91久久国产婷婷一区二区丨亚洲综合无码一区二区三区不卡丨超caopor在线公开视频丨国产精品乱码久久久久久久久丨日韩a片无码一区二区三区电影丨www.亚洲com丨动漫精品无码视频一区二区三区丨一道本视频在线观看丨五月天三级丨国户精品久久久久久久久久久不卡丨男女作爱bbbbbbbbb丨亚洲综合色成在线观看丨国产美女久久精品香蕉69丨黑人大群体交免费视频丨成人无码视频在线观看网址丨久久久1丨我想看一级黄色毛片丨精品一区久久丨www黄色网址丨911久久香蕉国产线看观看

之前的文章中已經介紹了RFM模型的使用方法，具體請點擊《利用RFM用戶價值模型做好用戶分層，實現精細化運營》，同時也提及到：RFM模型上一級隸屬于用戶價值模型，用戶價值模型有兩個方向，除了RFM模型，還有用戶生命周期模型。

原本不打算寫關于用戶生命周期模型這篇文章的，覺得大家應該都明白，但是這幾天發現：

1）很多人將用戶生命周期模型和AARRR等其它一些模型混淆了，這兩個并不是一回事；

2) 千篇一律在介紹什么是用戶生命周期以及其中一些概念的普及，比如什么是生長期之類；

3) 正如上一篇RFM模型一樣，希望大家不僅了解，還能通過技術流的方法去實操。

所以，寫了這篇文章。

一、什么是產品生命周期

在介紹用戶生命周期前，需要先了解產品生命周期。一款產品的生命周期，我們用專業詞匯表述就是pLC（product life cycle），大家在網絡上看的多了產品生命周期的圖片，大多呈現一個“睡倒的S型”。

根據上圖，任意一款產品，以時間為參考維度，以用戶量或者收入水平等作為衡量標準，我們可以將一款產品的生命周期劃分為四個階段：初創期、成長期、成熟期、衰退期。可以理解為：從產品設計到停止對這款產品的運營，整個周期為產品的生命周期。

怎樣判斷一款產品當前處于生命周期的哪個階段呢？

1、下載量

通過酷傳、App Annie獲取產品某一段時間或者歷史下載數據，根據歷史下載量的趨勢判斷（如果可以獲取歷史下載數據，可以和“睡倒的S型”進行擬合）。以從酷傳上獲取的某App過去一年下載量生成的趨勢圖為例：

過去一年內，該App的用戶量從2000w提升至將近5000w，且趨勢圖的任意一點的切線與坐標系橫軸的夾角都比較大，說明產品處于用戶快速增長階段，可能屬于成長期。

2、百度指數

在百度指數輸入你想查看的產品名稱，以及該產品在行業內一直處于領頭羊位置的競品名稱，通過百度指數的數值以及和頭部產品百度指數的對比，基本可以判斷產品所處階段。

以上圖為例，該產品過去半年的百度指數平均值為2000左右，某些指數高點基本上是產品大力推廣新增或抓住行業熱點帶來的用戶搜索。作為一款比較成熟的產品，百度指數應該可以穩定在4000-6000。所以，基本判斷這款產品還未達到成熟期。

百度指數還有一個比較有用的地方：有時候不知道為何，自家產品留存率出現大幅跳躍，或者希望對產品的發展進行更好的把控，百度指數作為輿情監控的渠道，可以帶來很大的幫助。當然，除了百度指數，還有360、搜狗、阿里等都有相應的免費服務。

3、累積下載量

可以通過酷傳獲取產品的累積下載量，對比該行業的市場總量，潛在用戶總量進行判斷產品所處階段。

4、版本迭代

根據產品版本迭代頻率，基本可以判斷一款產品所處階段。發展期的產品，大有敏捷的成分在，迭代頻率較快。

明確產品所處生命周期哪個階段的作用是什么呢？站在運營的角度，得到產品的生命周期之后，使用如下步驟進行分析，可以幫助確定當下及未來一段時間的核心運營策略和運營方向，接下來：

a.使用思維導圖梳理產品結構；

b.根據產品結構，梳理出該產品當前的核心業務邏輯；

c.根據產品結構，梳理出可能的典型用戶使用路徑；

d.結合行業、市場、產品等信息，梳理出產品商業邏輯；

e.綜合上述判斷出的產品所處生命周期的階段可能遇到的共通的一些問題，結合上述1/2/3/4進行運營規劃。

本文主要說的是用戶生命周期，關于產品生命周期點到為止。

二、什么是用戶生命周期

用戶的生命周期，簡單來說就是：用戶從開始接觸產品到離開產品的整個過程。

根據上圖，用戶的生命周期分為：導入期、成長期、成熟期、休眠期、流失期。

導入期可以理解為將市場流量中的潛在用戶轉化為自家產品的用戶，這個階段我們稱之為獲客階段；當用戶進入產品之后，我們需要想辦法讓用戶活躍起來，進入成長期以及成熟期，成長期和成熟期的用戶屬于產品最為核心的用戶，是最具挖掘價值的忠實用戶。所以，我們稱之為升值階段；用戶從成熟期開始，會出現休眠、流失狀態，我們稱之為留存階段。

我們將用戶生命周期、不同生命周期用戶的行為表現，不同階段運營所關注的重點工作進行闡釋：

1) 獲客區：對應著導入期，對應的用戶行為是由流量成為用戶，運營的核心工作是拉新獲客以及促進新用戶的活躍。

2) 升值區：對應著成長期和成熟期，對應的用戶行為是在產品中活躍、為產品貢獻、持續留在產品內，運營的核心工作是促進用戶活躍、轉化/付費、制造留存。

3) 流失區：對應著休眠期和流失期，對應的用戶行為是離開產品、停止使用，運營的核心工作是對沉沒流失用戶做好安撫工作或者新產品的轉移工作（如果有）。

假設你已經知道了你們產品內不同用戶當前所處的生命周期，你可以做些什么呢？這個問題和前文介紹產品生命周期的時候類似，我們分析了一堆內容，最終定義好生命周期之后，一定要對運營有相應的促進作用。

我們可以這樣思考：

我們最渴望達成的目的是：“把自己的思想裝進用戶腦袋，把用戶的錢裝進自己的口袋。”這里的思想可以是讓用戶接納我們的產品規則、可以是讓用戶喜歡我們的活動、可以是讓用戶對我們產品有粘性；用戶的錢可以是用戶的時間、可以是用戶的內容、可以是用戶的互動，當然也可以是用戶的錢。把我們的思想裝進用戶腦袋和把用戶的錢裝進自己的口袋無疑是這個世界上最難的兩件事。

所以，如果做好這兩件事，就算是做好了用戶運營。這個過程可以理解為用戶管理的過程，如果希望管理好用戶，兩個維度務必關注：

每個用戶都可以被監測、被評估；

我們可以影響每個用戶、可以驅動每個用戶。

因此，用戶運營可以理解為“用戶生命周期管理”，本質是：

如何監測和評估一款產品的平均單體用戶價值；

如何驅動用戶價值的提升？

對于問題1，可以通過RFM模型去定義，可以通過AARRR模型去定義，大體都是通過數據，基于用戶行為，找到不同的分層點。接著，針對不同層級的用戶評價其價值。本文使用生命周期模型定義用戶價值，其實，也就是找到用戶處于生命周期的哪個階段，接下來會詳細說明。

這里，補充一個更加直觀的方式，基于以下兩個維度對用戶價值進行監測和評估：

使用頻次

是否有直接消費行為

第一象限，用戶會直接付費，使用頻次高。如餓了么、摩拜單車，用戶價值主要體現在使用頻次、使用時長、收入情況。

第二象限，用戶會直接付費，使用頻次低。如出行產品攜程，用戶不會每天打開，但是有需求的時候，會直接買單。用戶價值主要體現在收入上。

第三象限，用戶不會直接付費，使用頻次低。有人說，這個象限的產品沒有價值和意義，有時候覺得，如果讓我運營這樣的產品，可能確實會很糟心。

但作為運營，不能首先放棄，我認為這個象限的用戶價值體現在收入上，這個收入和第二象限又有所不同，以房多多為例，很難讓用戶在不看房的情況下，通過一款App購買價值百萬級別的房子，所以，返利、折扣、房屋經紀人的評級等等都影響到客戶有需求時是否能夠通過長期的引導進而付費。

第四象限，用戶不會直接付費，使用頻次高，比如脈脈、今日頭條，用戶主要價值體現在訪問頻次和使用時長上面，今日頭條之前公布平均用戶使用時長達到了60多分鐘，這對他們來說就是用戶價值。

插入一些題外話：

經常有人問我，為什么文章寫到這里，邏輯就應該是這樣的？比如上述，為什么非要通過使用頻次和是否有直接消費行為進行用戶價值的監測和評估？

能問出這樣問題的伙伴，相信你經常光顧各類網站，看過無數的干貨文章，但也僅僅局限于看過，回頭一想，基本上屬于忘得差不多的狀態。大家還是缺乏思考，在這里，我把拆書領域用的RIA法則推薦給大家，這個方法同樣適用于文章閱讀。

首先，你閱讀這篇文章，閱讀之后，你要去思考，最后，你要結合自己的經驗去融合文章的內容。如果你走完以上步驟，就意味著，你可能會發現很多文章寫得也不一定是正確的，如果你看過的文章都覺得還不錯，那就很危險了。

回到上述所說對用戶價值進行監測和評估的兩個維度，任何一款產品，不論是高頻還是低頻、不論是初創期還是成熟期、不論商業模式是現金流還是流量，他的核心指標一定有用戶要打開App，不打開談不上是自己家的用戶，他的核心指標一定有是否消費，這個消費可以是直接付費，也可以是產品導流進而轉化，甚至說廣告點擊營收。這也是商業社會、商業化公司、能夠養活一群人的前提。

在訪問頻次和是否有直接消費行為下，你可以結合自己家的實際業務情況去找出你們更加關心的指標，比如訪問頻次是一級維度，你們更關心訪問時長、視頻觀看數量等二級指標。

用戶價值，不僅僅只能大概的監測和評估，甚至還可以計算出每個用戶的價值。但是實際工作中，涉及到這個模塊的工作并不多，并且當有這樣的需求時，更多是統籌數據、開發等同事一起完成。所以，我們的文章站在運營的視角，到這一步已經可以了。

對于問題2，驅動用戶價值提升的方向有兩個：

提升單體用戶價值；

延長用戶生命周期。

最終，我們對用戶生命周期模型的研究，演變成為對用戶生命周期管理的本質：如何提升單體用戶價值及延長用戶生命周期。當然，這個過程必不可少的是數據驅動、對典型用戶使用路徑的引導及精細化運營。

有兩個問題需要跟大家強調：

1) 是否所有用戶都會經歷完整的用戶生命周期？

否。站在整個產品的角度，因為用戶分布在不同階段，所以，可能會走完一個完整的生命周期，也就是上文所說導入期、成長期、成熟期、休眠期、流失期，比如：注冊-登錄-活躍-付費-分享-流失。

但是，作為個體用戶，用戶可能在導入期之后就流失了，比如：用戶注冊登錄之后，因為新手引導做的不到位，用戶直接放棄使用，直接進入了流失期。

2) 是否所有產品都需要管理用戶生命周期？

否。從產品生命周期來看，處于初創期的產品，由于資源不足，用戶量級不夠，一般可以不做用戶生命周期管理。從產品的需求強烈程度和市場供應情況來看，需求越強烈，供應越稀缺的產品，越不用過多考慮做用戶生命周期管理。

比如，12306，不論你在攜程、去哪兒還是飛豬上買火車票，最終都是通過12306，市場供應緊缺、需求量大，用戶也沒有其它選擇，要么選擇別的交通工具，所以，這樣的產品不需要做用戶生命周期管理。比如：航司，有南航、中航及東航等等，這些航司的價格、服務、餐食、優惠、活動等，很有可能影響用戶的選擇，供大于求，所以，這樣的產品一般需要做用戶生命周期管理。

三、如何搭建用戶生命周期模型

通過上文的鋪墊，我們已經了解到，搭建用戶生命周期模型，其本質就是根據用戶發生的行為，找到用戶處于生命周期的哪個階段，是導入期還是成熟期，知道了用戶所處階段，才能方便我們進一步開展運營工作。

如何搭建用戶生命周期模型呢？搭建用戶生命周期模型的一般步驟如下：

業務邏輯梳理；

找到影響用戶留存/消費的關鍵功能；

定義各階段用戶行為。

簡單舉例，以脈脈為例：

a.脈脈的核心業務邏輯如下：

b.可能影響用戶留存/消費的關鍵功能

根據核心業務邏輯圖，對于用戶端來說，分為生產者和消費者，我們站在消費者的角度，影響消費者留存和消費的關鍵功能可能是：投遞簡歷、消費內容、建立社交關系、購買會員。

c.定義各階段用戶行為

我們先看一下行業內通用的用戶行為定義的模板：

根據上述模板，結合我們定義的影響用戶留存/消費的關鍵驅動功能，我們可以做如下定義：

四、如何圍繞用戶生命周期，提升單體用戶價值？

提升單體用戶價值，大家可以思考，哪些用戶的價值需要被提升呢？導入期的需要嗎？我認為不需要，這個階段處于獲客區；流失期的需要嗎？我認為不需要，這個階段主要是做用戶召回延長用戶生命周期。所以，我們主要針對處于成長期和成熟期的用戶進行單體價值的提升，體現在用戶行為上是：活躍、轉化、付費、留存。

通過上一部分內容，我們已經根據用戶行為對用戶進行定義，以脈脈為例，我們定義：在一定時間內，關注XX個行業人脈的用戶即為處于成長期的活躍用戶，那么，XX到底是多少呢？比如，當我們通過數據收集發現，關注10個行業人脈的用戶即處于成長期，那么，我們就可以針對未到達成長期的用戶做關注人脈行為的引導。

所以，我們需要按照以下步驟進行分析，找出用戶定義的數據節點，并通過在相應的節點制定運營策略，完成用戶引導：

1、用戶行為路徑梳理；

2、數據定義/數據收集；

3、通過數據找到發力點；

4、完成用戶引導。

1、用戶行為路徑梳理

我們仍然以脈脈為例，進行脈脈典型用戶行為路徑梳理，假設在脈脈內，一個用戶從導入期到成熟期典型使用路徑有如下2種：

a.用戶注冊→完善個人主頁→上傳簡歷/完善在線簡歷→搜索職位→投遞簡歷→添加招聘方為好友→購買會員→添加更多人脈

b.用戶注冊→完善個人主頁→添加行業人脈→查看動態→發布動態→購買會員→添加更多人脈

2、數據定義/數據收集

我們需要哪些數據呢？一般解決用戶從A階段到B階段價值提升的問題（當然B階段的用戶價值一定是高于A階段的），我們需要先篩選出B階段的用戶，再在B階段用戶身上獲取三種數據：

a.典型用戶使用路徑的相關數據，圍繞用戶從A階段到B階段典型使用路徑提數據需求；

b.用戶基礎數據，比如用戶的性別、職業、年齡、地區、愛好、家庭狀況等；

c.用戶行為數據，判斷產品內哪些模塊可能會影響用戶的后續行為，然后拉出使用過該模塊的用戶數據，比如注冊微博后，立刻關注5個其它用戶，則活躍和留存都比較好。

除了從用戶身上獲取如上三種數據，還可以參考用戶渠道來源數據、業務數據等進行數據分析。

3、通過數據分析找到運營發力點

數據分析的幾個關鍵思路：

a.用戶從A階段到B階段，哪條路徑更優？

b.從A階段到B階段，大部分用戶符合什么特征？

c.從A階段道B階段，大部分用戶是否發生過一些相同行為？

d.從A階段到B階段，是否受到不同渠道來源影響？

我們結合數據定義/數據收集以及數據分析的幾個關鍵思路，以脈脈為例，我們仍然假設：

a.通過對脈脈10w用戶的數據分析，發現走完路徑1的用戶有2w，走完路徑2的用戶有8w，那么，我們可以初步猜測，用戶從A階段到B階段，路徑2更優;

b.我們看大部分用戶符合什么特征，通過基礎數據進行分析，發現處于成熟期的用戶，男女比例為7:3，男性中22-30歲占比70%，互聯網從業者75%。

c.我們發現，投遞過3次簡歷的用戶，會員購買率為89%，站內會員平均購買率為21%； 發布過10條消息的用戶，購買其他用戶服務的占比為70%，站內服務平均購買率為11%。

4、完成用戶引導

我們基于上述通過數據找到的一些可發力點，設計相應的策略，對用戶進行引導。需要強調策略和手段的區別：如果是一套機制和規則，就是策略，如果是拍腦門單次給用戶的推送，就不是。很多伙伴在制定策略時，巴拉巴拉寫了一大堆活動方案、觸達方式，其實都是在策略支撐下的具體可落地的手段。

以上述找到的可發力點為例：

a.路徑2更優，我們的核心策略是加強在路徑2各個節點對用戶的引導，具體引導的手段可以是推薦更多精準的用戶和優質的動態等；

b.針對投遞過3次簡歷，會員購買率更高，更容易到達成熟期，我們的核心策略有兩方面，一方面是大力引入B端招聘數量，一方面試面向C端求職者更加精準的推薦，具體的手段可以是增加B端入駐福利、給求職者1V1服務等；

c.男性互聯網從業者多，我們的核心策略是加強同類屬性用戶的獲取和運營力度，這樣可以更容易提升產品的整體收益。

（以上關于脈脈的分析都是假設，特別是數字的部分。主要是為了說明用戶生命周期模型的實操方法，如有不妥，還望及時指正。）

五、如何做好用戶流失預警機制，延長用戶生命周期？

上文已經說過，驅動用戶價值提升的方向有兩個：

1、提升單體用戶價值；

2、延長用戶生命周期。

圍繞用戶生命周期提升單體用戶價值的方法已經詳細說明，接下來重點關注如何延長用戶生命周期讓用戶盡可能長時間待在產品內，為產品貢獻價值。

延長用戶生命周期，大家想，可以怎么做？

預防用戶流失，讓用戶一直待在產品內；

針對已流失用戶，做用戶召回。

提到預防，一般都能聯想到機制化、自動化，當系統判斷用戶具有流失特征時，及時自動觸達用戶，盡可能的挽留用戶，所以，這里需要設計一套自動化的機制。

針對已流失用戶也可設計一套自動化觸達系統，但實際情況是，已流失用戶數量巨大，流失原因不明，甚至在注冊之后就流失、價值較低，外加短信、電話等觸達手段成本較高，一般會通過人工的方式對流失用戶進行篩選后手動觸達，相信很多伙伴都做過。

所以，下面我們主要討論預防用戶流失，最終設計一套用戶流失預警機制。

如何設計流失預警機制？

流失預警機制設計步驟如下：

流失用戶定義

分析流失預兆

設立預警機制

完成用戶引導

1.流失用戶定義

我們只有定義了什么樣的用戶屬于流失用戶，才能針對未流失用戶做相應的流失預警，在未流失用戶出現流失用戶關聯行為時，系統及時響應，避免用戶流失。定義一個用戶是否流失，我們一般從兩個維度進行評估：用戶行為，時間。

用戶行為

簡而言之，用戶發生怎樣的行為，我們認為他流失了。用戶在產品內發生的行為，一定會依托產品的功能、服務，所以，用戶行為要根據一款產品的基礎功能或核心功能綜合評估。我以一些產品舉例：

理財產品，核心功能是理財，用戶將資金投入到標的中去，當用戶停止了這個行為，我們猜測用戶可能將要或者已經流失。還存在一種情況，用戶每天都會來App內，查看有哪些收益率比較高的理財產品，看完之后就退出了，并沒有進行投資，因為沒有滿足用戶收益率預期的標的，這部分用戶我們稱為“沉睡用戶”或“休眠用戶”。用戶沒有離開或卸載App，但如果不及時挽留，或者用戶發現其它更高收益的理財產品，就會成為流失用戶。

工具產品，比如網易郵箱，核心功能是收發郵件，但是我們判斷流失用戶行為的方式可能不需要查看用戶在核心功能上的操作，因為不論是收郵件還是發郵件，都需要登錄郵箱，我們可以通過分析用戶的登錄行為來判斷用戶流失情況。

電商產品，比如網易嚴選，用戶登錄賬號后，每次打開App不需要重新登錄，用戶可能會在首頁看一下推薦的好物，沒有購買行為就關閉了App。我們可以基于用戶的付費行為來判斷用戶流失情況。

內容產品，比如36kr，用戶每天早上都會看一下創業版塊的文章，有一天突然不訪問了，那我們就要基于用戶對36kr內容的訪問行為判斷用戶流失情況。

所以，一般流失行為的標志性關鍵動作是登錄、訪問、付費。具體的流失行為定義，可以結合自家產品的實際情況進行定義。

時間

當我們選定了XX行為作為流失用戶的關鍵流失動作后，需要對這個動作發生的時間進行定義。以網易嚴選為例，用戶沒有發生付費行為，我們就定義該用戶已經流失了嗎？顯然是不科學的，我們需要判斷多久之后還沒有發生首次付費或二次付費的用戶才是流失用戶。

在這里，我們需要引入一個概念：回訪用戶。

GA（Google Analytics ）上定義的 Returning Visitor指的是，當用戶首次訪問的時候，會生成一個獨立的Client ID，當用戶再次訪問時，GA監測已存在的Client ID發生一個新的會話，這時候就是 Returning Visitor，GA的回訪用戶是與新用戶相對應的。

我們今天提到的“回訪用戶”指的是：用戶流失后，再次訪問的用戶。

比如，當你通過大量數據分析之后發現，對于一款社交產品，10天內沒有打開App的用戶，被定義為流失用戶。有一位用戶已經15天沒打開App了，我們認為他已經流失了，但是我們的運營很強大，通過各種吹拉彈唱的技能把該用戶請了回來，這位用戶就屬于我們今天提到的回訪用戶，即，流失后再次回來。

對于用戶流失時間，我們有一個一般定義：用戶回訪率在5%-10%區間，這個區間對應的時間點及之后的時間，我們認為用戶已經流失。從網絡上找到一張圖片如下：

*用戶回訪率=回訪用戶/流失用戶*100%

在拐點處，用戶回訪率為5%，這個拐點對應的流失期限是5周，在5周之后的用戶回訪率均低于5%。所以，我們認為，這款產品的用戶流失時間，可以選擇在用戶停止發生XX行為5周后，該用戶即為流失用戶。

基于用戶行為和時間維度，我們定義流失用戶如下：

上圖是用戶回訪率和流失天數的關系，我們可以看到，當用戶流失10天之后，回訪率降低到5%以下，由此，我們可以對產品內的流失用戶進行定義，明確哪些用戶是流失用戶。

注意：回訪用戶不僅僅是回來打開App的用戶，要根據具體產品屬性進行判斷。對于理財類產品，回訪用戶指的是投資；對于工具類產品，回訪用戶指的是登錄；對于社交類產品，回訪用戶指的是互動；針對內容型產品，回訪用戶指的是訪問。

2、分析流失預兆

本文的核心是設計一套流失預警機制，即，針對未流失用戶做好流失預警，避免用戶流失。所以，我們得到哪些是已流失用戶之后，需要針對已流失用戶進行研究分析，找出他們流失前的共同點，如果當前的活躍用戶在未來某一天出現已流失用戶的相似征兆，則需要觸發流失預警機制。

分析流失預兆步驟如下：

確定流失用戶，分析用戶流失前的行為

假設用戶流失的影響因素

通過訪談，明確用戶流失的行為路徑

分析流失用戶流失前的行為，一般可以從以下幾個方向進行數據分析：

用戶流失前發生了哪些相似的行為

用戶是否集中在某一渠道

用戶屬性是否一致

流失前，產品、運營、市場是否發生某些變動

注意：分析流失前的用戶行為，我們只需要分析用戶導入期、成長期、成熟期的數據。

我們以當前用戶拉新做的比較好的拼多多作為案例，做一些數據上的假設，來分析流失用戶流失前的行為，以拼多多成長期用戶為例：

拼多多成長期用戶占比為30%。

成長期各渠道流失占比：

拼多多一直以裂變效果好著稱，但裂變邀請好友存在的弊端就是，好友為了配合你拆領紅包而注冊使用拼多多，忠誠度可能較低，所以，在流失方面，好友邀請這個渠道帶來的用戶，流失率達到30%，其次是微信公眾號軟文投放帶來的用戶，流失率達到25%。

處于成長期的用戶，購買次數達到3次的用戶只有10%，90%的用戶只有1-2次購買行為，也就是剛剛進入成長期，后續沒有進一步轉化到成熟期就流失了。

處于成長期的用戶，購買金額達到200元的用戶只有5%，95%的用戶只有1-200元的購買金額。

作為拼多多最強福利模塊，邀請好友可以帶來顯而易見的實惠，但是我們發現，成長期的用戶，主動發起邀請好友行為的用戶占比僅有30%，且只有1次，70%的用戶未發起過任何邀請行為。

假設用戶流失的影響因素

基于以上數據圖表分析，我們假設用戶流失的影響因素：

好友邀請渠道帶來的用戶流失率高達30%，說明用戶忠誠度不夠，易流失

90%的用戶購買次數只有1-2次，說明用戶未養成購物習慣

95%的用戶購買金額不到200元，可能是用戶對產品需求偏弱或對平臺信任度偏低

70%的用戶未發起過邀請行為，可能是活動引導或激勵程度不夠

訪談，明確用戶流失路徑

找到流失用戶，直接進行訪談，判斷用戶流失路徑，明確假設內容。訪談這一部分，屬于用戶研究的工作，但是我們仍然可以了解一些工作方法，如果在一些資源支持不足的公司，便于快速開展工作，這里簡單說明用戶訪談的步驟：

收集產品內外部信息，外部環境是否發生變化。產品是否發版、是否有運營活動上線、是否有負面新聞、行業監管是否變化，如p2p產品的業務發展和行業監管緊嚴格程度緊密相關。

制定方案。明確訪談目標是什么，訪談的對象是誰，訪談的流程如何設計。

方案落地實施。可以邀請用戶到公司進行訪談，可以通過線上問卷形式進行信息收集，也可以通過電話甚至競品分析等形式對流失路徑進行分析。

有人問我，如果分析出用戶流失前的行為，不進行假設、不做用戶調研可以嗎？感覺加上這兩步之后，變得好復雜。實際上，我們仍然可以按照MVp的原則進行敏捷測試，將分析出的問題，通過小范圍、人工的形式推動去解決。如果被驗證是對的，可以逐漸系統化。

3、設計預警機制

根據上述得到的何為流失用戶，以及流失用戶在流失前的行為，我們就可以開始設計預警機制了。預警機制在不同公司的體現形式不同，主要還是基于業務規模和業務類型進行設計。

如果是一家初創型的公司或者業務快速變化中的公司，可能壓根不需要設計預警機制，僅僅需要做好用戶流失預警。運營伙伴通過數據分析，定義流失用戶的標簽，給到數據分析師，數據用SQL幫我們跑出來這些用戶的名單，我們就可以通過push、短信等渠道對用戶進行簡單的觸達。

如果業務具備一定的規模或者業務已經成熟穩定，除了做流失預警，最好能夠搭建一套自動化預警機制。以微信讀書為例，用戶性別、年齡、愛好、閱讀習慣、閱讀進程等等存在數十個標簽，如果靠運營手動定義標簽并交給數據分析師導出用戶名單，工作量太大，效率極低，而且容易死機（皮一下..）

根據流失前用戶的行為指標，分別對這些指標賦予相應的權重，根據這些指標、權重進行計算，當數值高于XX值時，系統定義該用戶具有流失風險，要么自動觸發、要么將名單傳輸到運營手里，運營人工召回。當然，如果加上權重比較復雜，也可以根據定義好的用戶行為指標直接做預警，凡事可以變通。

預警最好可以分等級執行，以上述拼多多為例，成長期的用戶，流失前，90%的用戶購物次數只有1-2次，流失時間假設是20天之后。那么，當用戶在10天的時候，如果購物次數保持在1-2次，我們可以基于用戶購買或瀏覽行為為用戶進行更精準的推進；12天的時候，如果購物次數仍然保持在1-2次，我們可以在推薦的基礎上，給用戶發放折扣券或進行商品返現；如果15天的時候，用戶還是只購買過1-2次，我們可以進行人工客服電話召回，告知用戶現在針對該用戶有一個XX元優惠券等在賬戶里，2天內有效，可以使用；如果18天的時候，還是1-2次，那么我們可以提升對該用戶的push、短信頻次，并加上感召性的文案。如果超過20天仍然只有1-2次，我們認為該用戶已經流失，可以按照流失用戶的標準進行日常召回。

我所知道的流失預警機制，可以有兩種呈現形式：

一套取數系統，像上文所說，系統會每日導出名單，由運營定制化觸達用戶。

一套自動觸達系統，最好的就是這樣的系統，可以大大提升效率，只有在分等級觸達情況下，實在無法召回，才會導出名單給運營，進行電話、用戶回訪調研等。

4、完成用戶引導

截止到上述3步全部完成，已經搭建了一套流失預警機制，也就是完成了用戶引導。但是，針對用戶引導制定怎樣的策略是一個很重要的環節，所以，我們拿出來單獨討論。

既然是預警機制，最核心的還是怎樣留住用戶，那么，單單分析出誰是流失用戶、流失用戶有哪些流失前的行為以及在流失前進行觸達還是不夠的。怎樣觸達？觸達的內容是什么？觸達的渠道是什么？觸達的形式是什么？還需要針對性一步步去做。

仍然以上述拼多多為例，我們針對預警觸達動作制定相應的運營策略：

好友邀請渠道帶來的用戶流失率高，增強對這部分用戶的引導；加強對這部分用戶的激勵。

成長期90%的用戶購買次數只有1-2次，通過發放優惠券，提供專享商品等形式培養用戶購買習慣。

成長期95%的用戶購買金額不足200元，增強媒體宣傳，提升用戶對平臺的信任度，提升用戶購買大額產品的幾率；推薦更精準的產品給到用戶，并附帶大額優惠券，主動幫用戶發現需求并刺激轉化。

成長期70%的用戶未發起過邀請行為，加強對邀請活動的引導，或者當用戶在App內連續發生某些動作后，增加這部分用戶參與好友邀請活動的額外激勵，比如只要他們參與，就立刻送一張5元無門檻代金券。

（上述關于拼多多用戶構成、不同用戶行為數據均為假設，主要是為了將文章中的理論通過實際案例呈現，如有不妥，請及時指出。）

這里補充一些常見的觸達渠道：

郵件召回

優點：

成本較低

郵件可傳達的內容多

郵箱的新郵件提醒到位

缺點：

國內用戶的電子郵件使用率較低，郵件打開率更低；

發送設置有一定的技術要求，不然容易被屏蔽。

短信召回

優點

送到率較高

缺點

成本比郵件高

智能手機的軟件可能會把短信屏蔽

適合的產品種類較單一

站內信召回

優點

成本相對來說非常低

送達率高

缺點

打開率低

push推送

優點

成本相對很低

觸達率高

用戶打開率高

缺點

用戶卸載App就收不到消息

設置攔截就收不到消息

電話回訪

優點

更加人性化，成功率高

缺點

效率低

成本高

對電話發起者要求較高，話術、發音等

至此，關于用戶生命周期模型搭建的內容暫告一段落，雖然文章中有案例，但如果沒有實際操作過，這些對我們來說，都處于紙上談兵的階段。希望有機會，大家可以真正去做一下。歡迎大家共同在留言區探討交流。