网站用户管理的目标是发掘新用户,保留老用户。但仅仅吸引新用户还不错,还需要保持新用户的活跃度,使其能持久地为网站创造价值;而一旦用户的活跃度下降,很可能用户就会渐渐地远离网站,进而流失。所以基于此,我们可以对用户进行又一个细分——活跃用户和流失用户。
活跃用户与流失用户
活跃用户,这里是相对于“流失用户”的一个概念,是指那些“存活”着的用户,用户会时不时地光顾下网站,同时为网站带来一些价值。同时,我们还需要知道到底有多少用户可能已经抛弃了我们的网站,不可能再为网站创造任何的价值,也就是所谓的流失用户。
流失用户,是指那些曾经访问过网站或注册过的用户,但由于对网站渐渐失去兴趣后逐渐远离网站,进而彻底脱离网站的那批用户。当然,一个网站一定会存在流失用户,这是网站用户新老交替中不可避免的,但流失用户的比例和变化趋势能够说明网站保留用户的能力及发展趋势。
举个简单的例子,我们经常可以看到某些数据分析报告中说:某某网站的注册用户数已经超过几百万,但其实这些数据并没有太大的意义,因为可能这几百万里面很多用户都已经不再登录该网站(流失用户),真正最近登录过或有过操作行为的用户(活跃用户)其实不到一万。所以对于一个网站而言,真正有意义的是活跃用户数而非总用户数,因为只有这些用户在为网站创造着价值。
活跃用户用于衡量网站的运营现状,而流失用户则用于分析网站是否存在被淘汰的风险,以及网站是否有能力留住新用户。
活跃用户分析
我的博客中之前的文章——用Engagement衡量用户活跃度中已经介绍了用户活跃度的衡量方法,并基于Engagement的定义计算网站的活跃访问量(Visits),同样可以用这类方法计算网站的活跃用户数(Unique Visitors)。同时可以计算不同时间区间的活跃用户数,比如每天、每周、每月……这里就不再详细介绍了,需要注意以下几个问题:
- 用户Engagement的定义,并以唯一用户为单位进行统计;
- 只要用户有任一一个Engagement的行为,就可以定义为活跃用户;
- 不要仅关注活跃用户数,试着分析活跃用户的变化趋势和所占比例。
流失用户分析
流失用户的定义比较简单,就是一段时间内未访问或登录过网站的用户,一般流失用户都是对于那些需要注册、提供应用服务的网站而言的,比如微博、邮箱、电子商务类网站等。不同网站对于流失的定义可能各不相同,对于微博和邮箱这类用户几乎每天登录查看的网站而言,可能用户未登录超过1个月,我们就可以认为用户可能已经流失了;而对于电子商务而言,可能3个月未登录或者半年内没有任何购买行为的用户可以被认定是流失用户。下面的分析主要是基于网站的注册用户的,因为这类用户更容易识别,而且分析这类用户的流失情况对网站而言更有意义。
数据的获取
流失用户是通过用户的最近一次登录距离当前的时间来鉴定的,所以要分析流失用户,需要知道每个用户的最后一次登录时间,而对于不同网站而言,这个时间间隔会各不相同,最长可能会有1年或者更久,所以在数据获取方面会有一定的难度。如果分析的是注册用户,那么一般网站都会在数据库中建相应的表来存放用户信息,所以建议在储存用户基础信息的同时记录用户的最近一次登录时间,这样就能够准确地计算用户最近一次登录距离当前的间隔时间,进而区分该用户是否流失。
流失用户变化趋势
首先需要明确的是用户的流失可能并不是永久的,也许用户在一段时间内对网站确实没有任何需求,那么他会远离网站一段比较长的时间;或者流失用户也会因为网站的某次营销或者网站质量的改善而重新回来。网站总的流失用户数的计算比较简单,以超过1个月内登录即为流失为例,那么总流失用户数就是所有“当前时间点-用户最近一次时间点>1个月”的用户数量。但是单纯的总流失用户数量对于分析是没有意义的,因为大部分情况下这个数值是一直递增的,我们需要计算总流失用户数占总用户数的比例及新增流失用户数,观察它们的变化趋势,如下表:
日期 | 总用户数 | 流失用户数 | 新增流失用户数 | 用户流失率 |
2010年8月1日 | 325694 | 228451 | 70.14% | |
2010年8月2日 | 326127 | 228925 | 474 | 70.20% |
2010年8月3日 | 326789 | 229507 | 582 | 70.23% |
2010年8月4日 | 326297 | 230023 | 516 | 70.49% |
2010年8月5日 | 326913 | 230618 | 595 | 70.54% |
2010年8月6日 | 327514 | 231209 | 591 | 70.60% |
2010年8月7日 | 328163 | 231672 | 463 | 70.60% |
2010年8月8日 | 328517 | 232216 | 544 | 70.69% |
…… | …… | …… | …… | …… |
新用户流失率
也许你的网站已经吸引了一批新的访客,并且他们成功注册成为了网站的用户,你有了一个好的开始,已经成功了一半,那么另一半呢?就是如何保留住这些新的用户,让他们持续地为网站带来价值,这就是分析新用户流失率的意义。
我们可认为新用户注册后就完成首次登陆,那么简单地定义新用户流失,就是用户在注册后一段时间内都没有登录过网站,即
当前时间点 – 用户注册时间点 > 流失临界时间间隔
比如我们定义用户的流失临界时间间隔为1个月,也就是在注册后的一个月内未登录的用户意味着已经流失,那么就可以计算每天的新用户流失数,即注册时间为1个月前的那一天,而从注册到当前没有登录过的用户数。这个用户数与1个月前的那一天的总注册用户数的比例就是新用户的流失率:
当天的新用户流失数 / 当天的总注册用户数 = 新用户流失率
计算出每天的新用户流失率,并观察它的变化趋势:
网站能否保留住新用户就在于是否能够不断地降低新用户的流失率。
总结,这里主要介绍的是如何分析网站真正拥有的有价值的活跃用户的数量以及网站保留这些用户的能力,可以用流失用户的变化趋势来衡量网站用户的总体流失情况,用新用户流失率衡量网站保留住新用户的能力,而分析活跃用户数的比例和变化趋势分析能够衡量网站现有用户的质量和价值。
相当高深~属于深度应用类型。
空虚的
关于网站的活跃用户和流失用户从来就没有一个恒定的标准,同时关于活跃用户的定义不同公司也有不同的说法,拿游戏来说,很多公司的活跃用户时间界定都是以3个月作为阀值,同时,又根据收费模式的不同而不同:
收费模式阶段,一般认为在最近3个月内登陆过游戏一次的用户即为活跃用户。
免费模式阶段,有2种不同的声音,“最近3个月内有成功付费记录的用户”和“有成功付费记录且平均游戏时间在每日2小时以上的用户”。
这2种计算方法谁也没办法说服对方,更多的时候是公司为了自家财报的好看而选择对自己有利的方式计算。网站分析也好,其他分析也好,当没有一个固定的标准时再做这些就显得有点力不从心,有时候观点有点站不住脚的感觉。
用户流失,活跃度方面“水很深”,要弄透彻很难很难,例如,各电子商务网站的来自(各种)返利(团购)网的用户如何定义就是个问题,期待博主关于此话题的下作!
@coozd: 感谢你的留言,这篇文章可能确实讲得有点空。其实我只是想让大家看到一些可以对用户做的一些细分和分析,也许看似简单的两个指标的展示结果会让你吃一惊。
@wayne: wayne,非常感谢你的评论,你的说法我非常认同。
关于活跃度,其实我在用Engagement衡量用户活跃度中介绍Engagement的时候已经一再强调这个不是所有网站都能统一的标准度量,活跃度只适合网站内部自身的指标分析。
其实企业自己发布的统计数据都是不可信的,即使是内部的数据,产品经理也会感觉数据越“漂亮”越好,而第三方发布的分析报告的数据也需要用审视的眼光去看。
关于用户流失的分析,我这里也只是介绍一个基础的定义,其实可以基于用户流失做很多更深入的分析,比如根据来源对流失用户细分,以及从统计意义上分析用户流失的原因等。
曾经被一个客户问到,为何我们每天都有新用户增长,但总的访问量却不见提高。看来活跃用户和流失用户是两个非常有用的度量。网站的用户数并不是简单的累加关系。
@蓝鲸: 嗯,就好比是吃得多但不一定吃的胖,关键在于消化吸收
看你的博客很久了 。呵呵
@wayne: 博主提出的是方法,具体问题当然要结合自身网站的情况分析了,网站类型千千万,分析方法也千千万,关键要举一反三,活学活用,这才是数据分析的最高境界。不能拿来主义
其实这只是一个概念,我们还需要细分到底用户流失是为什么走掉?在哪一步走掉的?我们的哪个页面的pv降了?是什么原因降了?等等,要分析的实在很多
@凝结水晶: 是的,我这里可能提供的只是一些可以分析的指标,而分析的真正目的是找出这些指标呈现的状况的影响因素和变化的原因,这样我们才能基于此采取行动。
Pingback 引用通告: 网站的活跃用户与流失用户 » 互联网杂谈
Pingback 引用通告: 网站新老用户分析 » 互联网杂谈
Pingback 引用通告: 网站的活跃用户与流失用户 | 易水夕林'S 胡言
Pingback 引用通告: 网站的活跃用户与流失用户 | 易水夕林'S 胡言
Pingback 引用通告: 网站的活跃用户与流失用户 | 易水夕林'S 胡言
看了上一篇RFM分析模型的介绍,突发其想,
活跃用户与流失用户分析中是否加入RFM的概念更加科学?
例如文中例子,流失用户为当前时间点-用户最近一次时间点>1个月。 1个月的这个临界值是根据网站自身情况进行自定义的。 但这个值如果根据不同用户取不同的临界值更加科学? 例如 某网站,用户A最近一年访问了12次,则用户A的平均访问间隔就是1个月。如发现A用户最近一次登陆时间超过2个月了,则判断A有流失的风险。 用户B最近一年访问了120次,平均访问间隔为3天,则B最近一次访问时间超过1周,则判断B有流失风险。
。。。结论是:流失用户==当前时间点-用户最近一次时间点>用户平均访问间隔
能告诉我这样做是否更科学么?如果不是,为什么?
谢谢。。
@yoyo: 你说的方法很好,因为用户的行为习惯各不相同,某些喜欢经常来网站闲逛下,某些会隔断时间定期来获取某些需求,根据用户的历史行为来分析他们可能流失的趋势确实很好,这样不仅能知道那些流失的客户,还能知道那些客户可能在偏向流失,这样能够更加及时的采取措施。当然这个方法需要考虑计算的成本。
你提的想法都很好,让我也学到不少。
Pingback 引用通告: 值得关注的用户指标 | Q1前端开发
以图“新用户流失率”为例,假设有一用户在8月1日注册,9月1日前再未登陆过,但在9月2日登陆了,该用户是否应该算作8月1日的流失用户?
@tjdyw: 是的,在9月1日统计的时候,这个用户被当做8月1日的新注册流失用户了。
这个问题很好,也是我之前遇到的问题,每日统计的流失用户会存在较大偏差。所以现在对统计做了修改,流失用户不建议每天计算,我会每周或每月计算一次,这样可以保证在较宽的时间区间内保证数据有相对较高的准确性。
您好,请问总用户数量是怎么定义的,为什么8月4日的用户总数比3日少?多谢
Pingback 引用通告: 基于用户细分的比较分析 | 互联网的新鲜事
Pingback 引用通告: 基于用户细分的比较分析 | Open小巷
Pingback 引用通告: NicheStage™ | 专注网页设计,关注用户体验
Pingback 引用通告: 行走在互联网路上——UE之旅 » 基于用户细分的比较分析
Pingback 引用通告: 基于用户细分的比较分析 | 8小时 — 我们自由分配的时间!
Pingback 引用通告: 基于用户细分的比较分析 App-Goog-les
Pingback 引用通告: 基于用户细分的比较分析 | 互联网有些事biog-崇尚专注 | 聚焦互联网开发信息
Pingback 引用通告: 基于用户细分的比较分析 | 优酪网
Pingback 引用通告: 基于用户细分的比较分析 | Dumont
Pingback 引用通告: 基于用户细分的数据比较分析 - 网事-tech400互联网行业动态资讯/互联网产品分析资讯
Pingback 引用通告: 数字电商 » 【转载】值得关注的用户指标_无物流、O2O、创新电子商务形态观察分析
Pingback 引用通告: 基于用户细分的比较分析 | 梦工场观察
关于流失用户,能不能从回头率角度去分析呢?回头率越低流失用户就越多?
看作者的文章和各位的留言让我学到不少东西!
Pingback 引用通告: – 基于用户细分的比较分析
:)我在想用户流失率的分母是不是“符合计算条件的用户”,而不是“总用户”更合理。例如注册时间在一个月内的用户不应该在分母里,他们按定义本来就不可能流失,不然当做了有效营销新用户很多的时候,流失率就下跌了,其实网站留住用户的能力并没有增加
@xiaoxiaokedou: 嗯,流失用户通常也会基于一个时间段来统计,比如上月登录过的用户本月没有登录定义为上月的流失用户。但流失用户的统计都是延迟的,必须经历流失的期限(比如一月),表格中的总用户是截止那个日期的总用户数,流失用户是那个日期之后的一个月内没有访问的用户,所以这个总用户数做分母应该问题不大。
Pingback 引用通告: 网站的活跃用户与流失用户_读懂_钛媒体网
Pingback 引用通告: 基于用户细分的比较分析 - 超越光速 – 广东机电学院第三方电子商务服务平台
Pingback 引用通告: 网站的活跃用户与流失用户
Pingback 引用通告: 网站数据分析:活跃用户与流失用户 | 内容采集
Pingback 引用通告: 基于用户细分的比较分析 | 内容采集
Pingback 引用通告: 网站的活跃用户与流失用户 | 内容采集