng)行為、手機(jī)品牌等，這是從模型角度要考慮的變量，通過找到的一些線索，分析不同用戶群體在這些標(biāo)簽上有什么屬性，從而識(shí)別哪一類用戶忠誠度比較高。
流失模型里面不做更多討論，圖示給出流失模型中的某一個(gè)節(jié)點(diǎn)判斷。 人群的分析： 經(jīng)過反復(fù)的分析以及定量與定性的分析與刻畫，可以從流失角度對(duì)用戶分群進(jìn)行定量描述。每一個(gè)分群除了含有流失的描述外，還有很多其它相關(guān)顯著屬性來進(jìn)行刻畫，再進(jìn)一步根據(jù)分群的用戶特征來做下一步的業(yè)務(wù)活動(dòng)。 例如 ：第三方應(yīng)用分發(fā)這個(gè)業(yè)務(wù)，根據(jù)特征可以劃分為十幾個(gè)用戶群體，其中有兩個(gè)群體可以定位為低活躍低黏性、易流失搜索用戶群體。 低活躍低黏性的群體顯著特征是一日游用戶很多，都是新安裝的用戶過來看一下就離開了（不排除有潛在的作弊用戶可能性）。這個(gè)用戶的特征是很多用戶有 click 響應(yīng)、95% 的用戶沒有安裝任何工具類 App 或游戲類的 App（猜測一下，這個(gè)來看新機(jī)或潛在作弊刷量可能，或被其它的 APP 或升級(jí)功能引導(dǎo)到這個(gè)應(yīng)用市場，也可能中間被渠道截胡了）。 有了這些定量描述后，可以群體的定性刻畫與業(yè)務(wù)上的觸達(dá)動(dòng)作。
用戶觸達(dá)及渠道評(píng)估階段： 下圖給出的三個(gè)易流失用戶群體的定量描述。有了這些定量描述與群體規(guī)模可以在業(yè)務(wù)上做些事情。 能做什么事情呢？針對(duì)這些用戶群體指定不同的觸達(dá)文案、觸達(dá)活動(dòng)頁面與內(nèi)容，然后再選擇比較合適的通道，像站內(nèi)信、APP push、短信、電子郵件、成本更高的電話回訪等一系列手段，進(jìn)行用戶觸達(dá)拉活等，過后再進(jìn)行效果的評(píng)估。
比如這三個(gè)群體、低活躍低黏性、易流失搜索、邊緣性型三個(gè)群體，需要開始做用戶觸達(dá)， 考慮成本，在用戶觸達(dá)的方案上選擇了 Push 的方式來做流量測試。相比較產(chǎn)品改造的風(fēng)險(xiǎn)和開發(fā)時(shí)間，Push 有著快速驗(yàn)證的優(yōu)點(diǎn)。與此同時(shí)，為了控制影響，避免騷擾正常用戶，在 Push 投放時(shí)，一個(gè)用戶最多只能收到一條，那么可以 對(duì)流失風(fēng)險(xiǎn)較高的用戶進(jìn)行投放。
投放結(jié)束后需要總結(jié)，從啟動(dòng)率的比較、Push CTR% click ctr% 等一系列角度進(jìn)行分析并輸出相關(guān)結(jié)論。
當(dāng)然這個(gè)過程只是針對(duì)不太啟動(dòng)的用戶群體做 Push 拉活，也還有很多的其它抓手與觸點(diǎn)需要與用戶做更多的作用，才能達(dá)到想要的結(jié)果。 例如在已經(jīng)曾經(jīng)值得紀(jì)念那款第三方的 APP 分發(fā)平臺(tái)，從運(yùn)營入口、內(nèi)容入口、產(chǎn)品入口分別盤點(diǎn)出來的所有渠道資源與觸達(dá)給用戶的內(nèi)容，可以參考一下， 這塊業(yè)務(wù)沒什么可以做深入分析了。
到此，從流失到挽留的一個(gè)比較簡單的完整動(dòng)作就此結(jié)束了。現(xiàn)在很多 App 的前后臺(tái)都支持在線的定向投放、小流量測試、a/b 測試等一系列測試功能，對(duì)于觸達(dá)用戶拉活還是有特別大的幫助。 總結(jié)一下，用戶生命周期中的數(shù)據(jù)驅(qū)動(dòng)，因?yàn)樯婕暗疆a(chǎn)品運(yùn)營、數(shù)據(jù)分析與挖掘、用戶運(yùn)營，在分工上每一個(gè)團(tuán)隊(duì)關(guān)注的重點(diǎn)必然是不同的。 數(shù)據(jù)分析與挖掘，是要研究消費(fèi)用戶群體、建立流失指數(shù)、沉淀回流拉動(dòng)目標(biāo)群體圈定與用戶分析等。這樣可以給業(yè)務(wù)一個(gè)瞄準(zhǔn)器，可以讓大家知道需要觸達(dá)哪些用戶、什么時(shí)間節(jié)點(diǎn)觸達(dá)、以什么樣的活動(dòng)可以觸達(dá)。同時(shí)也能給業(yè)務(wù)傳遞一套比較客觀與科學(xué)的上線評(píng)估體系，而不用業(yè)務(wù)自己上線、自己評(píng)估、自己說了算（ 例如：有的業(yè)務(wù)會(huì)觀察組對(duì)照組都搞的不對(duì)，這種潛在的小故障是不在少數(shù)的）。 通過數(shù)據(jù)分析與挖掘，拿到了瞄準(zhǔn)器與打擊節(jié)奏，接下來就是要解決武器與打擊地點(diǎn)的問題，結(jié)合產(chǎn)品運(yùn)營方向、用戶運(yùn)營方向，從產(chǎn)品的運(yùn)營內(nèi)活動(dòng)、Push 渠道不同內(nèi)容推薦、產(chǎn)品優(yōu)化與完善的的角度就是要解決用什么手段觸達(dá)用戶了。 我在針對(duì)這個(gè)方法論提煉一下就是如下圖所示：
有了場景、方法論，我們的數(shù)據(jù)產(chǎn)品經(jīng)理就有空間去到更多的系統(tǒng)化與產(chǎn)品化，將這整個(gè)過程從體系化的角度進(jìn)行泛化，讓更多的前線運(yùn)營、產(chǎn)品運(yùn)營同學(xué)參與工作。用一個(gè)通用詞來說就是”賦能“給他們。 這個(gè)賦能過程是要從”探索“和”效果評(píng)估“的體系化來規(guī)劃，還需要加上觸達(dá)資源庫管理與用戶分群變量管理，講到這里或許一些懂這個(gè)方向產(chǎn)品的讀者已經(jīng)能夠構(gòu)思這款產(chǎn)品該是個(gè)什么樣子。 如果展開講，共有六層是要思考：
如下圖所示：
這個(gè)架構(gòu)產(chǎn)品化后，會(huì)給業(yè)務(wù)的生產(chǎn)效率帶來很大的提升（這里只是放了一個(gè)核心圖），跟這款產(chǎn)品有關(guān)的其它的知識(shí)等內(nèi)容不在這里做闡述與分享。 寫在最后 在寫完這篇文章后，發(fā)現(xiàn)與自己最開始列的大綱還是有很大的差異。原計(jì)劃是寫一個(gè)完整的流失分析，在整理過程發(fā)現(xiàn)所牽涉的知識(shí)面還是非常廣的，也讓自己整理了很多項(xiàng)目的材料，并對(duì)這些材料進(jìn)行了脫敏處理。 這個(gè)文章可以給業(yè)務(wù)一些參考，也可以給分析師一些分析方向上的參考，同時(shí)可以給數(shù)據(jù)產(chǎn)品經(jīng)理一個(gè)從業(yè)務(wù)到模型到數(shù)據(jù)產(chǎn)品的規(guī)劃參考。按照慣例，里面涉及到的很多案例不做更詳細(xì)的解釋，如果有感興趣可以私下交流。 作者介紹： 松子（李博源），自由撰稿人，數(shù)據(jù)產(chǎn)品 & BI 老兵一枚。 |
|
|
