Prime漲價了?趕緊買Amazon股票!
本文約2500字,閱讀時間7分鐘。本文數字較多,請各位酌情閱讀。
轉載自公眾號:米妮老師
亞馬遜的Prime年費又漲價了。如果貝索斯過來問你這個決定如何影響股價,你會怎麼回答?
Prime屬於訂閱產品(subscription)。用戶向Amazon按時上繳會費,換取的價值是在所規定時間內可以享受某種服務。絕大多數saas(software-sold-as-service)產品採取的都是訂閱的收費模式。
概括的來說,所有訂閱產品的商業分析問題可以歸結為一個最根本的指標:用戶的生命價值(LTV,lifetime value)。簡單講,LTV衡量了每個訂閱者在訂閱期間為Prime帶來的收益。
現在面試題來了:
如何計算Prime用戶的平均LTV?作為商業分析師,可以從哪些方面可以改善LTV?
這個面試題包含兩問。接下來我帶大家依次解決這兩個問題。
第一問:如何計算用戶的平均LTV?
大家首先需要記住這個公式:
LTV = 年費 / ( 1 - 留存率)
年費:很簡單,就是用戶每個訂閱周期的訂閱費用。在Prime漲價之前,年費是100美元。
留存率:這個指標計算的是一個概率。這個概率衡量的是:從用戶開始訂閱開始往後看12個月,在12個月底的時候,平均下來用戶還繼續訂閱的比例是多大?
大家不用去過多關心這個公式的推導,而是應該對這個公式加強直觀理解:
- 年費越高,分子越大,LTV也就越大
- 留存率越小,分母越大,LTV也就越小。
年費是多少,我們是知道的。所以關鍵是,如何通過現有數據去統計這個留存率?
第一步,我們可以在數據中找出1月份新註冊Prime的用戶。我們對這些用戶進行兩個統計:
- 一共有多少人註冊
- 這些人在之後的12個月內,每個月有多少用戶留存
在Google Sheet或者Excel中,我們可以做出這樣一個表格:
解讀一下:
- size:一共有128人在1月份註冊Prime
- r_N: 在這128人中,有多少人在第N個月的訂閱還有效
隨後,我們可以把每月的留存數量轉化為留存比例:
我可以觀察到,對於1月註冊的用戶:
- 用戶在下個月留存比例為98%,也就是2%的退訂率
- 用戶在第3個月末留存比例為80%。也就是20%的退訂率
- ...
- 用戶在1周年的時候,留存比例為57%,也就是43%的退訂率。
我們把這個信息做成數據可視化,便於觀察:
現在,我們計算出了一個用戶留存曲線(retenion curve)。但是,目前我們只是針對在1月份註冊的用戶這個群體進行的統計。下一步,我們按照註冊的月份,去對其他的用戶群體進行同樣的統計:
這張表格比較有意思,我們講解一下:
- m_N: 每一行代表了在第N月份註冊Prime的用戶。比如,m7代表在7月註冊的用戶。
- 越晚註冊的用戶,我們可以收集到的歷史數據越少。比如,到目前為止,m7的用戶僅僅經過了7個完成的訂閱周期(billing cycle)。
同樣的,我們把這個表格可視化:
於是,我們完成了經典的用戶留存曲線圖(cohort-based retention curve)。這個圖涵蓋的信息量非常大。我們可以得到這樣幾個信息:
- 不同月份註冊Prime的用戶的留存基本相似
- 用戶的留存在註冊後的前7個月下降較嚴重,但是8個月後趨於穩定。換句話說,已經訂閱8個月的用戶,之後取消的概率會比較小。
- 平均下來,用戶在註冊後一年的留存率是60%
通過最後一個觀察,我們可以得到夢寐以求的留存率:
留存率 = 60%
代回到公式,我們可以計算出LTV:
LTV = $100 / (1 - 60%) = $250
第二問:如何改進LTV?
回答這個問題,我們同樣需要記住用公式化的思維解決這個個問題:
LTV = 年費 / ( 1 - 留存率)
如何提高LTV?
第一種方法:提高年費。這個沒什麼好說的。
第二種方法:增加訂閱留存率。退訂率 = 1 - 留存率,所以我們可以把這個問題轉化為:如何降低用戶的退訂率?
從產品角度,我們一般把用戶退訂分為兩種大的類別:
- 被動退訂(Involuntary churn)。顧名思義,被動退訂意味著用戶由於客觀原因無法繼續訂閱。 對於任何訂閱產品,99%的被動退訂都是因為交費失敗。一個常見的交費失敗原因是信用卡過期。既然找到了原因,修復就不難。我們可以和信用卡公司合作,在續費之前對信用卡進行刷卡嘗試($0 authorization),如果失敗的話可以提前告知用戶,催促用戶換張好使的信用卡。
- 主動退訂(Voluntary churn)。這個很頭疼!用戶取消了,但是不會告訴我們取消的原因。價格太貴?產品使用不頻繁?競爭對手的產品更好?回答這類問題,可能需要對用戶數據進行深入的分析。
總結
這篇文章詳細解釋了如何通過已有數據去計算訂閱用戶的生命價值(LTV)。遇到此類訂閱式的產品問題,不妨從LTV的角度去解答。
謝謝閱讀!
推薦閱讀:
※白旭東:開美容院到底要不要經常學習?
※中國設計師品牌買手店/集成店進入發展黃金期:《華麗志》深度訪談業內最有代表性的 6位創始人
※糖炒板栗交流
※從航天運輸系統發展路線圖思考航天商業化
※零基礎學習Python數據分析:數據處理模塊Pandas使用(2)
TAG:數據分析 | 商業分析 | 亞馬遜Amazoncom |