数据化运营管理_互联网行业(五)(流失篇)
关于流失,就不必过多的说明了,古往今来,从菜市场到互联网,都是各行从业者所不想看到的。然而人有生老病死,新城代谢式的流失是不可避免的。
有些流失是无法避免的,但也有可以挽留的。我先将流失大抵分成以下几类:
关于流失的分析: 关于流失的常规数据监控,一般都是和存留一起的,本身两者也是分不开的(出门左转,前面已经写了存留相关的内容)。单独针对流失的,最多看到如下图样式的监控:
上图对整体的流失情况进行一个总体的监控,关注点在于流失率是否稳定、新用户流失与老用户流失占比。一般来说,新用户流失率比较高,而老用户流失的严重性更大一些,当发现老用户流失率较高的情况,应该针对流失用户进行更近一步的分析,要对流失用户进行聚类,另外关联流失用户的行为日志,将分析结果最终落地到产品。私以为,只有从产品的角度降低老用户的流失率才是靠谱的,其他手段都是治标不治本。
关于新用户的流失,今天跟朋友聊到,一款产品或者游戏的运营,避免不了新用户的流失率是越来越高的。一款新的产品刚上线时,用户质量一般比较高,而当一款产品运营一段时间后,所谓的新用户有一定程度上是运营人员强行拉过来的,质量会有所下降。so,还是重视老用户的存留,and,关于渠道的价值评估也是一定要加上存留率了如下图(前面写的仅仅有转化率、roi、流量的相关的渠道价值评估,关于渠道的价值,应该综合更多维度分析)。
另外可以针对流失的用户类型进行近一步的分类如下,来为运营人员分析用户流失分析提供初步假设:
当然,上面所描述的都是最基本的监控性报表,对于流失而言,更多的是深度的分析,需要对潜在流失用户进行预测、对流失原因进行分析,各参数与用户流失的相关性分析等。这些就需要考虑具体的业务场景进行建模分析了。
关于流失,并没有更多的了解,也希望阅读到本篇文章的朋友们,可以针对本文的不足之处给予补充,与我交流,向各位学习。
ps:有朋友提醒,渠道是无处不在的,贯穿于整个运营体系之中,存留的曲线图也需要按照渠道来进行细分对比。例如:当发现次日存留率较低,点击图标进入下一层,罗列出所有渠道的次日存留率,来达到对存留更全面的认识,也是对渠道价值的监控。感谢提出建议的朋友。
(文中图表使用finereport开发)
有些流失是无法避免的,但也有可以挽留的。我先将流失大抵分成以下几类:
- 刚性流失:可以进一步分为新用户水土不服型和老用户兴趣转移型,这部分流失用户是无法挽留的,缘尽于此,花再多的钱也没什么用,毕竟强扭的瓜儿它不甜。所以我们应该尽量将这部分用户剥离出来,避免不必要的投入。
- 体验流失:可能是应用体验、服务体验、交易体验、商品体验等等,总之就是在使用产品\服务的过程中,感到了一丝不爽,正所谓一言不合就流失。对于我们而言,当然是要找到哪个环节让用户感受到了不爽,并及时维护,尽最大程度减少体验流失。
- 竞争流失:也就是用户已经转粉了。可能是竞争对手的体验更好,可能竞争对手推出了什么优惠的政策。我们也需要抓住行业的动态,针对竞争对手的抢粉行为做出相应的行动,来避免竞争所带来的流失。
关于流失的分析: 关于流失的常规数据监控,一般都是和存留一起的,本身两者也是分不开的(出门左转,前面已经写了存留相关的内容)。单独针对流失的,最多看到如下图样式的监控:
上图对整体的流失情况进行一个总体的监控,关注点在于流失率是否稳定、新用户流失与老用户流失占比。一般来说,新用户流失率比较高,而老用户流失的严重性更大一些,当发现老用户流失率较高的情况,应该针对流失用户进行更近一步的分析,要对流失用户进行聚类,另外关联流失用户的行为日志,将分析结果最终落地到产品。私以为,只有从产品的角度降低老用户的流失率才是靠谱的,其他手段都是治标不治本。
关于新用户的流失,今天跟朋友聊到,一款产品或者游戏的运营,避免不了新用户的流失率是越来越高的。一款新的产品刚上线时,用户质量一般比较高,而当一款产品运营一段时间后,所谓的新用户有一定程度上是运营人员强行拉过来的,质量会有所下降。so,还是重视老用户的存留,and,关于渠道的价值评估也是一定要加上存留率了如下图(前面写的仅仅有转化率、roi、流量的相关的渠道价值评估,关于渠道的价值,应该综合更多维度分析)。
另外可以针对流失的用户类型进行近一步的分类如下,来为运营人员分析用户流失分析提供初步假设:
当然,上面所描述的都是最基本的监控性报表,对于流失而言,更多的是深度的分析,需要对潜在流失用户进行预测、对流失原因进行分析,各参数与用户流失的相关性分析等。这些就需要考虑具体的业务场景进行建模分析了。
关于流失,并没有更多的了解,也希望阅读到本篇文章的朋友们,可以针对本文的不足之处给予补充,与我交流,向各位学习。
ps:有朋友提醒,渠道是无处不在的,贯穿于整个运营体系之中,存留的曲线图也需要按照渠道来进行细分对比。例如:当发现次日存留率较低,点击图标进入下一层,罗列出所有渠道的次日存留率,来达到对存留更全面的认识,也是对渠道价值的监控。感谢提出建议的朋友。
(文中图表使用finereport开发)
(下一篇将离开用户,进入订单相关的分析专题介绍。 欢迎交流,相互学习)
【相关推荐】
数据化运营管理_互联网行业(一)(流量篇)
数据化运营管理_互联网行业(二)(转化篇)
数据化运营管理_互联网行业(三)(存留篇)
数据化运营管理_互联网行业(四)(复购篇)