用户分层
用户分层最大用处就是去平均化。通过平均数,观察到的趋势是对的;但推导出的执行计划,往往是错的。落到执行层面,需要进行用户细分,才能更容易找到真正问题,制定可行的计划。
(总收入=付费用户数*付费用户人均付费)
看平均数,就会要把人均付费提高,再多搞25这种结论。可实际上,平均值降低25元,是不是等于业务就得想办法拉高25元呢?
两种很经典的业务形态,依赖土豪用户的大R型业务和依赖大量普通用户的大DAU型业务。
从毛利中拨一个固定比例作为回馈,然后参照竞争对手的比例,选择自己主打的档位,从而形成竞争优势。这样对应的分类标准,也可以直接套用业务的标准。
用户细分
从对公司贡献的收入上看,ABC三类是同一档次的。可实际上ABC三类代表了三种不同的消费习惯:
A:集中采购(很有可能是在双十一买最便宜的)集中一次大活动引爆!
B:换季采购(很有可能每季度跟风新品)每季新品促销
C:频繁采购(日常活跃高,运营最喜欢)打卡+积分+周活动
具体用哪一种,可以参考整个用户结构中ABC三类的比例,选一个主战术,效果如下:
用户画像与用户标签
活跃度分析
遭遇异常,要关注:
- 幅度:单日波动是否足够大
- 持续性:是否有持续增大、持续回落的走势
- 规律性:是否是有规律的、计划内的波动
- 关联性:关联的注册、付费指标是否同样波动
流失率分析
不要试图挽留每一位用户,用户流失不可避免,控制在一个可以接受的水平上即可。没必要没能力穷举所有流失的原因,只要控制可控因素,减少明显错误即可。流失是一个相对滞后的指标,要和活跃率结合来看,对核心用户活跃率紧密跟踪,及早发现问题。
流失率分析分类
1.事件型问题:当天出事了,短期流失率波动。指标:DOU,观察自然周期。
负面事件比如缺货、涨价、系统BUG、用户投诉、对手大促销。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。需要注意,正面事件也会提升流失率。特别是用户拉新、促活、留存、唤醒。单纯的刺激非消费类的软指标,最容易引发虚假繁荣。
2.系统型问题:产品整体流失率就比同行低。指标:DNU,同期群模型,观察生命周期。
业务做的比对手差,诊断方法,参照用户生命周期理论。不同阶段考虑的重点不同。
3.持续型问题:从某个时间点开始持续增高,未见好转。最难解决的问题,实际上经常会出现不规则小范围反复波动。可设立观察指标,等到有一定程度,可能可以找到线索。