0

用户活跃、留存、流失,超全图解!

 1 year ago
source link: http://www.91yunying.com/128498.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

用户活跃、留存、流失,超全图解!

发布者: 91运营

2023-08-14 17:18用户活跃 用户流失 用户留存  1919

系统学习运营课程,加入《91运营网VIP会员》,开启365天运营成长计划>>

112 用户活跃、留存、流失,超全图解!

很多同学都抱怨:用户留存、用户活跃、用户流失三大问题很难搞。

一来,这三个问题看似相同,可又不全一样,不太清楚到底是啥。

二来,这三个问题常常相互牵扯,相互影响,讲着讲着就晕了。

三来,这三个问题都很难给分析建议,往往把数值算出来,就不知道说啥了。

每次做分析,不是只能说:“要搞高!要搞低!”,就是战战兢兢地写上:具体情况得同业务沟通/得去问用户,给不出啥建设性意见。今天我们先正本清源,搞清楚这仨是啥。

一、三个各自是啥意思 

用户留存,用户活跃,用户流失,三者其实是用户活跃行为的三种不同统计方式。

用户活跃:首先给出“活跃”行为定义,如登录一次、访问时长超过10分钟、消费1次等等,之后用户每次做出活跃行为,即记录为:活跃一次(如下图)。

110 用户活跃、留存、流失,超全图解!

用户留存:用户从指定时间开始,经历一段时间以后仍然有活跃行为,则记为1次留存。最常见的是新用户留存(如下图)。

212 用户活跃、留存、流失,超全图解!

用户流失:人为定义一个时间点为流失节点,比如用户12个月未登录之类。达到节点的,即为流失用户。注意和用户活跃、用户留存不同,用户流失不是个客观事实,而是个主观认定。理论上只要企业不主动销户,你可以认为用户永远没有流失。当然我们知道这是自欺欺人,所以一般会给定一个具体的流失标准。

63 用户活跃、留存、流失,超全图解!

二、三者的联系和区别

反应快的同学已经注意到,这三者之间有明显联系。

用户活跃与用户留存间关系如下图:

310 用户活跃、留存、流失,超全图解!

用户留存与用户流失间关系如下图:

411 用户活跃、留存、流失,超全图解!

因此,如果活跃标准是登录,流失标准是三个月未登录:

1、小明2月1日注册,计入当月活跃用户

2、小明3月、4月、5月未登录,计入不活跃用户、非留存用户

3、小明6月份仍未登录,计入不活跃用户、非留存用户、流失用户

既然三个指标都是指向活跃行为,为啥还要区分成三个呢?因为这三个指标,其实代表了业务能行动的三个方向:

1、用户活跃,是可以即时统计的指标。因此短期内行动会马上反应在它身上。正向行动,比如大促销,做推广能立马见到反馈;负向行动,比如服务器宕机能马上看到影响。

2、用户留存,需要观察较长时间。因此能更多地反映系统性、结构性问题。比如产品体验不好,竞争力不足,运营不到位等等。

3、用户流失,则是挽救用户的底线。用户越久不来,唤回的成本越高,甚至用户早就忘了还有这么个产品。设置流失指标,可以更好地提醒:有多少用户触及底线,要注意!

做业务,讲究长短棍结合。用户活跃,用户留存,用户流失三个指标指向的,就是业务的短期举措、中期举措、长期举措。因此需要分开统计和分析。

实际上,当用户群体活跃度下降的时候,这三个指标经常一起异动,导致分析很难进行。然而,导致分析难做的,可不止是数字计算上的问题。下边这些才是真正的麻烦。

三、为啥分析很难做 

难做的根源,是:如果用户登陆的话,我们很清楚他登录以后干了什么,但是用户未登录的话,我们不清楚他为什么不登录。未登陆的理由,只能去猜。这就是这三大问题难缠的核心之处。如果领导问我们:“今天登录用户访问了哪些页面?”估计各个对答如流。

但是如果领导反问:

n 不活跃的原因是什么?
n 留存率低的原因又是什么?
n 流失率上升的原因又是什么?

估计很多人都一脸黑线。如果后边再加一句:“说具体原因!不要光扯数字!”估计很多人就直接崩溃了。满脑子想的都是:“我找产品经理问问”,“我找几个用户聊聊”,小手估计都已经开始往电话那摸了……

然而这只是第一重麻烦,第二重麻烦更难搞。就是除了微信这种超级应用以外,没有啥应用是必须用户每天打开的。

n 有些应用就是窗口期很明显,比如租房、旅游;
n 有些应用就是天生不活跃,比如互联网金融产品;
n 有些应用爱的爱死,不爱的转头就丢,比如游戏、短视频、社交产品。

所以就会衍生出来一个概念:自然生命周期。

n 用户自然状态就是寒暑假才登陆

n 用户自然状态然就是使用XX天以后流失

n 用户自然状态就是每个季度才登录1、2次

难就难在“自然”这俩字上。你会发现这个“自然生命周期”就像空气一样,大家都知道它会存在,但是就是看不见摸不着。谁规定自然周期就是这么多?有什么理由你确定这用户属于自然流失,而不是产品做得不好?看似这个数值存在,可真要具体到某个用户头上,似乎又都不存在。

于是和自然增长率一样,所谓的自然生命周期,很容易沦为运营们甩锅的主战场。活跃率高了、留存率高了是我做出来的。活跃率低了、留存率低了是自然原因,我不做就更低。

这种论调会直接导致老板的不满,也导致对数据分析的要求更高——大家都希望数据分析师能清楚地说:张梓涵是自然原因流失的,他对我们的产品非常满意,就是自然而然不用了,没有其他理由。嗯嗯,是不是很想往张梓涵查数据线直接读取脑电波了……

然而这只是第二重麻烦,第三重麻烦更难搞。就是大家都本能的,以为只要搞清楚了用户不活跃、留存低、流失的原因,就能把用户拽回来。这是非常徒劳和愚蠢的想法,就像分手的时候,男生拽着女生的手苦苦的问“你为什么要离开我,为什么,为什么,这是为什么,你给我个理由”

511 用户活跃、留存、流失,超全图解!

但凡看过两集言情剧,都知道这么干毫无意义。但是事情轮到自己头上,却又总是忍不住去问“为什么,为什么,这是为什么!”唯一的区别,是这次是老板问的。你不能像言情剧里那样,找个宵夜摊来上几支啤酒一把烤串,把他灌醉了事。

以上三重问题,使得算用户活跃率,用户留存率,用户流失率三个数值很容易,但是想要分析清楚背后的原因,找到针对性的对策,就非常地困难。特别是在用户活跃率下降,用户留存率下降,用户流失率上升的时候,业绩压力会让各个部门相互甩锅、胡搅蛮缠的动力急剧上升。

这时候做数据的同学想要全身而退,就得牢记“战场上,真理第一个阵亡”的原则,认真分析具体问题中的利害得失,找到解决办法。


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK