惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

F
Fortinet All Blogs
有赞技术团队
有赞技术团队
量子位
N
Netflix TechBlog - Medium
博客园 - 叶小钗
博客园 - 三生石上(FineUI控件)
Google DeepMind News
Google DeepMind News
aimingoo的专栏
aimingoo的专栏
GbyAI
GbyAI
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
Blog — PlanetScale
Blog — PlanetScale
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
月光博客
月光博客
Martin Fowler
Martin Fowler
Y
Y Combinator Blog
宝玉的分享
宝玉的分享
博客园 - 司徒正美
云风的 BLOG
云风的 BLOG
V
Visual Studio Blog
V
V2EX
IT之家
IT之家
L
LangChain Blog
大猫的无限游戏
大猫的无限游戏
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
工作面试常见问题——流失用户怎么分析
汪浩 · 2023-09-20 · via 人人都是产品经理

在面试的过程中都会问几个常见问题,一般这种时候是不是开始思考要怎么回答了?正如流失用户怎么分析这个问题,我猜你也是注意到了流失这俩个关键词。下边这一篇文章就有关这个问题的相关内容,或许可以看看,应该会对你有所帮助。

很多同学一看到「流失」这两字就马上去找流失原因:

  • 用户为什么流失?
  • 用户流失之前干了啥?
  • 用户是真流失还是假流失?

然后开始吭哧吭哧的取数据、做图表、出报告。然后给业务、领导一看,这啥呀?分析一堆原因怎么执行呀?有什么用呀?

然后开始独自emo。

其实方向一开始就错了。在运营界有一句很出名的话:「运营就是跟用户谈恋爱」。

如果用户流失了,那么就是不爱了,去分析用户为什么不爱你之前,更重要的,优先级更高的应该是「我如何做的更好让现在的人不离开我」。

毕竟正在爱你的人比暂时不爱了的人更重要一些。

做好流失用户的分析,需要思考以下几个问题:

  1. 是否每个流失用户都是应该重要的,需要挽回的?
  2. 是否每个用户的流失原因都是可分析的?
  3. 是否可以在用户流失之前就挽回?

一、如何进行流失用户的分级

在做流失用户的分级时,需要至少考虑两个维度:

  1. 用户的商业价值
  2. 用户的历史粘性

这两个维度的数据衡量根据不同的业务会对应不同的指标,常见的有:

当按照指标进行归类之后,就可以按照指标的高低进行进行用户分类:

当我们将流失用户分好级之后,会发现其实不是每一个流失用户都值得去分析和召回的,我们的精力应该更多的放在那些重要的人身上。

二、如何进行流失原因分析

如果一个人不爱了,那么它有千万种理由离开。流失原因也是如此。

所以不要试图去弄懂所有的流失原因,因为原因很有可能是非常奇怪的。

举个例子,某位已婚中年男性玩交友软件,并且充值了豪华钻石vip,然后突然有一天被老婆发现,卸载注销一气呵成。问:这种的流失原因,能分析出来吗?显然是不能的。

虽然流失原因分析起来很困难,但是还是有一定的方向可以去探索:

其中「没看对眼」、「欺骗感情」、「受到伤害」这三种场景是比较容易观测,也比较容易改正的。

但是「开始厌倦」是最难分析和观测的,所以正对于「厌倦后流失」这个场景,最好的办法是将防流失的动作做在流失之前。

三、如何进行防流失体系搭建

防流失体系其实就是不断的调整产品和用户的相处模式,可以尽早的发现用户的不满情绪,防止用户的「不满」积累成「不爱」,最后导致分手流失。

但流失是不可能被消灭的,任何一种产品一定存在用户流失。搭建放流失体系的目标是将用户流失保持在可控范围内。

结合流失用户的分级和流失原因的分析,两种指标可以搭建用户防流失的预警体系。以下表格为示例参考:

在「厌倦型」的放流失中,可以更进一步打上用户的喜好标签,在用户喜欢的事情上着重的观测。如果数据基础较差,条件欠佳,也可以从基础的「登录」做起,逐渐丰富防流失策略。

四、小结

在流失用户的分析中,更重要的「找方向、做分类」。否则会陷入到寻找「为什么用户不爱我了」「有没有让所有用户都爱我」的误区当中。

不管是否是纯互联网企业,盈利都是第一位的。做用户的流失分析,搭建用户的放流失体系的最终目的是为了平稳的提升用户群体的价值,纠结个体的得失意义并不大。

在用户流失话题下,还有很多分支,如「流失用户如何构建标签」、「用户流失可以如何召回」、「如何搭建合理的流失召回策略集」等等,如果同学们感兴趣,可以下方留言,后续会选择点赞较多的方向进行更新。

作者:汪浩,公众号:只说人话的小汪

本文由@汪浩 原创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

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。