隨著互聯(lián)網(wǎng)大數(shù)據(jù)行業(yè)的不斷發(fā)展，電商行業(yè)的隊伍也日漸壯大。用戶留存問題也成了大多數(shù)電商研究的點，可是當我看了電商平臺的前世今生后，我發(fā)現(xiàn)用戶留存并沒有那么玄。

遙看我國的電商發(fā)展史，共先后經(jīng)歷了 5 個階段，分別是： 1990 年開始的起步期、1993 年開始的雛形期、1998 年開始的發(fā)展期、2000 開始的穩(wěn)定期，以及 3G 的蓬勃發(fā)展促使全網(wǎng)全程的電子商務 V5 時代成型而帶來的成熟期。

圖 1 . 電子商務的 5 大發(fā)展歷程

隨著互聯(lián)網(wǎng)大數(shù)據(jù)行業(yè)的不斷發(fā)展，電商行業(yè)的隊伍也日漸壯大。

據(jù)商務部《中國電子商務發(fā)展報告2017》顯示：電子商務的直接從業(yè)人員和間接帶動就業(yè)多達 4250 萬人，較上年增長 13%。全國電子商務交易額高達 29.16 萬億元，同比增長 11.7%。全國網(wǎng)上零售額為 7.18 萬億元，在社會消費品零售總額的比重不斷提升。

圖 2. 2011-2017 中國電子商務交易總額及增長率

據(jù)日前阿里發(fā)布的 Q2 財報顯示：

核心電商業(yè)務的營收為 691.88 億元，占營收總額的 86%，同比增長 61%。

同時，網(wǎng)易也同樣在電商業(yè)務領域交出了一份滿意的答卷。

在近日披露的 Q2 業(yè)績中，京東的營收規(guī)模高達 1223 億人民幣，其中電商占比更是達到 90% 以上。今年整個 “6.18” 期間，京東的累積下單總金額為 1592 億元人民幣。與去年的近 1200 億元的銷售額相比，增長了 31.2%。

而且，如今的互聯(lián)網(wǎng)電商種類繁多，綜合電商、跨境電商、生鮮電商、外賣電商、醫(yī)療電商、母嬰電商等等領域，數(shù)不勝數(shù)。

圖 4. 不同類型的電商平臺

顯然，這些數(shù)據(jù)和內(nèi)容不斷地用事實告訴普羅大眾——毋庸置疑，我國的電商行業(yè)依然在互聯(lián)網(wǎng)的浪潮中高歌猛進。

面對越來越激烈的競爭，“如何留住用戶”成了兵家必爭之地，代金券、優(yōu)惠卡、贈送品等等爆炸式輪番上陣，然而，現(xiàn)實卻告訴我們，電商行業(yè)的用戶留存似乎不是那么好做。

某時期內(nèi)的獲客成本=營銷成本 營銷人員人力成本 營銷工具成本，在流量紅利消失的今天，甚至有人聲稱，早在 2016 年，電商行業(yè)的獲客成本就已經(jīng)突破了 100 元，更有業(yè)內(nèi)人士指出，阿里巴巴的線上獲客成本目前已經(jīng)飆升到 700 元。

搜索引擎優(yōu)化、明星網(wǎng)紅廣告、社交軟件投放、影視傳媒露出等都在不停地抬高著獲客成本?？扇缛粽娴脑谶@些領域做了縮減，那么一直被廣告喂養(yǎng)的用戶可能會頭也不回的就離開。

圖 5. 電商行業(yè)的轉(zhuǎn)化率漏斗

用戶復購率＝單位時間內(nèi)：購買兩次及以上的用戶數(shù)/有購買行為的總用戶數(shù)

訂單復購率＝單位時間內(nèi)：第二次及以上購買的訂單個數(shù)/總訂單數(shù)

根據(jù)產(chǎn)品特性不同，電商平臺各商品的復購率也不相同。

生活類的快消品的復購率普遍來說稍高，而相對于一些類似潛水裝備、野營帳篷等專業(yè)領域的產(chǎn)品來說，復購率偏低。如何用不同的指標和方法提高和穩(wěn)定不同商品的復購率，各平臺仍然在不斷摸索。

羊毛黨也同樣影響復購率的數(shù)據(jù)。羊毛黨的一哄而上，容易造成整體數(shù)據(jù)的虛假繁榮，這種“唯利是圖”的一次性用戶較難產(chǎn)生復購行為。

另外，在一定程度上，復購率依賴著備受追捧的優(yōu)惠券。優(yōu)惠券驅(qū)動著用戶的購買欲，并進一步的擴大用戶原本的計劃消費金額，如何精準派發(fā)優(yōu)惠券、如何平衡優(yōu)惠券和復購率之間微妙的關系，也是電商行業(yè)的突破口。

打開手機應用市場，映入眼簾各類電商平臺，而且單獨的“賣東西”早已經(jīng)不足以吸引用戶。

比如：商品內(nèi)容全程直播式的“電商 直播”，分享美妝心得、人人都是美妝博主的“電商 社交”，拿著線上平臺的購物截圖在線下門店享受二次優(yōu)惠的“線上 線下”等等模式，各大平臺挖空心思，為了博用戶停留。

而事實也如此，我們的用戶確實變得越來越酷。

一位剛剛步入職場的女性，一次性下載了 5 款外賣類電商 App，然后逐一進行挑選?？戳藢Τ跏加脩舻臐M減力度，她淘汰卸載了力度最低的一款，在使用過程中，她發(fā)現(xiàn)有的 App 上無法提供飯店操作間的照片，處于食品安全的角度，她又卸載了兩款。于是，在僅剩的兩款 App 中，循環(huán)往復。

后來有新聞爆出，其中一款平臺屢屢發(fā)生送餐員私自打開顧客外賣的情況，一氣之下，她又卸載掉了一款，于是變成了最后一款 App 的忠實用戶。但很快，2 個月后，一款新的外賣 App 主打“美味伴侶”的配對模式，想到尚無男友的自己，她迅速拋棄了在各大平臺花了 2 個月時間才精心篩選出的獲勝者，轉(zhuǎn)而投向新歡的懷抱……

新鮮和未知感，永遠在煽動著用戶“喜新厭舊”。

因為電商平臺充斥著用戶的種種命令與行為，其產(chǎn)生許多瀏覽、收藏、購買、支付等數(shù)據(jù)，尤其對于一些較大的電商品臺來說，單單是用戶一周的投訴數(shù)據(jù)就能近千條，更別提其他的大體量行為數(shù)據(jù)。

但市場運營者們卻時常頭疼：為什么趙二一個人在評論區(qū)發(fā)表評論的次數(shù)遠遠超過了平均水平？張三下載了客戶端為何一次購買行為都沒完成就卸載？李四為什么對批量的優(yōu)惠券無動于衷？

電商平臺上所能收集到的各類行為動作背后的數(shù)據(jù)，比如：銷售額、訂單量、渠道流量、轉(zhuǎn)化率、購買率、棄買率，都是指導其下一步策略的核心內(nèi)容，然而，由于數(shù)目繁多，常常出現(xiàn)無從下手或者無法充分利用的情況。

總而言之，身經(jīng)百戰(zhàn)的用戶，越來越難留，這也讓電商平臺感慨，這屆用戶，不那么長情。

首先，留存分析是一種用來分析用戶參與情況，以及活躍程度的分析模型，說到底，它就是來衡量產(chǎn)品對于用戶到底具有多大的價值，即用戶到底是否喜歡這個產(chǎn)品。

留存反映的是一種轉(zhuǎn)化，即初期的不穩(wěn)定用戶，慢慢轉(zhuǎn)化成活躍用戶、穩(wěn)定用戶、忠誠用戶。留存同樣是一種判斷標準，它監(jiān)測產(chǎn)品的改進與升級是否符合用戶的胃口，因為一次新功能上線而痛失一批忠誠客戶，是每個平臺都不愿看到的事情。

接下來，用一個我在實際工作中關于用戶留存的實例，一起跟大家探討——面對用戶留存，我們究竟能做些什么。

該平臺基本信息：某綜合類電商平臺，旗下品類涉及美妝、服飾、母嬰、鞋包、家居、食品等，如今又加入直播板塊，用來擴大品類數(shù)量，引導用戶消費。

首先，我們將用戶分為兩類——新用戶與老用戶，新用戶指首日訪問用戶，老用戶指非首日訪問用戶。我們當時認為，注冊過的用戶一定比未注冊的用戶擁有更大的購買潛力，但卻不知如何搜尋到數(shù)據(jù)來支撐這種假設。

于是，在用戶行為分析平臺上，通過留存分析的模塊發(fā)現(xiàn)，新用戶首日完成注冊的次周留存率是未注冊的 3 倍（本文案例中數(shù)據(jù)均為虛擬數(shù)據(jù)），新用戶首日完成購買的次周留存率是未購買的 4 倍。

無論是 3 倍的注冊率，還是 4 倍的購買率，都與其對立面相差極大，于是，我們把重點放在了這批新用戶上，將新用戶首日完成購買作為提高新用戶留存的“第一關鍵指標”（OMTM）。

圖 7 . 用戶首日完成購買的 7 日留存率

于是，為了讓越來越多的新用戶在首日完成購買，我們又繼續(xù)做了以下努力。

以上圖中 8 月 8 日為例，一共有 7408 人，在第七天有 680 個人留了下來，而這 680 個人在當周的 7 天留存率中占比最低，僅為 9.18%，于是我們打開這 680 個人的用戶列表，來逐一分析他們的構(gòu)成。

圖 8 . 用戶列表

在幾十種的項目指標里，可以清楚地看到各個新用戶的屬性，以及他們行為觸發(fā)的時間、維度等各類特點，于是我們進一步細化這些指標并對其進行相應的措施。

通過對圖表里各用戶的年齡分析，可以獲知該天 7 日留存率中年齡分布相對集中的區(qū)域，評估不同年齡段人群對該平臺所帶來的價值與質(zhì)量。通過廣告媒介與來源，可以獲知各渠道帶來新用戶的力度，根據(jù)新用戶當日注冊購買情況，再反推各渠道質(zhì)量等等。

然后，我們根據(jù)這些用戶的具體特征和操作流程，進行用戶分群并命名。之后，在不同特征的用戶分群中，發(fā)現(xiàn)新用戶首日完成購買的轉(zhuǎn)化率實際上遠低于老用戶完成購買的轉(zhuǎn)化率，那究竟是何種原因呢？

比如：新用戶拿著新人優(yōu)惠券，卻不知道如何疊加不同模塊的優(yōu)惠福利，或者引導流程十分豐富，過于繁瑣難冗長，直接被新用戶拋棄。

第一次打開 App 的新用戶，可能會因為找不到收藏夾、下拉頁面滑不開店家的全部寶貝、取消購物車無法返回上一級等操作上的問題，無法轉(zhuǎn)化成購買行為。

同時，如果 App 與各型號的手機適配性不穩(wěn)定，卡頓的畫面也會讓新用戶產(chǎn)生負面情緒。

老用戶已經(jīng)擁有了根據(jù)購買瀏覽行為的算法推薦，可以直接在首頁上找到興趣產(chǎn)品，而平臺對于新用戶則是一張白紙，若搜索篩選的部分又不合心意，新用戶很快就失去了興趣。

針對于新用戶的滿減力度不大，“優(yōu)惠券”“新人禮包”等優(yōu)惠措施華而不實，讓好不容易站在支付門口的新用戶選擇退出。

很多時候，情懷甚至可以抵消掉技術上的優(yōu)勢，如果能讓平臺在宣傳期就靠情感與用戶契合，而新用戶又能在初次體驗中驗證這種契合感的真實性，那將是一種很美妙的陶醉感。但顯然，少有電商平臺可以達到這樣的程度。

為了解決上述的種種問題，我們逐一選擇對應解決的方式。

比如：根據(jù)不同偏好和需求的新用戶派發(fā)各領域且不同額度的優(yōu)惠券；調(diào)整頁面設計，簡化購買流程；加強技術支持，解決適配與卡頓問題；設立新人專享頁面，提供新人低價促銷福利與低價拼單方式等等。

當我們調(diào)整完一些列措施之后，再運用 A/B 測試對改進前后的效果進行測試評估。我們發(fā)現(xiàn)，新用戶首日的注冊轉(zhuǎn)化率、購買轉(zhuǎn)化率都有所提升，新用戶首日完成購買的次周留存率、第二周留存率、第三周留存率也有所提升。

在新用戶的留存實戰(zhàn)中，我們首戰(zhàn)告捷。

其實，用戶留存能反應許多實際問題，重點在于我們要學會去利用和抽離這些數(shù)據(jù)問題，讓他們在合適的條件中有機地組合，得出可以定性的規(guī)律和結(jié)論，方能尋找到對我們有建設性意義的用戶，同時去除那些留存難、使用頻率低的產(chǎn)品板塊，迅速實現(xiàn)產(chǎn)品優(yōu)化與迭代，提高用戶留存。