跟產品一樣，使用者也是生命週期的，在使用者逐漸流失時，企業應該怎麼做呢？本文將從三個方面展開分析，希望對你有幫助。
這是一篇講述使用者生命週期與流失挽救方面知識的文章，穿插了大量的從BI角度對業務進行資料分析的方法。
相關知識的寬度與深度有點高，涉及到的知識點有：使用者生命週期、流量方向的分析方法論、使用者分群、使用者挖掘、演算法、渠道歸因、拉新、端承接、運營、產品等。除了遍歷這些知識外，文章的核心部分是關於兩個資料產品的（關於資料產品方向文章沒有做更多闡述）。
網際網路的重心一直在 C 端，這些年網際網路的發展也是圍繞著 C 端這個主題。
現存的大小巨頭們圍繞著電商、社交、生活、諮詢、長短影片等領域割草圈地，其核心還是圍繞著 C 端使用者從每個人的生活進行資料化，再透過資料化進行變現。這些變現模式比如會員充值服務、增值服務以及包含內容收費服務等收費模式，在某些地方多放入點廣告，比如開屏廣告、資訊流廣告、各種展示位的廣告等等，從而產生更多的商業收入，這些方法大家玩的不亦樂乎。
但是忽然有一天，各大媒體就開始叫喊著遇到了流量天花板紅利殆盡，同時在這兩年他們也做了大量渠道下沉的工作。現實情況也確實是大部分的流量逐步被開採到接近枯竭，單個使用者的獲取成本從幾毛錢變成近百，所帶來渠道成本、使用者成本、運營成本等各種成本壓力直線上升。大家也從產品上、運營的角度來想盡各種辦法，對 C 端使用者做各種深度運營並挖掘使用者可利用價值。
在這個深度挖掘過程中會涉及到多方面的工作，其中產品運營、使用者運營是直接能對使用者起到正向或負向作用的業務方。
舉例的話，產品說：“我要在這個地方增加一個功能， 目的是讓使用者點個贊。我在播放暫停時要給使用者彈出一個可互動功能來，可以增加使用者的操作感（誰想出來的這個功能）”；運營說：“我要把使用者做分層，這批使用者多引導他們充個值， 搞個充一萬返兩萬的活動，只不過分三年返還（我嘞個去，某廠太愛幹這個了） 。”
這些工作，不管是產品運營去做、還是使用者運營去做，必然都會需要從產品生命週期、使用者生命週期的角度對 C 端使用者做研究。
那什麼是使用者生命週期呢？
一、使用者生命週期使用者生命週期，是指從一個客戶開始對企業進行了解或企業欲對某一客戶進行開發，直到客戶與企業的業務關係完全終止且與之相關的事宜完全處理完畢的這段時間，在營銷學上又稱為客戶的生命週期。
它的定義為：引入期(客戶獲取)、成長期(客戶提升)、成熟期(客戶成熟)、休眠期(客戶衰退)、流失期(客戶離開)一共五個階段。那在網際網路中呢，一個使用者從首次安裝使用這個產品開始，到最後一次開啟後的這段時間內，可以定義為使用者的生命週期(備註，該定義來自百度搜索)。
新產品上線、新功能上線、老產品因為衰退需要退出市場等，都是產品、運營等部門的工作，背後隱含的都是需要管理“使用者生命週期、產品生命週期”。
我們來看一些實際的場景：
- 新產品進行推廣並獲取使用者的時候，需要在各種媒體曝光、透過渠道推廣和營銷拉來新使用者。
- 產品推廣一段時間需要從建設體系、運營體系指定好規則與權益，以及使用者的成長體系，產品的認知教育體系等等，站在C端體驗的角度做好使用者的培養。
- 業務增長很快時，可以圍繞從忠誠度以及背後的資料沉澱與提煉方面，進行再利用的思考，為帶來更多有價值的使用者來做更多的事情。
- 如果使用者因為某些原因解除安裝或離開後，需要對於離開的使用者進行老使用者關懷、郵件推送、好友召喚等，用這些手段進行喚回。
以上的這些業務場景，背後就是利用產品、使用者週期的不同階段，採用不同的策略。
我們用一個短影片的例子稍微展開講一下使用者生命週期的場景事情。
二、短影片產品中的生命週期比如一款短影片APP業務，在產品規劃階段需要有的功能定位 ：使用者在資訊流中找到自己喜歡的內容並消費（在這裡成為消費者），在消費過程中再透過各種視覺化的表達形成互動，在互動過程中產生成就感或滿足感，然後能進一步促使重新整理與消費。
這個過程中，核心內容是“看- 表達-互動-成就”，互動與成就感驅使內容的消費者回到“看”這個動作上，進一步形成閉環。
將這個場景進一步具體化，就是在資訊流中發現有趣的且自己喜歡的內容並進行消費；在這個消費的過程中可能會有互動的行為產生，比如說點贊、評論、互動、跟帖等；再透過激勵措施形成更強烈的成就感。
在某些激勵措施下驅使使用者不斷的進行消費，透過成長、等級差異產生的各種沉澱兌換更多的獎勵來產生更多的消費。
例如有一天某消費者忽然生產併發布了一條內容， 這條內容透過演算法下發到資訊流中被更多的人消費了，然後系統透過激勵機制的進行換算並獎勵了影片的生產者。
透過激勵與獎勵的不斷刺激促進下面兩條關鍵線的迴圈：
- 對於消費者：發現->消費->激勵->再消費的環線；
- 對於生產者：生產 ->釋出->獎勵->再生產，從而逐步的形成一個自迴圈的生態。
如下圖所示：
在這個流程的主幹都有了，我們再需要具體化一下場景：
- 比如使用者在資訊流中不停的下拉重新整理，尋找自己感興趣的內容就會點選消費。
- 在資訊流看到一個很有意思的影片或圖文點贊留言，透過更多的刺激性的引導（比如成就或激勵），讓使用者在這個過程中產生更多的互動或其它的一系列的場景化。
- 針對話題輿論引導，建立更多的互動類與話題類場景，使用者會因這個話題而聚集，從而產生更多範圍更廣的內容。
- 激勵與獎勵的存在，會讓部分人因為利益的驅動從而去生產更多的內容，這樣從單一的表達進化到社群活動再促進社群生產。
如果把這些場景都覆蓋到流程上，對於前半段的內容化與後半段的社會化，我們可以具體如下圖所示進行細化：
從產品角度來看內容化、社會化這兩個方向，具體分解，可以得到更多的功能的列表。
比如，內容化涉及到的功能有短影片的基礎體驗、顯示調性展現、使用者引導、產品基礎效能。情緒點消費，包含情緒點聚合、真實感、實時感等表達與展現。社群互動需要建立互動場景、話題運營、使用者密度、生產引導等。
進一步從產品的期望、興奮、無差異化角度來看，細化如下：
期望型功能：
興奮點功能：
無差異化：
到此為止，這款APP的基本功能已經具備了，經過一段時間的緊張開發與測試β版釋出，相關的運營、渠道、市場都是要配合同步來做各種推廣與拉新的。
在產品規劃階段，需要將這個產品相關的各個物料、角色全部都運作起來。等到產品推廣時，渠道市場相關、運營相關、內容等方面都會圍繞APP的定位、目標使用者群體與內容進行開展，下圖是一個大概的策略節點：
其中各個角色需要做的事情：
- 市場：需要根據產品、品牌、內容等進行一系列對外推廣的工作。
- 渠道：根據策略調整渠道投放、預裝廠商與機型選擇等等。
- 運營：達人的引入、個人引入、獎勵機制的設定、內容生產引導等、玩法引導等、精品池的打造、內容結構化、UGC社群的運營，圍繞這些進行一系列的推廣，按產品的節奏去做運營的工作。
- 演算法：冷啟動、下發策略、內容池建設、各種模型建設等。
- Growth：渠道最佳化、各種 deeplink 測試，重點投放、外部換量，促活等，圍繞拉新促活。
- 產品：配合各方在最佳化功能，產品模組落地等。
從一個數據人角度，我將渠道、投放、客戶端、使用者、場景、內容、演算法、內容庫、生產、結算等主幹關係大概梳理如下：
裡面幾個業務角色做的事情與C端使用者都有很大關係，簡單來說：
- 市場投放或從渠道過來的 C 端使用者，根據品牌推廣時間點、放量大推的內容，或吸引很多新老使用者過來使用這個APP，使用者從首次安裝APP到啟動瀏覽消費、再到深度消費，這個過程中，一個新使用者逐步會變成老使用者，或者在使用過程逐步的流失掉。
- 新產品產品上線，需要內容聯動，尋找種子使用者，提升留存與轉化率。
- 放量推廣階段，拉新質量，渠道轉化效率，產品問題，內容質量、話題質量等一系列工作，就是想辦法培養忠實使用者、調動終身價值，降低流失。
- 產品策略調整，可能新的功能上線等，關注增量使用者到存量的轉移、使用者持續活躍，降低流失。
在這個過程中的投放找使用者、放量搞促活、策略調整防流失等，從產品、運營角度已經開始對使用者不同階段有意識進行分層做業務了。BI團隊也從使用者生命週期，使用者活躍天數、使用者流失天數、使用者最長訪問間隔、啟動次數，vv，ts，使用者型別，使用者影片偏好對使用者進行了不同的細分，便於開展定向工作。
我大概列舉了一下從使用者生命週期角度來做的一些工作內容，如下表：
從使用者的引入到最後的離開，使用者在產品中經歷過的幾個不同路徑經模擬有，下面大概四種類型路徑：
每個業務，不管是產品還是運營都需要使用者分群，根據使用者的不同階段與特點，從內容、產品功能、活動等各種手段來提升活躍的留存。
現在網際網路的世界裡一切都是為了增長，一切閃現的創新都是為了讓產品產生爆發式成功的可能性。但這些都非長久之策，我們能夠拿出很多個例子，很多APP雖然一夜爆紅，但大多數都像曇花一現，最後淹沒在APP的浪潮中。
一款APP能否留住使用者，歸根結底還得看能否滿足使用者的中長期硬貨需求。做C端生意必然得有流量，聚集起大流量才能做到大生意，那麼從資料分析的角度是如何去理解呢。
三、流量下的使用者水池與使用者價值遷移
做流量通常都會看到這樣一個圖，每日的 DAU 、每月的 MAU 相當於一個大水池子，新使用者相當於入水口，流失相當於出水口。如果想不斷增加水池水量，辦法只有增加入水口水量或減少出水口的量，這樣才能讓水池的水逐漸的增加。
如果把活躍比作水池、NU比作入水、流失比作出水，如果要增加MAU量，就需要從市場投放、買量、安裝、啟用、承接、拉留存、減少流失等角度使用不同產品與運營手段。
比如：
NU 用增與投放部分，從資料角度要判斷清楚新使用者是經過什麼轉化為老使用者的，要從行業的角度、看自己資料現狀角度、新使用者的價值鏈條角度、渠道角度分析來做比較全面的分析，在進一步在產品運營事情，比如定製化的介面、內容等等。
當然在渠道方向可以做的分析與建設還是非常多，後面有機會專門拿出一個篇幅來寫渠道相關的（比如你是怎麼考慮歸一化的呢，是用基於shapley值歸因、markkov連圖歸因、還是first_time、last_time、first_click , last_click 、基於時間序列的某東西、deeplink、或者是幾種模型合併在一擴充套件）。
活躍提升需要從渠道質量的角度、成本、商業化、各類深度、畫像路徑、角度進行拆解分析，才能做到精細化的探索與精細化到小群體的策略。
比如流失分析與挽救，要進行流失使用者的定義，不同的產品有自己的業務使用者特點，是需要具體業務的場景具體來做定義，比如說微信錢包、支付寶偏工具性APP，王者榮譽、吃雞等遊戲類 APP、聊天軟體等，瀏覽器工具類產品等，使用者一週內、一個月內不使用可能就造成了流失。我們需要從使用者產品生命週期中分析一個使用者使用曲線來定義流失。
定義流失後還需要從使用者畫像、使用者分群、流失特徵等多角度來做分析，找到特性後在利用運營手段配合一定資源來作為挽救（該圖來自網路）。
在流量這個方向，結合著名的AARRR模型來看，從 BI 的角度做了分析方向的拆解，在這個系列中大概用到的分析包括同期群分析、漏斗分析、路徑分析、留存分析、使用者分群分析、ROI 分析等方法。
在使用者生命週期的每個階段，都可以用這些方法去做分析（備註，之類的分析模型在本章暫時不展開講，等在後續的資料分析序列中在做闡述）。
不同的群體會隨著時間的變化而變化。一個高活躍群體隨著時間、版本迭代功能產生增減，內容的變化會造成使用者使用習慣的上的變化，例如有大概有1000個DAU的小使用者群體，這個群體在資訊流中消費是高頻高額的。
隨著時間逐漸流失，這個一千人的高頻小群的使用者也逐步的發生變化。其中有300個人消費頻次越來越低，如果此時剛好渠道運營做拉量活動，其中有300個新使用者因為突發性的高頻高額消費被補充進了這個1000個使用者的人群中。
我們從指標上看到這個人群規模保持了1000個DAU不變， 但是具體來說有可能是人群有300個出去了， 但又進來300個人。雖說從指標上看還是1000個高頻高額，但是這個使用者的價值結構已經發生了一些變化，此時這個群從使用者價值角度看已經發生了群體規模特徵遷移。
比如在商業化中，給公司產生高收入的人群，隨著時間的變化群體總數不變，但是個體一直在變化，從收入角度看似沒什麼變化，但是從價值規模變遷角度來看變化是比較大的。
一般的我們會關注人群的遷移是正向遷移還是負向遷移。一般的情況下，在產品、運營各方面做的都好或這個業務生態很健康情況下，人群應該是都往正向遷移的。反過來，如果人群負向遷移比較多，就說明已經出了問題。但是很多業務都用資料說話，看DAU/MAU都很高，就認為沒有什麼問題。
由於產品、運營對於產品的功能、運營的內容、市場的變化以及使用者需求不斷的迭代升級，每層使用者都可能在每天發生行為上的變化，所以我們除了分析流量指標外，還是需要更多的關注在使用者生命週期內的每個群體每天心智發生了哪些變化，使用者對於我們產品的認可和依賴發生了怎樣的變化，以及評估如何採取運營抓手可以針對性地促進哪個遷移路徑。
例如，我們從使用者分群、使用者價值角度做了一個分類，分為高中低三個價值區間，其中價值為中等的使用者群體在某些指標變化不大，創造的總體利潤或收益也是變化不大，但是拆成細節來看降遷的比價等於從低價值區間升遷上來的。
其中降遷的使用者群體是因為我們的產品某些特性讓這些有價值使用者群體在逐步的做小群之間流失。升遷的使用者群是因為運營上的活動強拉上來的。
例如下圖所示：
進一步這個價值中等的人群（下圖的例子是給出了一個小部分的截圖），可以得到更加精細化的運營策略與產品策略，發現更多的一些問題所在。
產品、運營的定向最佳化是面向這個中等人群，在最佳化完畢並上線後分析使用者每天淨正向&淨負向的情況。
如果高粘性和中粘性的使用者都在淨正向明顯增加、淨負向明顯減少，說明最佳化是有效的，反之是有關聯與波動性影響的。
在使用者分群中，透過使用者生命週期與疊加的價值分群的方式，是可以更有效的去做針對性細化與作用使用者的，這個能力是可以泛化為資料產品的。
備註：本文中涉及到小部分知識來自於百度搜索。
作者：松子（李博源），自由撰稿人，資料產品 & BI 資深總監。2000 年開始資料領域，網際網路資料考古工作者一枚，經歷了網際網路古生代、中生代、今生代。作者公眾號：songzi2016。
本文由 @松子 原創釋出於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議