用户流失，该怎么分析？思维导图

轻涟低眉

2023-03-01

浏览量: 2

用户流失

用户流失分析常见错误错误1：试图挽留每一位用户这是运营最常见的错误，很多新人都会踩这个坑。不购物了就发券，不登录了摇转盘。结果空烧经费，养出来一帮无利不起早的羊毛客。

树图思维导图提供《用户流失，该怎么分析？》在线思维导图免费制作，点击“编辑”按钮，可对《用户流失，该怎么分析？》进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：92cf593aa20d976ae9dedb327240b701

思维导图大纲

用户流失分析常见错误

错误1：试图挽留每一位用户

这是运营最常见的错误，很多新人都会踩这个坑。不购物了就发券，不登录了摇转盘。结果空烧经费，养出来一帮无利不起早的羊毛客。

实际上，用户流失是不可避免的，天下没有100%的留存。每种业务都要关注自己的核心用户。在谈及用户流失的时候，我们真正要做的是：把流失率关在笼子里，控制在一个可以接受的水平上。

错误2：试图搞懂每一个流失原因

这是分析最常见的错误，很多新人都会踩这个坑。用户不喜欢？我们没做好？对手太厉害？用户没钱了？

总之想给每个人一个理由。可压根没数据，于是大眼瞪小眼。实际上，我们没必要、也没能力穷举所有原因。同上一条，我们只要控制可控因素，减少明显错误即可。

错误3：只盯流失不看活跃，事后诸葛

这是另一个常见错误。在流失率实际增高以后才开始分析。结果木已成舟，用户都跑了，分析了也没啥用。流失率是个相对滞后的指标。在数据上“流失”以前，用户可能已经跑掉了，早前几个月就没活跃了。

所以，流失率要和活跃率结合起来看。对于影响用户活跃的事件要尽早关注，对于核心用户活跃率要紧密跟踪，避免事后做无用功。

用户流失分析基本思路

用户流失分析的目标是把流失率关在笼子里，因此在数据上，我们首先关注的是流失率走势，尤其关注三类问题（如下图所示）。

流失率是一个和活跃率相对的概念。虽然我们习惯上会给一个：用户X月不登录/不购货即为流失用户的定义，但当用户已经不活跃的时候，真实的流失可能已经发生了。

为了更好的发现流失问题，往往自然周期和生命周期两种方式，结合活跃率一起看。自然周期往往指向事件型问题（因为事件是按自然日期发生的），生命周期往往指向系统型问题（业务做得不好，用户生命周期短or存在断点）。

事件型问题分析方法

负面的事件会引发用户流失。比如缺货、涨价、系统BUG、用户投诉、对手大促销（我们还恰好没做）等等。这一类事件最容易被识别到。体现在数据上，受事件影响的用户群体活跃率，会在事件发生后应声而落，之后N个月，流失率开始增长。

在分析时，需要：

这样就事论事，更容易看出结果。在设计挽留方法时，也更容易对症下药。找到真正让用户不爽的原因，比单纯的塞优惠券更能保留用户。

需注意：正面事件也会提升流失率。特别是用户拉新、促活、留存、唤醒等等。单纯的刺激非消费类软指标，最容易引发虚假繁荣。

客观上：只要有优惠活动，就会吸引套利的羊毛客，这类用户天生流失率就高。

主观上讲：运营方为了制造好看的数据，也会减少限制，留下套利空间。两下作用，使得正面活动的效果往往会打折。比如新用户注册，由拉新活动产生的用户生命周期流失率很容易明显高于正常新用户的（如下图），之后N个月，这一批用户流失率势必高。

因此，在做活动的时候，就得提前考虑相关后果。正面事件不同于负面，该做还得做，我们全面评估它就好了。虽然最后的结果，可能是策划、运营不想面对的，这里实际考察的是大家的节操值。

系统型问题分析方法

如果发生系统型问题，只说明一点：我们的业务做得比对手差。此时，诊断业务问题，改善业务表现才是核心。诊断方法，可以参照用户生命周期理论。

用户在进入期、成长期、成熟期的流失原因有所不同，分析的侧重点也有不同，为了节省篇幅，这里简单总结如下图。有兴趣的同学可以在文末点个在看，数量超过20个再看我们专门分享噢。

在应对系统型问题时，不同阶段考虑的重点不同。一般在进入期，会无差别改善。在进入期，用户实际上还没有体验到我们提供的核心卖点，因此需要无差别改善流程，让用户尽可能体验到核心卖点再说。

在互联网行业往往关注黑色一分钟（下载到注册的一分钟）关注新手教程的过程。在传统行业，往往强调迎客话术，尽快让用户做一次体验，试用一下产品。

进入成长期后，需要分类对待。进入成长期后，边缘用户、羊毛用户会被淘汰，用户价值也开始分化。非核心用户，就该让他流失掉，一味挽留只是空浪费经费，还会因为打折频繁让品牌贬值。这时要特别关注的是核心用户的流失，核心用户的活跃率下降，生命周期缩短，新进用户中核心用户占比下降，都是大问题，需要细致梳理和解决。有可能没有等到流失率真的涨上来，就已经开始行动了。

系统型问题可能不是一步解决的，而是持续迭代的过程。有可能我们能诊断出问题，但解决方案并不好使唤，并不能改善数据。因此如果发现存在系统型问题，需要：

最终，我们看到的是我们的用户留存曲线越来越接近竞争对手，流失率持续下降，这时候可以说：系统型流失问题已得到解决。这中间可能要很多次试验、尝试，因此需要做好观察和记录，打持久战。