用户活跃、留存、流失,超全图解!

1 评论 2800 浏览 12 收藏 11 分钟

在数字时代,用户行为的每一次跳动都是企业关注的焦点。用户活跃、留存、流失——这三个指标如同企业的脉搏,跳动着市场的真实节奏。然而,它们之间的纷繁交织,常常让分析师们陷入迷雾。本文,我们将揭开这三大用户行为指标的神秘面纱,探索它们背后的逻辑与真相。从活跃的定义到留存的周期,再到流失的判定,每一步都是对用户心灵的深度解读。

很多同学都抱怨:用户留存、用户活跃、用户流失三大问题很难搞。

一来,这三个问题看似相同,可又不全一样,不太清楚到底是啥。

二来,这三个问题常常相互牵扯,相互影响,讲着讲着就晕了。

三来,这三个问题都很难给分析建议,往往把数值算出来,就不知道说啥了。

每次做分析,不是说:“要搞高!要搞低!”,就是战战兢兢地写上:具体情况得同业务沟通/得去问用户,给不出啥建设性意见。今天我们先正本清源,搞清楚这仨是啥。

一、三个各自是啥意思

用户留存,用户活跃,用户流失,三者其实是用户活跃行为的三种不同统计方式。

用户活跃:首先给出“活跃”行为定义,如登录一次、访问时长超过10分钟、消费1次等等,之后用户每次做出活跃行为,即记录为:活跃一次(如下图)。

用户留存:用户从指定时间开始,经历一段时间以后仍然有活跃行为,则记为1次留存。最常见的是新用户留存(如下图)。

用户流失:人为定义一个时间点为流失节点,比如用户12个月未登录之类。达到节点的,即为流失用户。注意和用户活跃、用户留存不同,用户流失不是个客观事实,而是个主观认定。理论上只要企业不主动销户,你可以认为用户永远没有流失。当然我们知道这是自欺欺人,所以一般会给定一个具体的流失标准。

二、三者的联系和区别

反应快的同学已经注意到,这三者之间有明显联系。

用户活跃与用户留存间关系如下图:

用户留存与用户流失间关系如下图:

因此,如果活跃标准是登录,流失标准是三个月未登录:

1、小明2月1日注册,计入当月活跃用户

2、小明3月、4月、5月未登录,计入不活跃用户、非留存用户

3、小明6月份仍未登录,计入不活跃用户、非留存用户、流失用户

既然三个指标都是指向活跃行为,为啥还要区分成三个呢?因为这三个指标,其实代表了业务能行动的三个方向:

1、用户活跃,是可以即时统计的指标。因此短期内行动会马上反应在它身上。正向行动,比如大促销,做推广能立马见到反馈;负向行动,比如服务器宕机能马上看到影响。

2、用户留存,需要观察较长时间。因此能更多地反映系统性、结构性问题。比如产品体验不好,竞争力不足,运营不到位等等。

3、用户流失,则是挽救用户的底线。用户越久不来,唤回的成本越高,甚至用户早就忘了还有这么个产品。设置流失指标,可以更好地提醒:有多少用户触及底线,要注意!

做业务,讲究长短棍结合。用户活跃,用户留存,用户流失三个指标指向的,就是业务的短期举措、中期举措、长期举措。因此需要分开统计和分析。

实际上,当用户群体活跃度下降的时候,这三个指标经常一起异动,导致分析很难进行。然而,导致分析难做的,可不止是数字计算上的问题。下边这些才是真正的麻烦。

三、为啥分析很难做

难做的根源,是:如果用户登陆的话,我们很清楚他登录以后干了什么,但是用户未登录的话,我们不清楚他为什么不登录。未登陆的理由,只能去猜。这就是这三大问题难缠的核心之处。如果领导问我们:“今天登录用户访问了哪些页面?”估计各个对答如流。但是如果领导反问:n 不活跃的原因是什么?n 留存率低的原因又是什么?n 流失率上升的原因又是什么?

估计很多人都一脸黑线。如果后边再加一句:“说具体原因!不要光扯数字!”估计很多人就直接崩溃了。满脑子想的都是:“我找产品经理问问”,“我找几个用户聊聊”,小手估计都已经开始往电话那摸了……

然而这只是第一重麻烦,第二重麻烦更难搞。就是除了微信这种超级应用以外,没有啥应用是必须用户每天打开的。n 有些应用就是窗口期很明显,比如租房、旅游;n 有些应用就是天生不活跃,比如互联网金融产品;n 有些应用爱的爱死,不爱的转头就丢,比如游戏、短视频、社交产品。

所以就会衍生出来一个概念:自然生命周期。

n 用户自然状态就是寒暑假才登陆

n 用户自然状态然就是使用XX天以后流失

n 用户自然状态就是每个季度才登录1、2次

难就难在“自然”这俩字上。你会发现这个“自然生命周期”就像空气一样,大家都知道它会存在,但是就是看不见摸不着。谁规定自然周期就是这么多?有什么理由你确定这用户属于自然流失,而不是产品做得不好?看似这个数值存在,可真要具体到某个用户头上,似乎又都不存在。

于是和自然增长率一样,所谓的自然生命周期,很容易沦为运营们甩锅的主战场。活跃率高了、留存率高了是我做出来的。活跃率低了、留存率低了是自然原因,我不做就更低。

这种论调会直接导致老板的不满,也导致对数据分析的要求更高——大家都希望数据分析师能清楚地说:张梓涵是自然原因流失的,他对我们的产品非常满意,就是自然而然不用了,没有其他理由。嗯嗯,是不是很想往张梓涵查数据线直接读取脑电波了……

然而这只是第二重麻烦,第三重麻烦更难搞。就是大家都本能的,以为只要搞清楚了用户不活跃、留存低、流失的原因,就能把用户拽回来。这是非常徒劳和愚蠢的想法,就像分手的时候,男生拽着女生的手苦苦的问“你为什么要离开我,为什么,为什么,这是为什么,你给我个理由”

但凡看过两集言情剧,都知道这么干毫无意义。但是事情轮到自己头上,却又总是忍不住去问“为什么,为什么,这是为什么!”唯一的区别,是这次是老板问的。你不能像言情剧里那样,找个宵夜摊来上几支啤酒一把烤串,把他灌醉了事。

以上三重问题,使得算用户活跃率,用户留存率,用户流失率三个数值很容易,但是想要分析清楚背后的原因,找到针对性的对策,就非常地困难。特别是在用户活跃率下降,用户留存率下降,用户流失率上升的时候,业绩压力会让各个部门相互甩锅、胡搅蛮缠的动力急剧上升。

这时候做数据的同学想要全身而退,就得牢记“战场上,真理第一个阵亡”的原则,认真分析具体问题中的利害得失,找到解决办法。

本文由人人都是产品经理作者【接地气的陈老师】,微信公众号:【接地气的陈老师】,原创/授权 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。

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
海报
评论
评论请登录
  1. 非常感谢陈老师的分享,学到了不少,为自己的面试分析以及数据量预估,以及技术栈,资源申请的方面提供了不少帮助

    来自中国 回复