做运营,为什么要谈用户生命周期和价值?

发布时间 :2022-07-05 09:24

做运营,我们常会听到用户生命周期的概念

传统营销学上讲得是客户生命周期(CL:CL)管理

对互联网运营,我更倾向用户生命周期的说法

传统公司怎么管理客户生命周期

我们生活中遇到的很多营销手段,都可以归纳到这个范畴

不定期收到的各类促销信息、商场消费后拿到的满减券、航空公司的里程数以及售后维护等等

运营什么网站

一切的手段都是为了延长客户的消费周期

你去菜场买一把菜,末了老板王二麻再送你一把葱,说:“下次记得再来,都可以算

网站运营

”互联网公司,客户在广义上变为用户,用户生命周期就是今天的话题

用户生命周期管理是一个很大的话题,用户从第一次使用APP,到最后一次打开的时间,我把它定义为用户生命周期

运营角色一直贯穿整个生命周期,在新用户还没有注册前,就寻求媒体曝光、渠道推广和活动营销、哪怕在卸载APP后,同样会用尽手段希望唤回用户,例如老用户回馈,邮件推送社交好友动态等

很多文章都会通俗的解释说,运营就是让用户留下来

没错,但是它漏了后半句话:让用户留下来,并且赚钱

用户生命周期价值CLV(CLV,也有称LTV:LTV)比生命周期更重要

让用户能在生命周期中产生商业价值,才是运营的使命

这里的商业价值,不单纯是电商广告游戏等赚钱模式

信息和数据这些无形且很难量化的也是商业资产

运营的目标就是尽一切可能延长用户的生命周期,并且在生命周期中尽一切可能产生商业价值

用户商业价值CLV会不断累加,生命周期CL会不断减少

期间又能划分成新增期、成长期、成熟期、衰退期和流失期等

这里就不深讲,主要讲与运营结合

为什么要谈用户生命周期和价值

因为做运营不得不接受的事实是,无论你是多么出色的运营,都无法真正制止用户的流失

你可以延长它,但就是不能阻止它

当产品获得足够多的用户时,最大的问题不是继续获取,而是从用户身上赚回钱

成熟的产品都应该考虑CL,以及更重要的CLV

菜场首席运营官王二麻同志,他每次在你买菜后送一把葱,不是看你可爱帅气,而是希望下一次顾客仍旧去他那里买菜

这是打感情牌

送一把葱才多少钱,可只要送的葱足够多,哪怕让%的顾客有好感下次仍去他那里买菜,王二麻就能把钱赚回来

王二麻都有这个运营意识,“人人都是运营”的口号应该喊出来了

只要用户能用产品更长时间,就有更大的可能赚钱

CL和CLV是基的不能再基的关系

有些特殊的商业形态,获利周期极短或者只有一次,比如婚庆,比如微商,反正我是没见过傻的再买第二次的人了

这时没有CL

这里引出运营的终极公式之一:赚钱=CLV(用户生命周期价值)-CAC(获客成本)-COC(运营成本)整个公式是运营体系的框架之一,另外两个指标以后会写

运营是互联网商业变现的落地和执行者

不同产品不同商业模式,用户的CLV也会差异很大

比如电商的CLV由一系列购买的指标决定,新媒体和门户的CLV由广告和曝光量指标决定,游戏的CLV则是土豪玩家这个群体

一个合理的CLV模型应该是综合考量各种指标和数据建立起来的

一款产品若没有探索出合适的商业模式,CLV模型很难搭建起来

需求低频,或者变现周期漫长,则计算一样不准确

用户生命周期则比CLV更容易计算和运营

我们通常说的留存率,就是用户生命周期的杀手锏应用

通过留存率,我们分析出用户的黏性、活跃度等指标

但留存率很难和商业挂钩,不具备商业的可解释性

我们就会换算成生命周期

用户生命周期=周期(-%)=.个月

运营的目标就是延长用户生命周期从.个月到个月、个月乃至更长

并且在此期间产生商业价值

对于大部分产品,这个公式都是适用的

如果这个产品低频,例如旅游类产品,普通人不可能频繁旅游,那么数据上留存率就不会特别好看

这时的估算会有偏差,可以拓大时间维度

如果需要更精准的指标,则可以将数据制作成频数分布图

来看看精准的分析和运营:用户生命周期最少的那部分用户,例如天,有什么具体特征,为什么不用

用户生命周期最多的那部分用户,有什么特点

分布人数最多的用户,怎么样能想办法抓住他们的痛点

延长他们生命周期究竟是用的久的用户(二八理论),还是分布人数最多的用户(长尾理论),产生的商业价值大

每个用户的生命周期都能产生商业价值,但有些用户注定更有价值

用户生命周期和流失是息息相关的,用户流失,便是用户生命周期的终止

用户不用APP,可能是比较忙,可能是出去旅游了,可能是大姨妈来了心情不好

那么运营应该怎么判定他是上述情况,还是卸载不用呢

也许我们需要几个月后才会发现用户最后登录停留在某一天

高级运营和初级运营的分水岭在于:初级运营经常事后补救,高级运营能够防范于未然

将用户的流失可能扼杀在萌芽阶段,是延长用户生命周期的有效手段之一

这听起来很玄乎,但举个例子就会明白的

一款社交应用,通过流失用户的特征分析

发现了如下的几个特点

流失用户中,%的用户没有完善资料新增用户没有导入通讯录好友,流失概率比导入的高%新增用户在第一周使用中,如果的好友低于,则一个月后的流失概率超过一半用户流失前一个月,互动率远低于APP平均值

这些特征很容易读懂了解,运营也很容易针对性的采取策略

例如良好的新手引导、引入好友推荐(想想微博和各兴趣向APP)、增加曝光量和乃至使用机器人等等

如果数据化运营更彻底,可以运营和数据分析结合,将上述的特征建模,得出一个比较准确的流失概率预测

用模型计算出某一类人群流失概率在%以上,和知道什么样的人可能流失,在运营上是两个层次

我们可以构建决策树模型,因为决策树模型的可解释性强,它是-的集合,运营非常容易理解

比如用户完善资料低于%,且没有导入通讯录好友,且好友数量低于,则其一个月后的流失概率为%

模型训练出叶节点,运营用SQL就能跑出来可能流失的用户群

另外,发掘出变化性变量在运营中有奇效

比如完善资料,是否导入通讯录好友,都是静态、状态型的特征,更多是产品上的优化

但是某一类用户流失,能通过其他数据特征体现,比如上周打开了APP次,本周打开了次,下周打开了次,趋势是下降的,这绝逼是累感不爱了啊

(趋势上升是另外一种运营策略了)这时我们运营就可以采取温暖的爱的抱抱,运营这类用户

写到这里,突然觉得自己很温暖

虽然运营们营销,推送,喜欢从用户身上赚钱,但是我知道我们是好运营

用户生命周期运营实际会更复杂,比如真正产生商业价值的群体应该去运营和分析,需不需要引入CRM,RFM等等,比如常见的积分体系能不能提高CL

关于这些,欢迎大家留言讨论

作者:秦路来源:公众号:秦路【ID:】



- END -