面向運營的互聯網數據分析體系-(三)用戶生命周期

移動互聯網的精細化運營

移動互聯網早已過了跑馬圈地的時代。APP產品設計、技術解決方案形成了比較固定的模板。現在的App應用市場內,產品同質化現象嚴重,隨便下載幾個購物APP(京東、蘇寧、淘寶等),可以看到它們的頁面功能設計、下單流程大同小異,而它們的差別主要在於頁面內容編排、品類結構、線上活動,造成這些差異的原因就是運營策略的不同。我個人認為移動互聯網已經從產品驅動轉向了運營驅動,幾乎所有的互聯網企業現在都在講精細化運營。

什麼是精細化運營?精細化運營最重要的兩個字是精細。最理想狀態是對每個用戶應用不同的運營策略。然而這在現實中是不可能的,我們只能將用戶劃分為多個類別,針對不同的類別制定對應的運營策略。劃分的依據多種多樣,可以是用戶價值、用戶存續時長、用戶生命周期,也可以是聚類後的類別。最直觀、易理解且實用的一種劃分方式就是依據生命周期進行用戶分類。

用戶生命周期價值的運營是以用戶為中心,以數據和技術為基礎的運營,目的是最大化用戶貢獻給企業的價值,即最大化用戶生命周期價值。為什麼要最大化用戶生命周期價值?我們通過公式分解來解答這個問題:

  • 收入 = 用戶數量×用戶價值 = 用戶數量×(用戶存續時長×用戶單位時間貢獻價值)

收入的三要素:用戶數量、用戶存續時長和用戶單位時間貢獻價值。通過實施用戶生命周期運營提高用戶存續時長和用戶單位時間貢獻價值,從而提升收入。那麼,問題來了,什麼是用戶?什麼是用戶生命周期?針對用戶生命周期的運營怎麼做?下面我將就這些問題談談我個人的理解。


1. 用戶的定義

用戶是某種技術、產品、服務的使用者。用戶與我們常說的另一個概念——客戶在定義上有以下區別:

  • 客戶是購買產品、服務的人或機構,是出錢的人。而用戶是產品、服務的最終使用者,不一定出錢。用戶不一定是客戶,比如餐廳從某傢具廠購買了一批桌椅,餐廳是傢具廠的客戶,但是消費者才是這批桌椅的用戶。
  • 客戶一般關注產品的、服務的價格和價值。用戶考慮的重點是產品對自身的價值。
  • 在信息傳遞方面,信息由企業傳遞到客戶,企業的目的是讓客戶下單購買。用戶則會將使用體驗、訴求反饋給企業。

許多互聯網企業都喜歡說自己日活、月活多少多少,為什麼這些用戶量數據如此重要?互聯網企業的做大做強基本都要經歷跑馬圈地的過程,淘寶、京東、美團外賣、餓了么、滴滴、ofo都經歷了這一過程。這一過程概括來說就是經營著用戶使用頻率較高業務的互聯網企業,首先通過補貼等手段迅速獲取大量用戶,而後深耕細作,最終實現盈利。之所以各大互聯網企業的成長路徑如此相像,是因為互聯網企業競爭的關鍵不僅僅是技術和商業模式,更取決於誰能率先達到規模效應。隨著用戶數量的增加,單個用戶的運營成本呈下降趨勢,互聯網產品的邊際成本可以做到接近於0。舉個栗子,某公司花200萬開發了一款氪金手游,初期有1萬用戶,這款遊戲從1萬用戶發展到5萬用戶,公司需要付出的成本可能僅僅是多開幾個阿里雲實例,再請5000水軍。


2. 用戶生命周期定義

用戶作為互聯網企業的重要資源,有兩個重要的描述維度:價值和生命周期。價值是用戶帶給企業的收入。生命周期指的是事物「從搖籃到墳墓」(Cradle-to-Grave)的整個過程。在定義用戶生命周期之前,我們先看客戶生命周期這個概念。客戶生命周期來自傳統市場營銷,已有幾十年的發展歷史,有完整的運營方法論和決策系統支持。

2.1 客戶生命周期定義

客戶生命周期理論也稱客戶關係生命周期理論是指從企業與客戶建立業務關係到完全終止關係的全過程,是客戶關係水平隨時間變化的發展軌跡,它動態地描述了客戶關係在不同階段的總體特徵。

客戶生命周期可分為考察期、形成期、穩定期和退化期等四個階段。考察期是客戶關係的孕育期,形成期是客戶關係的快速發展階段,穩定期是客戶關係的成熟期和理想階段,退化期是客戶關係水平發生逆轉的階段。

2.2 用戶生命周期定義

基於上面客戶生命周期的定義,將其中的客戶換成用戶,就得到用戶生命周期的定義。如果不考慮B端客戶,這兩者描述的對象都是人,描述的內容都是人和企業的關係,這種關係體現在個人的行為上就是個人對產品的認知、使用、忠誠和流失。我個人認為傳統客戶生命周期和互聯網的用戶生命周期沒什麼大區別,最大的區別體現在生命周期的階段劃分。


3. 互聯網業務中的用戶生命周期階段劃分

如同人的生命周期可以基於年齡劃分為童年、少年、青年、中年、老年這5個階段,用戶/客戶生命周期也可以進行劃分階段。客戶生命周期的劃分方法有很多種,在傳統營銷中,一般是基於客戶和企業的關係,將客戶生命周期包含4個階段:考察期、形成期、穩定期和退化期。在互聯網業務中,出於精細化運營的需要,通常將用戶生命周期劃分為5個時期:引入期、成長期、成熟期、休眠期和流失期。用戶生命周期的前3個階段對應於客戶生命周期的前3個階段,將客戶生命周期中的退化期進一步細分為休眠期和流失期。之所以將退化期細化,是因為在互聯網業務中,我們可以基於用戶的行為數據,預判哪些用戶即將流失,進而有針對性的採取激活策略。

3.1 生命周期各階段的運營目標

運營的總體目標是獲取用戶,讓用戶留下來,為企業帶來收益。在用戶生命周期的每個階段,都有對應的運營目標,或者說需要考慮的問題。用戶生命周期各階段的核心目標是轉化,通過運營將用戶轉化到我們期望的類型。舉個例子,拿餓了么來說,對於處在成長期的用戶,通過前N單獎勵、發放優惠券等方式,拓展用戶的使用場景,激勵一個叫了一單外賣的新用戶,讓他在晚上買夜宵,周末買水果,這樣下來,該用戶就對餓了么的產品、服務以及對應的使用場景有了比較全面的了解,於是就轉化成了成熟用戶。

根據28理論,20%的用戶創造了80%的收益。這20%的用戶是我們的核心用戶,絕大多數處於用戶生命周期的成熟期。運營的目標實際上就是將非成熟期用戶向轉化為成熟期用戶以及成熟期用戶的價值升級。我們可以結合產品設定各個生命周期的運營目標,針對這些目標,制定具體的運營策略。

3.2 用戶生命周期落地

在實際工作中,我們應如何給出用戶生命周期各階段的明確定義?這需要結合具體的產品。舉個栗子,對於今日頭條和京東這兩個業務來說,今日頭條的用戶成長期可能是從用戶看了3篇文章開始到用戶看了30篇文章且到訪天數≥5天,京東的用戶成長期可能是從用戶完成首次訂單到用戶完成3個訂單。下表是用戶生命周期劃分的一個簡單參考方案。

上面的劃分方法使用的是拍腦袋。如何更合理的定義用戶生命周期呢?用戶生命周期階段劃分的重點在於定義成熟用戶和定義流失用戶。

3.1.1 成熟用戶

在劃分成熟用戶前,我們首先明確一下成熟用戶和忠誠用戶、高價值用戶的區別。成熟用戶是活躍的,熟悉產品功能和使用場景的用戶,他們不一定是忠誠用戶、高價值用戶,但是他們有潛力成為忠誠用戶、高價值用戶。有些成熟用戶雖然不是高價值用戶,但是他們可以起到口碑傳播、拉新的作用,有助於品牌建設。

如何定義一個用戶是成熟用戶呢?我們可以基於留存數據,設置成熟用戶的轉化次數、類別數量(購買類別、產品使用類別等)的閾值。因為對於同一個用戶來說,其存在的時間越長,其使用的功能就越多,貢獻的價值越多。大體的操作步驟如下:

1) 數據準備。收集最近半年的新用戶,排除只訪問一次且未註冊的用戶,排除無法判斷是否流失的用戶。

2) 標記流失(y)。標記用戶哪些用戶流失,哪些未流失。

3) 構造x變數。

  • 轉化次數。1次以上轉化,2次以上轉化,3次以上轉化…n次以上轉化。
  • 購買類別/功能使用種類。1種以上,2種以上…m種以上。
  • 交叉特徵。1次以上轉化&1種以上類別,1次以上轉化&2種以上類別…n次以上轉化&m種以上類別。
  • 功能使用次數。如設置訂閱,設置定投等。

4) 特徵選擇。使用卡方、互信息、分類模型等方法選擇最相關的特徵。以下是示例數據,conv_1表示轉化1次以上(含1),category_1表示購買1種以上(含1)類別的商品。

5) 選擇合適的閾值作為成熟用戶的判斷閾值。

3.1.2 休眠用戶和流失用戶

在定義流失用戶的時候,我們要注意將核心用戶與非核心用戶的流失期分開定義。核心用戶指的是貢獻了70%-80%收入的用戶。對於多數互聯網產品來說,流失用戶遠大於留存用戶,如果我們為所有用戶指定同一的流失閾值,那麼非核心用戶的流失數據將影響核心用戶的運營。

我們可以使用以下方法劃分非核心用戶和核心用戶的流失閾值:

1. 將用戶價值按照從大到小排序,選擇某個點作為劃分閾值(如70%、80%),閾值區間內的用戶則為核心用戶。註:下圖藍色曲線是用戶價值排序,橙色曲線是用戶價值累積圖。

2. 計算每個用戶到訪間隔天數的90分位數(用戶A的到訪間隔記錄為:1,2,3,4,6,8,10,則用戶A的間隔90分位數=8.8),記為S。

3. 作出S的累積分布圖,選擇80%的點作為休眠閾值,選擇90%的點作為流失閾值。如下圖所示,80%對應20天,90%對應30天。那麼,20-30天未訪問的用戶標記為休眠用戶,30天以上未訪問的用戶標記為流失用戶。


4. AARRR和用戶生命周期

AARRR這個模型指出了運營產品時需要考慮的五個基本目標,但是僅僅依靠這個模型來做運營是不夠的,這個模型沒有考慮不同用戶之間的差別對運營策略的影響。我個人認為AARRR模型需要和用戶生命周期結合,每個生命周期內都要考慮AARRR目標,但是各生命周期都有各自的運營側重點(如下圖所示)。

用戶生命周期運營寫到這裡就結束了,接下來將講述如何結合AARRR和用戶生命周期,為運營提供數據支持。


推薦閱讀:

ps不常用技巧-1
作惡者58同城
再分享3個炒雞好用的神器
王心凌私密照外泄!扒一扒那些私密照被曝光的女明星們

TAG:数据分析 | 互联网 | 互联网运营 |