关于用户生命周期模型，这五大点你需要知道
之前的文章中已经介绍了RFM模型的使用方法，具体请点击《利用RFM用户价值模型做好用户分层，实现精细化运营》，同时也提及到：RFM模型上一级隶属于用户价值模型，用户价值模型有两个方向，除了RFM模型，还有用户生命周期模型。
原本不打算写关于用户生命周期模型这篇文章的，觉得大家应该都明白，但是这几天发现：
1）很多人将用户生命周期模型和AARRR等其它一些模型混淆了，这两个并不是一回事；
2) 千篇一律在介绍什么是用户生命周期以及其中一些概念的普及，比如什么是生长期之类；
3) 正如上一篇RFM模型一样，希望大家不仅了解，还能通过技术流的方法去实操。
所以，写了这篇文章。
一、什么是产品生命周期
在介绍用户生命周期前，需要先了解产品生命周期。一款产品的生命周期，我们用专业词汇表述就是PLC（product life cycle），大家在网络上看的多了产品生命周期的图片，大多呈现一个“睡倒的S型”。
18571885535b9f20fd5c4b62.79198786.jpg
根据上图，任意一款产品，以时间为参考维度，以用户量或者收入水平等作为衡量标准，我们可以将一款产品的生命周期划分为四个阶段：初创期、成长期、成熟期、衰退期。可以理解为：从产品设计到停止对这款产品的运营，整个周期为产品的生命周期。
怎样判断一款产品当前处于生命周期的哪个阶段呢？
1、下载量
通过酷传、App Annie获取产品某一段时间或者历史下载数据，根据历史下载量的趋势判断（如果可以获取历史下载数据，可以和“睡倒的S型”进行拟合）。以从酷传上获取的某App过去一年下载量生成的趋势图为例：
3781454415b9f21199fbf12.42284966.jpg
过去一年内，该App的用户量从2000w提升至将近5000w，且趋势图的任意一点的切线与坐标系横轴的夹角都比较大，说明产品处于用户快速增长阶段，可能属于成长期。
2、百度指数
在百度指数输入你想查看的产品名称，以及该产品在行业内一直处于领头羊位置的竞品名称，通过百度指数的数值以及和头部产品百度指数的对比，基本可以判断产品所处阶段。
3395076875b9f21a3426c53.59858776.jpg
以上图为例，该产品过去半年的百度指数平均值为2000左右，某些指数高点基本上是产品大力推广新增或抓住行业热点带来的用户搜索。作为一款比较成熟的产品，百度指数应该可以稳定在4000-6000。所以，基本判断这款产品还未达到成熟期。
百度指数还有一个比较有用的地方：有时候不知道为何，自家产品留存率出现大幅跳跃，或者希望对产品的发展进行更好的把控，百度指数作为舆情监控的渠道，可以带来很大的帮助。当然，除了百度指数，还有360、搜狗、阿里等都有相应的免费服务。
3、累积下载量
8743417225b9f21b8021788.48363446.jpg
可以通过酷传获取产品的累积下载量，对比该行业的市场总量，潜在用户总量进行判断产品所处阶段。
4、版本迭代
根据产品版本迭代频率，基本可以判断一款产品所处阶段。发展期的产品，大有敏捷的成分在，迭代频率较快。
明确产品所处生命周期哪个阶段的作用是什么呢？站在运营的角度，得到产品的生命周期之后，使用如下步骤进行分析，可以帮助确定当下及未来一段时间的核心运营策略和运营方向，接下来：
a.使用思维导图梳理产品结构；
b.根据产品结构，梳理出该产品当前的核心业务逻辑；
c.根据产品结构，梳理出可能的典型用户使用路径；
d.结合行业、市场、产品等信息，梳理出产品商业逻辑；
e.综合上述判断出的产品所处生命周期的阶段可能遇到的共通的一些问题，结合上述1/2/3/4进行运营规划。
本文主要说的是用户生命周期，关于产品生命周期点到为止。
二、什么是用户生命周期
用户的生命周期，简单来说就是：用户从开始接触产品到离开产品的整个过程。
8220757455b9f21dd98b638.03619936.jpg
根据上图，用户的生命周期分为：导入期、成长期、成熟期、休眠期、流失期。
导入期可以理解为将市场流量中的潜在用户转化为自家产品的用户，这个阶段我们称之为获客阶段；当用户进入产品之后，我们需要想办法让用户活跃起来，进入成长期以及成熟期，成长期和成熟期的用户属于产品最为核心的用户，是最具挖掘价值的忠实用户。所以，我们称之为升值阶段；用户从成熟期开始，会出现休眠、流失状态，我们称之为留存阶段。
我们将用户生命周期、不同生命周期用户的行为表现，不同阶段运营所关注的重点工作进行阐释：
1) 获客区：对应着导入期，对应的用户行为是由流量成为用户，运营的核心工作是拉新获客以及促进新用户的活跃。
2) 升值区：对应着成长期和成熟期，对应的用户行为是在产品中活跃、为产品贡献、持续留在产品内，运营的核心工作是促进用户活跃、转化/付费、制造留存。
3) 流失区：对应着休眠期和流失期，对应的用户行为是离开产品、停止使用，运营的核心工作是对沉没流失用户做好安抚工作或者新产品的转移工作（如果有）。
假设你已经知道了你们产品内不同用户当前所处的生命周期，你可以做些什么呢？这个问题和前文介绍产品生命周期的时候类似，我们分析了一堆内容，最终定义好生命周期之后，一定要对运营有相应的促进作用。
我们可以这样思考：
我们最渴望达成的目的是：“把自己的思想装进用户脑袋，把用户的钱装进自己的口袋。”这里的思想可以是让用户接纳我们的产品规则、可以是让用户喜欢我们的活动、可以是让用户对我们产品有粘性；用户的钱可以是用户的时间、可以是用户的内容、可以是用户的互动，当然也可以是用户的钱。把我们的思想装进用户脑袋和把用户的钱装进自己的口袋无疑是这个世界上最难的两件事。
所以，如果做好这两件事，就算是做好了用户运营。这个过程可以理解为用户管理的过程，如果希望管理好用户，两个维度务必关注：
每个用户都可以被监测、被评估；
我们可以影响每个用户、可以驱动每个用户。
[/ol]
因此，用户运营可以理解为“用户生命周期管理”，本质是：
如何监测和评估一款产品的平均单体用户价值；
如何驱动用户价值的提升？
[/ol]
对于问题1，可以通过RFM模型去定义，可以通过AARRR模型去定义，大体都是通过数据，基于用户行为，找到不同的分层点。接着，针对不同层级的用户评价其价值。本文使用生命周期模型定义用户价值，其实，也就是找到用户处于生命周期的哪个阶段，接下来会详细说明。
这里，补充一个更加直观的方式，基于以下两个维度对用户价值进行监测和评估：
使用频次
是否有直接消费行为
[/ol]
10132966965b9f220d651244.49514685.png
第一象限，用户会直接付费，使用频次高。如饿了么、摩拜单车，用户价值主要体现在使用频次、使用时长、收入情况。
第二象限，用户会直接付费，使用频次低。如出行产品携程，用户不会每天打开，但是有需求的时候，会直接买单。用户价值主要体现在收入上。
第三象限，用户不会直接付费，使用频次低。有人说，这个象限的产品没有价值和意义，有时候觉得，如果让我运营这样的产品，可能确实会很糟心。
但作为运营，不能首先放弃，我认为这个象限的用户价值体现在收入上，这个收入和第二象限又有所不同，以房多多为例，很难让用户在不看房的情况下，通过一款App购买价值百万级别的房子，所以，返利、折扣、房屋经纪人的评级等等都影响到客户有需求时是否能够通过长期的引导进而付费。
第四象限，用户不会直接付费，使用频次高，比如脉脉、今日头条，用户主要价值体现在访问频次和使用时长上面，今日头条之前公布平均用户使用时长达到了60多分钟，这对他们来说就是用户价值。
插入一些题外话：
经常有人问我，为什么文章写到这里，逻辑就应该是这样的？比如上述，为什么非要通过使用频次和是否有直接消费行为进行用户价值的监测和评估？
能问出这样问题的伙伴，相信你经常光顾各类网站，看过无数的干货文章，但也仅仅局限于看过，回头一想，基本上属于忘得差不多的状态。大家还是缺乏思考，在这里，我把拆书领域用的RIA法则推荐给大家，这个方法同样适用于文章阅读。
首先，你阅读这篇文章，阅读之后，你要去思考，最后，你要结合自己的经验去融合文章的内容。如果你走完以上步骤，就意味着，你可能会发现很多文章写得也不一定是正确的，如果你看过的文章都觉得还不错，那就很危险了。
回到上述所说对用户价值进行监测和评估的两个维度，任何一款产品，不论是高频还是低频、不论是初创期还是成熟期、不论商业模式是现金流还是流量，他的核心指标一定有用户要打开App，不打开谈不上是自己家的用户，他的核心指标一定有是否消费，这个消费可以是直接付费，也可以是产品导流进而转化，甚至说广告点击营收。这也是商业社会、商业化公司、能够养活一群人的前提。
在访问频次和是否有直接消费行为下，你可以结合自己家的实际业务情况去找出你们更加关心的指标，比如访问频次是一级维度，你们更关心访问时长、视频观看数量等二级指标。
用户价值，不仅仅只能大概的监测和评估，甚至还可以计算出每个用户的价值。但是实际工作中，涉及到这个模块的工作并不多，并且当有这样的需求时，更多是统筹数据、开发等同事一起完成。所以，我们的文章站在运营的视角，到这一步已经可以了。
对于问题2，驱动用户价值提升的方向有两个：
提升单体用户价值；
延长用户生命周期。
[/ol]
最终，我们对用户生命周期模型的研究，演变成为对用户生命周期管理的本质：如何提升单体用户价值及延长用户生命周期。当然，这个过程必不可少的是数据驱动、对典型用户使用路径的引导及精细化运营。
有两个问题需要跟大家强调：
1) 是否所有用户都会经历完整的用户生命周期？
否。站在整个产品的角度，因为用户分布在不同阶段，所以，可能会走完一个完整的生命周期，也就是上文所说导入期、成长期、成熟期、休眠期、流失期，比如：注册-登录-活跃-付费-分享-流失。
但是，作为个体用户，用户可能在导入期之后就流失了，比如：用户注册登录之后，因为新手引导做的不到位，用户直接放弃使用，直接进入了流失期。
2) 是否所有产品都需要管理用户生命周期？
否。从产品生命周期来看，处于初创期的产品，由于资源不足，用户量级不够，一般可以不做用户生命周期管理。从产品的需求强烈程度和市场供应情况来看，需求越强烈，供应越稀缺的产品，越不用过多考虑做用户生命周期管理。
比如，12306，不论你在携程、去哪儿还是飞猪上买火车票，最终都是通过12306，市场供应紧缺、需求量大，用户也没有其它选择，要么选择别的交通工具，所以，这样的产品不需要做用户生命周期管理。比如：航司，有南航、中航及东航等等，这些航司的价格、服务、餐食、优惠、活动等，很有可能影响用户的选择，供大于求，所以，这样的产品一般需要做用户生命周期管理。
三、如何搭建用户生命周期模型
通过上文的铺垫，我们已经了解到，搭建用户生命周期模型，其本质就是根据用户发生的行为，找到用户处于生命周期的哪个阶段，是导入期还是成熟期，知道了用户所处阶段，才能方便我们进一步开展运营工作。
如何搭建用户生命周期模型呢？搭建用户生命周期模型的一般步骤如下：
业务逻辑梳理；
找到影响用户留存/消费的关键功能；
定义各阶段用户行为。
[/ol]
简单举例，以脉脉为例：
a.脉脉的核心业务逻辑如下：
11093845775b9f223440db18.71712294.jpg
b.可能影响用户留存/消费的关键功能
根据核心业务逻辑图，对于用户端来说，分为生产者和消费者，我们站在消费者的角度，影响消费者留存和消费的关键功能可能是：投递简历、消费内容、建立社交关系、购买会员。
c.定义各阶段用户行为
我们先看一下行业内通用的用户行为定义的模板：
5432018565b9f225c639012.41549280.png
根据上述模板，结合我们定义的影响用户留存/消费的关键驱动功能，我们可以做如下定义：
12337484615b9f22649e1802.72707291.png
四、如何围绕用户生命周期，提升单体用户价值？
提升单体用户价值，大家可以思考，哪些用户的价值需要被提升呢？导入期的需要吗？我认为不需要，这个阶段处于获客区；流失期的需要吗？我认为不需要，这个阶段主要是做用户召回延长用户生命周期。所以，我们主要针对处于成长期和成熟期的用户进行单体价值的提升，体现在用户行为上是：活跃、转化、付费、留存。
通过上一部分内容，我们已经根据用户行为对用户进行定义，以脉脉为例，我们定义：在一定时间内，关注XX个行业人脉的用户即为处于成长期的活跃用户，那么，XX到底是多少呢？比如，当我们通过数据收集发现，关注10个行业人脉的用户即处于成长期，那么，我们就可以针对未到达成长期的用户做关注人脉行为的引导。
所以，我们需要按照以下步骤进行分析，找出用户定义的数据节点，并通过在相应的节点制定运营策略，完成用户引导：
1、用户行为路径梳理；
2、数据定义/数据收集；
3、通过数据找到发力点；
4、完成用户引导。
1、用户行为路径梳理
我们仍然以脉脉为例，进行脉脉典型用户行为路径梳理，假设在脉脉内，一个用户从导入期到成熟期典型使用路径有如下2种：
a.用户注册→完善个人主页→上传简历/完善在线简历→搜索职位→投递简历→添加招聘方为好友→购买会员→添加更多人脉
b.用户注册→完善个人主页→添加行业人脉→查看动态→发布动态→购买会员→添加更多人脉
2、数据定义/数据收集
我们需要哪些数据呢？一般解决用户从A阶段到B阶段价值提升的问题（当然B阶段的用户价值一定是高于A阶段的），我们需要先筛选出B阶段的用户，再在B阶段用户身上获取三种数据：
a.典型用户使用路径的相关数据，围绕用户从A阶段到B阶段典型使用路径提数据需求；
b.用户基础数据，比如用户的性别、职业、年龄、地区、爱好、家庭状况等；
c.用户行为数据，判断产品内哪些模块可能会影响用户的后续行为，然后拉出使用过该模块的用户数据，比如注册微博后，立刻关注5个其它用户，则活跃和留存都比较好。
除了从用户身上获取如上三种数据，还可以参考用户渠道来源数据、业务数据等进行数据分析。
3、通过数据分析找到运营发力点
数据分析的几个关键思路：
a.用户从A阶段到B阶段，哪条路径更优？
b.从A阶段到B阶段，大部分用户符合什么特征？
c.从A阶段道B阶段，大部分用户是否发生过一些相同行为？
d.从A阶段到B阶段，是否受到不同渠道来源影响？
我们结合数据定义/数据收集以及数据分析的几个关键思路，以脉脉为例，我们仍然假设：
a.通过对脉脉10w用户的数据分析，发现走完路径1的用户有2w，走完路径2的用户有8w，那么，我们可以初步猜测，用户从A阶段到B阶段，路径2更优;
b.我们看大部分用户符合什么特征，通过基础数据进行分析，发现处于成熟期的用户，男女比例为7:3，男性中22-30岁占比70%，互联网从业者75%。
c.我们发现，投递过3次简历的用户，会员购买率为89%，站内会员平均购买率为21%； 发布过10条消息的用户，购买其他用户服务的占比为70%，站内服务平均购买率为11%。
4、完成用户引导
我们基于上述通过数据找到的一些可发力点，设计相应的策略，对用户进行引导。需要强调策略和手段的区别：如果是一套机制和规则，就是策略，如果是拍脑门单次给用户的推送，就不是。很多伙伴在制定策略时，巴拉巴拉写了一大堆活动方案、触达方式，其实都是在策略支撑下的具体可落地的手段。
以上述找到的可发力点为例：
a.路径2更优，我们的核心策略是加强在路径2各个节点对用户的引导，具体引导的手段可以是推荐更多精准的用户和优质的动态等；
b.针对投递过3次简历，会员购买率更高，更容易到达成熟期，我们的核心策略有两方面，一方面是大力引入B端招聘数量，一方面试面向C端求职者更加精准的推荐，具体的手段可以是增加B端入驻福利、给求职者1V1服务等；
c.男性互联网从业者多，我们的核心策略是加强同类属性用户的获取和运营力度，这样可以更容易提升产品的整体收益。
（以上关于脉脉的分析都是假设，特别是数字的部分。主要是为了说明用户生命周期模型的实操方法，如有不妥，还望及时指正。）
五、如何做好用户流失预警机制，延长用户生命周期？
上文已经说过，驱动用户价值提升的方向有两个：
1、提升单体用户价值；
2、延长用户生命周期。
围绕用户生命周期提升单体用户价值的方法已经详细说明，接下来重点关注如何延长用户生命周期让用户尽可能长时间待在产品内，为产品贡献价值。
延长用户生命周期，大家想，可以怎么做？
预防用户流失，让用户一直待在产品内；
针对已流失用户，做用户召回。
[/ol]
提到预防，一般都能联想到机制化、自动化，当系统判断用户具有流失特征时，及时自动触达用户，尽可能的挽留用户，所以，这里需要设计一套自动化的机制。
针对已流失用户也可设计一套自动化触达系统，但实际情况是，已流失用户数量巨大，流失原因不明，甚至在注册之后就流失、价值较低，外加短信、电话等触达手段成本较高，一般会通过人工的方式对流失用户进行筛选后手动触达，相信很多伙伴都做过。
所以，下面我们主要讨论预防用户流失，最终设计一套用户流失预警机制。
如何设计流失预警机制？
流失预警机制设计步骤如下：
流失用户定义
分析流失预兆
设立预警机制
完成用户引导
1.流失用户定义
我们只有定义了什么样的用户属于流失用户，才能针对未流失用户做相应的流失预警，在未流失用户出现流失用户关联行为时，系统及时响应，避免用户流失。定义一个用户是否流失，我们一般从两个维度进行评估：用户行为，时间。
用户行为
简而言之，用户发生怎样的行为，我们认为他流失了。用户在产品内发生的行为，一定会依托产品的功能、服务，所以，用户行为要根据一款产品的基础功能或核心功能综合评估。我以一些产品举例：
理财产品，核心功能是理财，用户将资金投入到标的中去，当用户停止了这个行为，我们猜测用户可能将要或者已经流失。还存在一种情况，用户每天都会来App内，查看有哪些收益率比较高的理财产品，看完之后就退出了，并没有进行投资，因为没有满足用户收益率预期的标的，这部分用户我们称为“沉睡用户”或“休眠用户”。用户没有离开或卸载App，但如果不及时挽留，或者用户发现其它更高收益的理财产品，就会成为流失用户。
工具产品，比如网易邮箱，核心功能是收发邮件，但是我们判断流失用户行为的方式可能不需要查看用户在核心功能上的操作，因为不论是收邮件还是发邮件，都需要登录邮箱，我们可以通过分析用户的登录行为来判断用户流失情况。
电商产品，比如网易严选，用户登录账号后，每次打开App不需要重新登录，用户可能会在首页看一下推荐的好物，没有购买行为就关闭了App。我们可以基于用户的付费行为来判断用户流失情况。
内容产品，比如36kr，用户每天早上都会看一下创业版块的文章，有一天突然不访问了，那我们就要基于用户对36kr内容的访问行为判断用户流失情况。
所以，一般流失行为的标志性关键动作是登录、访问、付费。具体的流失行为定义，可以结合自家产品的实际情况进行定义。
时间
当我们选定了XX行为作为流失用户的关键流失动作后，需要对这个动作发生的时间进行定义。以网易严选为例，用户没有发生付费行为，我们就定义该用户已经流失了吗？显然是不科学的，我们需要判断多久之后还没有发生首次付费或二次付费的用户才是流失用户。
在这里，我们需要引入一个概念：回访用户。
GA（Google Analytics ）上定义的 Returning Visitor指的是，当用户首次访问的时候，会生成一个独立的Client ID，当用户再次访问时，GA监测已存在的Client ID发生一个新的会话，这时候就是 Returning Visitor，GA的回访用户是与新用户相对应的。
我们今天提到的“回访用户”指的是：用户流失后，再次访问的用户。
比如，当你通过大量数据分析之后发现，对于一款社交产品，10天内没有打开App的用户，被定义为流失用户。有一位用户已经15天没打开App了，我们认为他已经流失了，但是我们的运营很强大，通过各种吹拉弹唱的技能把该用户请了回来，这位用户就属于我们今天提到的回访用户，即，流失后再次回来。
对于用户流失时间，我们有一个一般定义：用户回访率在5%-10%区间，这个区间对应的时间点及之后的时间，我们认为用户已经流失。从网络上找到一张图片如下：
15997245385b9f22f892fe20.73469730.jpg
*用户回访率=回访用户/流失用户*100%
在拐点处，用户回访率为5%，这个拐点对应的流失期限是5周，在5周之后的用户回访率均低于5%。所以，我们认为，这款产品的用户流失时间，可以选择在用户停止发生XX行为5周后，该用户即为流失用户。
基于用户行为和时间维度，我们定义流失用户如下：
9821166115b9f22da978f32.51214584.png
上图是用户回访率和流失天数的关系，我们可以看到，当用户流失10天之后，回访率降低到5%以下，由此，我们可以对产品内的流失用户进行定义，明确哪些用户是流失用户。
注意：回访用户不仅仅是回来打开App的用户，要根据具体产品属性进行判断。对于理财类产品，回访用户指的是投资；对于工具类产品，回访用户指的是登录；对于社交类产品，回访用户指的是互动；针对内容型产品，回访用户指的是访问。
2、分析流失预兆
本文的核心是设计一套流失预警机制，即，针对未流失用户做好流失预警，避免用户流失。所以，我们得到哪些是已流失用户之后，需要针对已流失用户进行研究分析，找出他们流失前的共同点，如果当前的活跃用户在未来某一天出现已流失用户的相似征兆，则需要触发流失预警机制。
分析流失预兆步骤如下：
确定流失用户，分析用户流失前的行为
假设用户流失的影响因素
通过访谈，明确用户流失的行为路径
分析流失用户流失前的行为，一般可以从以下几个方向进行数据分析：
用户流失前发生了哪些相似的行为
用户是否集中在某一渠道
用户属性是否一致
流失前，产品、运营、市场是否发生某些变动
注意：分析流失前的用户行为，我们只需要分析用户导入期、成长期、成熟期的数据。
我们以当前用户拉新做的比较好的拼多多作为案例，做一些数据上的假设，来分析流失用户流失前的行为，以拼多多成长期用户为例：
607050125b9f232538e715.95956699.png
拼多多成长期用户占比为30%。
成长期各渠道流失占比：
2916224185b9f23346e4bf6.28349159.png
拼多多一直以裂变效果好著称，但裂变邀请好友存在的弊端就是，好友为了配合你拆领红包而注册使用拼多多，忠诚度可能较低，所以，在流失方面，好友邀请这个渠道带来的用户，流失率达到30%，其次是微信公众号软文投放带来的用户，流失率达到25%。
13745367345b9f2352250a98.91129429.png
处于成长期的用户，购买次数达到3次的用户只有10%，90%的用户只有1-2次购买行为，也就是刚刚进入成长期，后续没有进一步转化到成熟期就流失了。
3451633545b9f236464b094.09939351.png
处于成长期的用户，购买金额达到200元的用户只有5%，95%的用户只有1-200元的购买金额。
18307690815b9f23785511b4.10292670.png
作为拼多多最强福利模块，邀请好友可以带来显而易见的实惠，但是我们发现，成长期的用户，主动发起邀请好友行为的用户占比仅有30%，且只有1次，70%的用户未发起过任何邀请行为。
假设用户流失的影响因素
基于以上数据图表分析，我们假设用户流失的影响因素：
好友邀请渠道带来的用户流失率高达30%，说明用户忠诚度不够，易流失
90%的用户购买次数只有1-2次，说明用户未养成购物习惯
95%的用户购买金额不到200元，可能是用户对产品需求偏弱或对平台信任度偏低
70%的用户未发起过邀请行为，可能是活动引导或激励程度不够
访谈，明确用户流失路径
找到流失用户，直接进行访谈，判断用户流失路径，明确假设内容。访谈这一部分，属于用户研究的工作，但是我们仍然可以了解一些工作方法，如果在一些资源支持不足的公司，便于快速开展工作，这里简单说明用户访谈的步骤：
收集产品内外部信息，外部环境是否发生变化。产品是否发版、是否有运营活动上线、是否有负面新闻、行业监管是否变化，如P2P产品的业务发展和行业监管紧严格程度紧密相关。
制定方案。明确访谈目标是什么，访谈的对象是谁，访谈的流程如何设计。
方案落地实施。可以邀请用户到公司进行访谈，可以通过线上问卷形式进行信息收集，也可以通过电话甚至竞品分析等形式对流失路径进行分析。
有人问我，如果分析出用户流失前的行为，不进行假设、不做用户调研可以吗？感觉加上这两步之后，变得好复杂。实际上，我们仍然可以按照MVP的原则进行敏捷测试，将分析出的问题，通过小范围、人工的形式推动去解决。如果被验证是对的，可以逐渐系统化。
3、设计预警机制
根据上述得到的何为流失用户，以及流失用户在流失前的行为，我们就可以开始设计预警机制了。预警机制在不同公司的体现形式不同，主要还是基于业务规模和业务类型进行设计。
如果是一家初创型的公司或者业务快速变化中的公司，可能压根不需要设计预警机制，仅仅需要做好用户流失预警。运营伙伴通过数据分析，定义流失用户的标签，给到数据分析师，数据用SQL帮我们跑出来这些用户的名单，我们就可以通过push、短信等渠道对用户进行简单的触达。
如果业务具备一定的规模或者业务已经成熟稳定，除了做流失预警，最好能够搭建一套自动化预警机制。以微信读书为例，用户性别、年龄、爱好、阅读习惯、阅读进程等等存在数十个标签，如果靠运营手动定义标签并交给数据分析师导出用户名单，工作量太大，效率极低，而且容易死机（皮一下..）
根据流失前用户的行为指标，分别对这些指标赋予相应的权重，根据这些指标、权重进行计算，当数值高于XX值时，系统定义该用户具有流失风险，要么自动触发、要么将名单传输到运营手里，运营人工召回。当然，如果加上权重比较复杂，也可以根据定义好的用户行为指标直接做预警，凡事可以变通。
预警最好可以分等级执行，以上述拼多多为例，成长期的用户，流失前，90%的用户购物次数只有1-2次，流失时间假设是20天之后。那么，当用户在10天的时候，如果购物次数保持在1-2次，我们可以基于用户购买或浏览行为为用户进行更精准的推进；12天的时候，如果购物次数仍然保持在1-2次，我们可以在推荐的基础上，给用户发放折扣券或进行商品返现；如果15天的时候，用户还是只购买过1-2次，我们可以进行人工客服电话召回，告知用户现在针对该用户有一个XX元优惠券等在账户里，2天内有效，可以使用；如果18天的时候，还是1-2次，那么我们可以提升对该用户的push、短信频次，并加上感召性的文案。如果超过20天仍然只有1-2次，我们认为该用户已经流失，可以按照流失用户的标准进行日常召回。
我所知道的流失预警机制，可以有两种呈现形式：
.
一套取数系统，像上文所说，系统会每日导出名单，由运营定制化触达用户。
一套自动触达系统，最好的就是这样的系统，可以大大提升效率，只有在分等级触达情况下，实在无法召回，才会导出名单给运营，进行电话、用户回访调研等。
4、完成用户引导
截止到上述3步全部完成，已经搭建了一套流失预警机制，也就是完成了用户引导。但是，针对用户引导制定怎样的策略是一个很重要的环节，所以，我们拿出来单独讨论。
既然是预警机制，最核心的还是怎样留住用户，那么，单单分析出谁是流失用户、流失用户有哪些流失前的行为以及在流失前进行触达还是不够的。怎样触达？触达的内容是什么？触达的渠道是什么？触达的形式是什么？还需要针对性一步步去做。
仍然以上述拼多多为例，我们针对预警触达动作制定相应的运营策略：
好友邀请渠道带来的用户流失率高，增强对这部分用户的引导；加强对这部分用户的激励。
成长期90%的用户购买次数只有1-2次，通过发放优惠券，提供专享商品等形式培养用户购买习惯。
成长期95%的用户购买金额不足200元，增强媒体宣传，提升用户对平台的信任度，提升用户购买大额产品的几率；推荐更精准的产品给到用户，并附带大额优惠券，主动帮用户发现需求并刺激转化。
成长期70%的用户未发起过邀请行为，加强对邀请活动的引导，或者当用户在App内连续发生某些动作后，增加这部分用户参与好友邀请活动的额外激励，比如只要他们参与，就立刻送一张5元无门槛代金券。
（上述关于拼多多用户构成、不同用户行为数据均为假设，主要是为了将文章中的理论通过实际案例呈现，如有不妥，请及时指出。）
这里补充一些常见的触达渠道：
邮件召回
优点：
成本较低
邮件可传达的内容多
邮箱的新邮件提醒到位
缺点：
国内用户的电子邮件使用率较低，邮件打开率更低；
发送设置有一定的技术要求，不然容易被屏蔽。
短信召回
优点
送到率较高
缺点
成本比邮件高
智能手机的软件可能会把短信屏蔽
适合的产品种类较单一
站内信召回
优点
成本相对来说非常低
送达率高
缺点
打开率低
Push推送
优点
成本相对很低
触达率高
用户打开率高
缺点
用户卸载App就收不到消息
设置拦截就收不到消息
电话回访
优点
更加人性化，成功率高
缺点
效率低
成本高
对电话发起者要求较高，话术、发音等
至此，关于用户生命周期模型搭建的内容暂告一段落，虽然文章中有案例，但如果没有实际操作过，这些对我们来说，都处于纸上谈兵的阶段。希望有机会，大家可以真正去做一下。欢迎大家共同在留言区探讨交流。
创富吧：每日更新全网精品资源！
