拉新、促活是運營喵每日必做的工作之一，但是在用戶來了之後能留下的有多少?作者@楊麗清 通過資料分析使用者流失及不活躍的原因，一起來漲姿勢。
作為運營喵，用戶是我們最在意的人，他們就像我們的愛人，為了他們簡直撲湯蹈火，想盡各種有的沒的辦法把他們拉倒自己的產品上，各種“零成本一年百萬用戶是怎麼做到的?”、“做到三十萬就靠這四招!”......這類的“拉新”文章太多太多了，這些人是不是很牛逼?好像是，但是今天我不是要去驗證這些方法能不能行。我想說的是：就算用(kai)戶(yuan)拉來了又怎麼樣，用戶會“流失”、會“漏掉”的，我們是不是更應該好好留住用戶，儘量少溜走?那麼，問題就來了：我們怎麼知道用戶是不是“流失”了?這個很明確，一定是會通過各種資料來證明。當然，每個運營或者公司對“流失”的概念不一樣，我只是分享個人經驗，若意見不同，勿噴。
我將“流失”分成兩個部分：一是新用戶首次來網站是否存在“流掉”;二是這些新用戶之後還沒有活躍?是否留存下來?
一、新用戶首次來網站是否存在“流掉”
新用戶首次來網站是否存在“流失”，應該是新訪客，這是還不能算是用戶，以電商行業為例子。
大範圍：
從訪問網站-註冊—購物車—下單—購買(有的網站可能還有充值之類的)，這是最常見的分析維度，去看新訪客的“流掉”情況;
這是某電商網站過去一周的新訪客的操作路徑，我們一步一步解析：
PS：每個網站對資料KPI的理解不一樣，我的所有資料都不是真實的工作資料，我只是舉例說明，請大家看的是運營分析邏輯，而不是介些資料哈!!!
訪問—註冊
不管這些訪客是通過什麼管道知道並來到網站，我們都夾道歡迎，可是為什麼只有54%的訪客註冊了，是各管道推廣品質不好(只有流量沒有品質的管道不要也罷)?是推廣資訊和網站不對稱，訪客感受“受騙”立馬離開(小提醒：管道效果記得同時優化，不然白白花錢)?或者網站和產品不夠吸引人、註冊入口不明顯(若是這些原因，那應該和產品聊一聊了)?還是新人引導不夠，大家操作無從下手(產品、運營都有責任，快來解決問題，都別幸災樂禍啦!)還是網站設計不夠酷炫(應該知道找sei吧)?不然就是網站對新用戶的優惠不夠，很多時候電商拼的是價格、優惠程度(還不快去瞭解下市場、競品的優惠情況，分析下自己網站優惠是不是真有問題)?
註冊—購物車
這步路徑更多應該去分析產品清單頁/詳情頁和購物車之間的關係，一會我再說。
下單—成功購買
除了那些可能很久之後才會結算的用戶(當然只是少數)，這步路徑轉化率為68.8%;這時候，產品應該想想這步的操作是不是不流暢，比如支付什麼的，導致“流掉”一半的用戶;支付方面，還涉及支付平臺的性能，支付是不是夠快，會不會經常支付失敗等;這些問題看似不驚人，其實特別影響支付的心情和狀態(反正我是這樣，支付慢我一定等不了)。運營應該想想這步的轉化引導是不是不夠。
分享一個上周的親身經歷，某寶的某店，那次我下單了，但是不知道什麼原因忘了付錢，然後人家客服MM就以非常俏皮的口氣提醒沒付錢，雖然知道她的“賊心”，但是我還是乖乖付錢了，這是我第一次遇到這樣的提醒。所以，運營有時候只是小小的一步，也許就會有大大的收穫。
小範圍
分析完大範圍，再來看下小範圍：詳情頁、二級頁之間的關係，即各級頁面的轉化。
兩個辦法：
追蹤每個使用者的操作路徑(具體到各頁面)，分析使用者多在哪些頁面流失，對這些頁面進行重點監測，然後該優化就優化;
查看熱力圖，分析哪些用戶的點擊少，也能瞭解使用者可能流失的區域;
分析這些頁面關係，還有一個價值：就是去發現一些頁面之間的關係，繼而去發現一些商品之間的關係，可以做一些商品關聯推薦、合綁銷售等。
二、這些新用戶之後還沒有活躍?是否留存下來?
除了首次的行為外，運營更看重的是這些用戶之後是否活躍，活躍有可能是登錄，有可能是購買;無論是什麼，努力把他們都變成老用戶、忠實用戶，提高網站留存率，要知道他們才是網站價值的最大貢獻者。
活躍用戶
先看活躍用戶，一般用折線圖表示即可，直觀明瞭;
留存率
那就看看他們的留存率吧，留存率概念應該運營童鞋都懂，我就不囉嗦了。一般用“40–20–10”規則，表示的是次日留存率、第7日留存率和第30日留存!結合自己網站評估下吧!
以上這個資料代表性不強，只是留存率思維的一種展示，至於留存率的計算，其實很簡單，資料工具有這個高級計算選項。然後設置一直“紅色”條件，設置一些資料條件，用來提醒、預警，預防資料太低。
留存率反映的是一種轉化率，由初期的不穩定的用戶轉化為活躍用戶、穩定用戶、忠誠用戶的過程，能看到不同時期的使用者的變化情況。留存率很重要，但不一定都關注次日留存率，各種網站、APP的特性也不一樣，so留存率一般包括：次日留存、3日留存、7日留存、15日留存、30日留存、3個月留存、半年留存等概念。注意：留存率並不一定能代表活躍度，但是活躍度低的產品留存率肯定高不了。
做完了資料分析大體就能知道使用者“流失”的情況了，但作為運營，更重要的是從資料中發現問題，然後制定相應的運營方案，比如怎麼能讓用戶少流失點、如何召回、是不是要設置流失預警、等等，慢慢優化效果。
So運營會做資料分析是很重要的，我在這條路上越走越遠啦，越來越順，過程中有很多意外發現，對自己的運營成長也有很有利。分享經驗，希望和大家共勉，加油!!!
留言列表
