数据化运营过程中的三个关键词,是开源、节流、保活跃。
在之前的两篇AARRR博文中,我们分别就新增用户、提升用户活跃度来进行展开。
在本篇博文中,我们重点“节流”,也就是AARRR中的留存和流失分析。
什么是留存(Retention)和流失(Churn)?
一般而言,留存(Retention)就是使用了一段时间的产品后,仍然留下来的那部分用户。在零售业和服务业,更多地使用交易数据,因此留存是指发生过交易或者消费的客户,在接下来的若干期间内,仍然重复交易或消费的客户。而流失(Churn)恰恰相反,是不再继续发生交易或者消费的客户。
Cohort Analysis,宏观上说是人群行为分析的一种,应用中特指留存分析、粘性分析。因此我们谈到留存(Retention)时,也会提到Cohort Analysis。
留存率是统计某个期间新增客户中,经过一段时间后仍然存在客户行为(如登陆、消费)的客户的比例。和回购率/复购率类似,留存不仅是个可以反映客户粘性的指标,更多地反映产品对用户的吸引力。
作为客户分析中最重要的指标之一,留存率一来可以衡量渠道拉新最终的结果——有多少人留下来,二来可以通过留存率来分析产品的使用情况。如果某产品新用户占比过高,那说明该产品的活跃可能是靠推广得来,尤其需要关注用户的留存率情况。
取决于数据基础和业务类型,对于游戏行业而言,通常比较容易计算首日、次日、3日、7日、14日以及30日留存率。对于一般的零售业和服务业(如餐饮),由于客户行为数据不然手机游戏互联网行业那么易于获得,因此可以采用最常用的销售明细数据,来计算流失和留存。
如图所示的留存率曲线,通常经历过一段时间后,留存率会下降到一定水平保持稳定(如10%),如果再整个过程中采取多项措施,将留存率提升到更高,比如50%。反映到后续的收入(Revenue)指标中,将给我们带来更高的收益。
留存率 vs 流失率的计算
直观来讲,留存是相对于流失而言的。如果客户没有留存下来,那么必然流失掉。那么,是否可以根据1-流失率,简单地得到留存率呢?
答案显然是否定的。
首先:
- 计算的整体基础不同。无论留存还是流失,都是相对于某个整体的一部分而言的
- 计算留存的基础,是新增客户数,这个增量指标。留存是某个统计期间新增客户中的一部分。
- 而计算流失的基础,通常是上期客户数(期初客户数),这是个累积指标。如果本期内没有继续发生交易行为,那么流失客户是期初客户中的一部分。
由于相对的整体不同,那么必然有:留存率 不等于(1-流失率)
但是,这并不妨碍我们,通过流失的角度,来看待客户留存。
计算逐期客户流失率
计算逐期客户流失率
逐期客户流失率,是指在上个统计期间(季度)发生过交易消费行为的客户,在本统计期间(如季度)并未发生交易消费行为。
另外,按季度的逐期客户流失率,比按照月份计算的逐期客户流失率,明显会低一些。
取决于分析的行业以及可用的数据基础不同,可用按年份、季度、月份、星期或天来计算留存和流失。
另外,可以将客户流失率,同客户复购率、客户回购率、客户增长率结合起来开展分析。
通过创建交互式的雷达图,可用综合考察客户粘性、客户增长、客户忠诚度等指标。
客户流失与老客户关怀
除了逐期流失计算以外,重要的指标是近期流失。
与逐期流失的计算通常使用:
- 分子:[流失客户数-逐期]
- 分母:[期初客户数(上期末)]
而近期流失的计算,主要采用流失期的概念
最近一次购买时间距离当期时间的间隔,超过360天以上的客户,视为流失客户。
流失期通常是进行客户分类得到的,通常通过客户关怀来降低流失客户数量。
客户关怀做关怀唤醒第一步,先把老客户进行分类,按照最近一次的购买时间、购买频次和购买金额,把活跃期和沉默期、睡眠期、流失期的客户做一个区分。一般按照最近一次购买时间来说,0-90天属于活跃期、90-180天属于沉默期、180-360天属于睡眠期、360天以上属于流失期。
如上图所示,当前时点为2016年第三季度中的某一天,那么相对于当前,在2013年第三季度的那批客户中,有一部分客户已经流失掉了,流失的数量为391个。
2013年第四季度发生过交易的客户中,有很大一部分当前处于“休眠”期,因此,采取适当的手段开展客户关怀。一般而言,处于活跃期的客户数量占比较低,而处于休眠期(沉默期)的客户占比数量较高的情况下,识别出那批处于休眠/沉默期的客户,并开展客户关怀,可以有效降低客户流失。
防止客户流失时,考虑客户购买频率
除了AARRR分析之外,我们还可以同RFM分析模型相结合,来构造沉默/休眠客户-高频度客户矩阵。
对于最近12个月份购买频度高,并且处于沉默/休眠阶段的客户群体。通常是开展客户关怀优先级最高的客户。对于已经流失的客户,也可从中找到最近18个月/24个月某买频次较高的那部分客户,采取客户挽回手段,加快流失客户的客户回流。