数据分析,如何搞定流失用户召回?

1 评论 5140 浏览 79 收藏 14 分钟

当业务进入某一阶段之后,用户新增可能会趋向疲软,这个阶段里,运营人员可能会需要召回流失用户。那么,怎么搭建用户召回策略呢?这篇文章里,作者结合具体案例,讲述了如何结合数据分析做好流失用户召回分析的思路,一起来看看吧。

用户召回在在线业务中是一个永恒的话题,只要业务进入了一定的阶段,就一定会面临增长疲软,开始从增长式运营转向存量式运营。

我们今天通过一个具体的案例,系统性的讲一下数据分析,怎么做好流失用户召回的分析。

问题场景:

某垂类电商平台,已经进入了产品的平稳运营期,用户新增趋向疲软。希望搭建用户召回策略来召回流失用户,从新增式运营过渡到存量式运营。

一、基础做法——粗放式的召回

最简单的召回,就是直接硬怼,做几个用户分类,然后针对性的做一些话术方案,然后全渠道推出去。

二、粗放式召回存在的问题

看起来用户分层、用户触达、对比分析都有了,是不是就可以沉淀成策略了呢?

其实还存在很多问题:

问题1:没有考虑到用户本身的响应率。

有可能是这批用户本身存在很高的推送点击率,换一批用户就降低了。所以在用户分层上至少还需要区分高、中、低的推送响应率,单独进行方案和渠道的分析。

问题2:没有进行方案的优劣对比。

只有一个方案的情况下,无法进行方案上的复盘。比如高价值用户可能只需要80块就召回了,但是方案A花了100块,虽然可以覆盖需求,但造成了成本的浪费。所以在方案上需要设计不同梯度的方面面向用户,可以聚焦方案上的复盘。

问题3:没有考虑到渠道的适配。

全渠道的触达当然是有效的,但全渠道都用统一格式的方案的话会大大降低渠道的可分析性,因为push/短信/邮件/站内信的展示效率和点击效率都是有很大差异的。

  • 短信:没有标题、前10个字展示效率最高,需要嵌入链接。
  • 站内信:没有任何文案的前置展示
  • push:标题展示效率最高。

所以在进行方案和渠道匹配时,还需要进行文案的渠道适配工作。

最后得到的结果,可能如下图所示。为不同的用户匹配不同的方案、文案、渠道,最大化提升召回价值。

三、精细化运营的四个步骤

1. 用户分层逻辑

在定义用户的分层标准中会遇到各种挑战,梳理用户分层标准是一个浩大的工程。

例如:

  1. 如何判断高价值,单数、金额、频次,谁更有代表性?
  2. 假如用单数、金额做分组,如何区分高价值和低价值?(如图)

假如再考虑时间性的因素,以大客户为例,也会衍生出很多问题:

  • 一直买那么多吗?还是特定时间买这么多?
  • 是一开始买这么多,还是越买越多?
  • 是持续性买很多,还是偶尔买很多?

如:

加入了时间因素之后,对不同用户的分层和处理方式就更加复杂,比如:

  • 周期型的大客户,如何确定周期?
  • 成长型的大客户,如何确定成长的顶点在哪?

解决了以上问题,才仅仅是解决了一个用户价值分层的标签,并且标签的质量还非常的依赖数据质量的好坏。

同样的问题,在用户响应率上也是存在的:

  1. 为什么用响应率做第二个分层,其他的行不行?
  2. 哪些行为能代表响应,怎么样算高怎么样算低?

不同的部门、不同的目标,在这个问题上也有不同的解法:

这些问题,都分析清楚了,才能有准确的用户分层。

大家可以感受到,做用户分层是一个大工程,非常的劳民伤财,所以更要有层次的推进。常见的有三种方法:

  1. 从简单到复杂,层次性推进。比如,先从二分类做起,逐渐的展开分组的数量和层级。
  2. 从业务出发,先解决优先级高的问题。比如,马上双十一了,要先冲业绩,就先把囤货型揪出来。
  3. 从目标出发,先解决眼前的商业目标。比如,全年的kpi是xxx,新增需要占多少,复购需要赚多少,以此判断价值用户。

我们只简单介绍,先不详细展开。

那么,搞定了用户分层,接下来怎么办?

2. 方案分类逻辑

这么多方案,如何分析,如何匹配?

一个召回方案,至少要涵盖这四个部分:

  1. 召回钩子是什么?是打折还是送礼?打多少折送多少礼?
  2. 什么时候上线发送?精确到天还是小时?
  3. 用户转化节点到什么地方结束?
  4. 用户产生行为后多久转化算召回成功?

跟用户分层结合,又会有两个场景需要解决:

  1. 方案如何分类,怎么跟用户做匹配?
  2. 方案的匹配程度,如何判断方案是有效的?

场景一,其实就是建立方案库,对方案进行打标。例如通过方案的目标、方案的刺激点或方案的便捷性进行标记,如:

而随着方案的细化和深入,又可以在这个基础上再分层级,比如优惠券折扣的高、中、低,目标解决长、中、短期流失的用户,不同推送通道的文案详情等等。

接下来,不同方案的匹配程度,如何判定?

3. 数据采集

方案和用户的匹配分析,重点不在「如何分析」,而是在「如何拿到正确的数据」。有了准确的数据、标签之后,可以判定哪些「更有效」或者「更接近目标」,就轻松很多。

所以上面的第二个场景真正的问题是:

  1. 有没有完整的埋点记录,准确的区分和记录用户的行为。用户的注册/点击推送(哪个平台/什么文案/什么时间)-登录-活跃(进入了哪些页面/参与了哪些活动)-买单(买了什么/买了多少/用了多少折扣)整条链路是否完整。
  2. 如果没有完整的埋点记录,甚至系统之间都是割裂的,并不清楚哪些用户经过了什么流程,最后购买了哪些商品。用户的分层,方案的设计、分析就无从谈起。

所以还需要确认的是:

  • 用户的埋点是否完备,用户ID关系是否管理清晰;
  • 用户基本信息的采集、录入完成度如何;
  • 推送渠道的数据埋点是否采集,可打通;
  • 方案涉及到的各种参数,是否预留了接口可以调整、变化。

确认了以上几点,才能建设好能够支持「精细化运营」的数据采集基底。同时需要注意的是,好的数据一定是好的运营产生的。在事后补救、治理得来的数据质量,一定不如在事前规划好可用性高。

搞定了数据采集,就到此为止了吗?当然不是。

四、技术保障

推送数据发出去了,还会存在以下问题:

  • 推送多发、漏发了,怎么办?
  • 推送早发、迟发了,怎么办?
  • 推送没发出去,怎么办?

这些问题都会影响到最终的活动效果评估,还会打乱用户标签的逻辑。甚至产生一些运营事故。

所以在最终确定推送方案之前,我们还需要做的是:

  • 校验人群包是否跟目标对齐;
  • 并发资源是否充足;
  • 是否有防抓包机制。

搞定了以上所有问题,才能搭建有效的、可复用、可迭代的精细化运营。

五、总结

如果孤立的去看某一次召回活动是否成功,是否有效,看起来只需要进行一次专业的分析看起来就很完美了;

但是如果深入去思考用户召回这件事是否可持续,是否可复盘、可复用、可迭代,则需要一个强大的基础:

搭建一个庞大的体系,不只是为了解决一个单一的问题,而是更多的考虑这个方案在别的地方是否存在复用的价值。

比如这个用户召回的场景,搭建起来之后,就可以可以复用到用户转化、用户促活上。

六、工作中的实际情况及破局

很多工作场景中,其实并不是我们没有能力去做持续性的、深入的、精细化的分析。而是大多数公司,都不具备搭建底座的能力:

  • 没有用户标签;
  • 没有行为数据;
  • 没有策略分层。

从而导致只能做这样的分析:

  • A方案比B方案转化率高10%,所以A方案更好;
  • 8点发推送比12点发推送高10%,所以8点发更好。

而一遇到「用户是否有差异」、「是不是文案/卖点不行」这类问题,就容易发懵。

那么如何破局呢?

使用层次化的推进方式,从已有的内容推动同层级的基底建设。

例如已经有了「用户交易数据」、「用户基本信息」,推动补充「行为数据」采集是成本最低的。

然后模块化的向上堆叠,比如用户模块的数据已经有了,就可以开始进行用户的一级标签补充及构建了。最后的推动方式如图所示:

逐步推动底层的建设,持续输出和迭代分析结果。

做完了以上内容,就完成了一个粗放式运营向精细化运营的转变,从0到1搭建了一套数据运营体系。

这套体系还有个很好听的名字,叫做「CDP(Customer Data Platform)」。

作者:汪浩,公众号:只说人话的小汪(ID:transform_wh)

本文由@汪浩 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 很完整的思路,感谢老师!

    来自浙江 回复