用戶流失該怎么分析？用戶流失率的數(shù)據(jù)可以算，可算出來以后呢？只看數(shù)據(jù)似乎完全看不出什么流失原因，只知道用戶已經(jīng)X個月沒有來了，也不知道看到這個能干啥。今天系統(tǒng)討論一下。

一、用戶流失分析常見錯誤

錯誤1：試圖挽留每一位用戶。

這是運營最常見的錯誤，很多新人都會踩這個坑。不購物了就發(fā)券，不登錄了搖轉(zhuǎn)盤。結(jié)果空燒經(jīng)費，養(yǎng)出來一幫無利不起早的羊毛客。實際上，用戶流失是不可避免的，天下沒有100%的留存。每種業(yè)務都要關注自己的核心用戶。在談及用戶流失的時候，我們真正要做的是：把流失率關在籠子里，控制在一個可以接受的水平上。

錯誤2：試圖搞懂每一個流失原因。

這是分析最常見的錯誤，很多新人都會踩這個坑。用戶不喜歡？我們沒做好？對手太厲害？用戶沒錢了？——總之想給每個人一個理由?？蓧焊鶝]數(shù)據(jù)，于是大眼瞪小眼。實際上，我們沒必要、也沒能力窮舉所有原因。同上一條，我們只要控制可控因素，減少明顯錯誤即可。

錯誤3：只盯流失不看活躍，事后諸葛。

這是另一個常見錯誤。在流失率實際增高以后才開始分析。結(jié)果木已成舟，用戶都跑了，分析了也沒啥用。流失率是個相對滯后的指標。在數(shù)據(jù)上“流失”以前，用戶可能已經(jīng)跑掉了，早前幾個月就沒活躍了。所以，流失率要和活躍率結(jié)合起來看。對于影響用戶活躍的事件要盡早關注，對于核心用戶活躍率要緊密跟蹤，避免事后做無用功。

二、用戶流失分析基本思路

用戶流失分析的目標是把流失率關在籠子里，因此在數(shù)據(jù)上，我們首先關注的是流失率走勢，尤其關注三類問題（如下圖所示）。

1、事件型問題。由一次/多次事件引發(fā)的短期流失率波動。

2、系統(tǒng)型問題。公司整體流失率高于同行/經(jīng)驗水平，并且居高不下。

3、持續(xù)型問題。流失率從某時間開始持續(xù)增高，未見好轉(zhuǎn)跡象。

流失率是一個和活躍率相對的概念。雖然我們習慣上會給一個“用戶X月不登錄/不購貨”即為流失用戶的定義，但當用戶已經(jīng)不活躍的時候，真實的流失可能已經(jīng)發(fā)生了。

為了更好地發(fā)現(xiàn)流失問題，往往自然周期和生命周期兩種方式，結(jié)合活躍率一起看。自然周期往往指向事件型問題（因為事件是按自然日期發(fā)生的），生命周期往往指向系統(tǒng)型問題（業(yè)務做得不好，用戶生命周期短or存在斷點）。

 三、事件型問題分析方法

負面的事件會引發(fā)用戶流失。比如缺貨、漲價、系統(tǒng)BUG、用戶投訴、對手大促銷（我們還恰好沒做）等等。這一類事件最容易被識別到。體現(xiàn)在數(shù)據(jù)上，受事件影響的用戶群體活躍率，會在事件發(fā)生后應聲而落，之后N個月，流失率開始增長。

在分析時，需要

1、收集并密切注意相關事件。

2、做好事件歸類（內(nèi)部/外部、系統(tǒng)/價格/商品…）。

3、鎖定受影響用戶群體（打好標簽以備觀察）。

4、關注受影響用戶活躍變化。

5、觀察事件對整體流失影響。

這樣就事論事，更容易看出結(jié)果。在設計挽留方法時，也更容易對癥下藥。找到真正讓用戶不爽的原因，比單純地塞優(yōu)惠券更能保留用戶。

需注意：正面事件也會提升流失率。特別是用戶拉新、促活、留存、喚醒等等。單純地刺激非消費類軟指標，最容易引發(fā)虛假繁榮。

客觀上，只要有優(yōu)惠活動，就會吸引套利的羊毛客，這類用戶天生流失率就高。

主觀上講，運營方為了制造好看的數(shù)據(jù)，也會減少限制，留下套利空間。兩下作用，使得正面活動的效果往往會打折。比如新用戶注冊，由拉新活動產(chǎn)生的用戶生命周期流失率很容易明顯高于正常新用戶的（如下圖），之后N個月，這一批用戶流失率勢必高。

因此，在做活動的時候，就得提前考慮相關后果。正面事件不同于負面，該做還得做，我們?nèi)嬖u估它就好了。雖然最后的結(jié)果，可能是策劃、運營不想面對的，這里實際考察的是大家的節(jié)操值。

四、系統(tǒng)型問題分析方法

如果發(fā)生系統(tǒng)型問題，只說明一點：我們的業(yè)務做得比對手差。此時，診斷業(yè)務問題，改善業(yè)務表現(xiàn)才是核心。診斷方法，可以參照用戶生命周期理論?！居脩羯芷?，這部分關鍵內(nèi)容，書上忘了講……】

用戶在進入期、成長期、成熟期的流失原因有所不同，分析的側(cè)重點也有不同，為了節(jié)省篇幅，這里簡單總結(jié)如下圖。

在應對系統(tǒng)型問題時，不同階段考慮的重點不同。

進入期

一般在進入期，會無差別改善。在進入期，用戶實際上還沒有體驗到我們提供的核心賣點，因此需要無差別改善流程，讓用戶盡可能體驗到核心賣點再說。

在互聯(lián)網(wǎng)行業(yè)往往關注黑色一分鐘（下載到注冊的一分鐘）關注新手教程的過程。在傳統(tǒng)行業(yè)，往往強調(diào)迎客話術(shù)，盡快讓用戶做一次體驗，試用一下產(chǎn)品。

成長期

進入成長期后，需要分類對待。進入成長期后，邊緣用戶、羊毛用戶會被淘汰，用戶價值也開始分化。非核心用戶，就該讓他流失掉，一味挽留只是空浪費經(jīng)費，還會因為打折頻繁讓品牌貶值。

這時要特別關注的是核心用戶的流失，核心用戶的活躍率下降，生命周期縮短，新進用戶中核心用戶占比下降，都是大問題，需要細致梳理和解決。有可能沒有等到流失率真的漲上來，就已經(jīng)開始行動了。

系統(tǒng)型問題可能不是一步解決的，而是持續(xù)迭代的過程。有可能我們能診斷出問題，但解決方案并不好使喚，并不能改善數(shù)據(jù)。因此如果發(fā)現(xiàn)存在系統(tǒng)型問題，需要：

1、選好參照標桿，找準差距

2、設計解決方案，投入測試

3、記錄測試結(jié)果，觀察數(shù)據(jù)變化

4、積累經(jīng)驗，保留有效方法

最終，我們看到的是我們的用戶留存曲線越來越接近競爭對手，流失率持續(xù)下降，這時候可以說：系統(tǒng)型流失問題已得到解決。這中間可能要很多次試驗、嘗試，因此需要做好觀察和記錄，打持久戰(zhàn)。

五、持續(xù)型問題分析方法

持續(xù)型問題往往最難解決。因為實際上流失率、活躍率、留存率等數(shù)據(jù)，經(jīng)常出現(xiàn)不規(guī)則小幅度波動，而不是大幅度持續(xù)增長。

這就是真正的雞肋問題：放著不管、領導總問。想管一管，沒有頭緒。甚至還有流失率漲了幾天，分析報告還沒寫出來丫就跌回來了，真是尷尬。

處理的順序，事件型》系統(tǒng)型》持續(xù)型。因為單次的重大事件最容易被識別到，容易通過數(shù)據(jù)看清楚。同時，往往一系列事件是導致系統(tǒng)型、持續(xù)型問題的根源，能識別具體事件對處理其他問題也有幫助。系統(tǒng)型問題，在業(yè)務方經(jīng)驗豐富的情況下，能找到合適的標桿，因此相對容易處理。

最難的是持續(xù)型問題，往往流失率變化不會持續(xù)到特別嚴重，而是小范圍反復波動（如下圖），在缺少經(jīng)驗、數(shù)據(jù)積累的情況下，很難完全識別這些小波動，所以最后解決。

如果真解決不了，就設立觀察指標，先追蹤起來。等到有一定程度，可能可以找到線索。

6 、不同業(yè)務類型流失處理差異

因為流失問題和業(yè)務高度相關，因此不同業(yè)務流失分析方向也不同。從大類上看，有兩個最重要的區(qū)分維度。

貴重低頻產(chǎn)品VS便宜的快消品。

越貴的產(chǎn)品（車、房、大件家居、婚慶……），用戶決策流程越長，越傾向于事前判斷，不存在復購一說。此類業(yè)務用戶決策有明顯的窗口期，越往deadline接近，用戶最后下判斷可能越大。

所以，此類業(yè)務用戶流失是個倒計時沙漏，在接觸到用戶的第一時間要搞清楚用戶狀態(tài)：用戶需求是什么、對比了哪些競品、是否已經(jīng)開始議價。

這樣可以大概判斷：留給我們的時間還有多少。從而更好抓住成交機會，趕緊跟進。而不是傻傻不分需求，按部就班介紹、跟進，黃花菜都涼了。

快消品，或者購買頻次高的消費類產(chǎn)品（比如衣服、鞋、手機）用戶天生忠誠度低，很容易被流行趨勢、促銷活動改變態(tài)度。完全可以采用無差距挽留的策略。反正用戶這一次不買，過一段時間也會回來買。

因此處理此類產(chǎn)品，互聯(lián)網(wǎng)企業(yè)往往區(qū)分平臺流失與產(chǎn)品流失兩個流失留存。

只要用戶還停留在平臺上，就持續(xù)做喚醒。傳統(tǒng)企業(yè)往往利用換季、新品上市、周期慶、節(jié)日活動等手段，多頻次激活用戶?？傊?，只要用戶價值足夠大，就不拋棄、不放棄。

傳統(tǒng)行業(yè)VS互聯(lián)網(wǎng)行業(yè)。

兩者在用戶生命周期上積累的數(shù)據(jù)量不一樣。互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)較多，往往可以記錄用戶從點擊推廣鏈接-落地頁-注冊-瀏覽-下單全過程。

因此常采用漏斗分析法，看流失用戶會卡在哪些步驟，鎖定問題點做改進。特別是新人注冊階段，往往是無差別優(yōu)化。

傳統(tǒng)行業(yè)往往只有消費數(shù)據(jù)，因此只能用消費頻次、消費間隔來衡量用戶。一般用戶在消費n次以后，不喜歡的會流失，喜歡的會持續(xù)買，這就是所謂的魔法數(shù)字。關于魔法數(shù)字可以看這篇【魔法數(shù)字是什么？如何用數(shù)據(jù)分析找到它】

通過魔法數(shù)字的大小對比，可以知道自己與對手的差距。至于用戶到店-迎客-體驗-服務-評價等行為層面，完全沒有數(shù)據(jù)，需要通過市場調(diào)查等手段補齊。

這里主要是提醒，業(yè)務間差異很大，雖然流失的定義可以定成XX月不登錄/不購買。但是實際流失場景可能早就發(fā)生了，制止流失的關鍵動作也可能沒有數(shù)據(jù)記錄。多結(jié)合具體業(yè)務思考辦法，比機械碼數(shù)字管用。

7、小結(jié)

很多同學覺得用戶流失問題很難處理。從明面上看，是因為用戶流失的數(shù)據(jù)少，我們不知道用戶心理怎么想的。

可從本質(zhì)上看，是因為會導致用戶流失的原因，與用戶生命周期、用戶分群、用戶決策流程、用戶成長路徑、新用戶轉(zhuǎn)化流程、用戶體驗、用戶MOT、競品影響等眾多因素有關。

這里隨便一個主題拿出來都能單獨擺一篇文章。整明白了這些，基本就搞懂了整個用戶運營的流程。本質(zhì)上，用戶流失分析難，難在：做分析的同學們很少懂用戶運營的業(yè)務。

拉一個做分析的同學出來問：

● 生命周期該是多長？

● 行業(yè)性留存率是多少？

● 核心用戶是什么群體？

● 核心賣點是什么體驗？

● 競爭對手有多大差異？

● 最近運營發(fā)生了啥事？

● 出現(xiàn)哪些意外bug？

● 最新改動有什么影響？

● …… 

回答都是：不太知道。甚至是：統(tǒng)統(tǒng)不知道。你問他知道啥？他只知道計算個流失率的數(shù)據(jù)，然后按用戶年齡、性別、注冊渠道、購買頻次……等指標做一大堆交叉表。然后對著一組組數(shù)據(jù)1%、2%、3%的差異發(fā)呆：到底說明什么了呢？

以上是個玩笑?？傊治霾粌H僅是跑個數(shù)據(jù)拉個表，更是深入問題內(nèi)部、找到業(yè)務上真正病根。