一提到数据指标体系,很多人喜欢背诵AARRR、RFM一类。可真到工作中,会经常发现很难满足业务需要。比如前几天就有同学在星球提问:用户流失该如何搭建指标体系?
起因是:某公司定义了用户流失率指标是“连续三个月不消费”,可业务看到这个指标却很懵:
1、知道了用户流失率是30%,所以呢?能干什么?
2、知道了用户流失要召回,可召回划算吗,值不值得干?
3、为啥一定要等到用户流失了才干活?不能早干点事吗?
因此,业务想让数据部门帮忙建一个能辅助决策的用户流失指标体系。该怎么办呢?这里需要考虑三个流程:业务流、管理流、数据流。
第一步:梳理业务流
梳理业务流,即搞清楚:分几步达成目标。有些业务流程是很清晰的,比如销售流程,就是一个大转化漏斗;比如客服流程,根据客户需要,分类处理问题(如下图):
![](http://k.sinaimg.cn/n/sinakd20250123s/649/w1080h369/20250123/4776-fc13699ae3b06a4890554d70681926ec.png/w700d1q75cms.jpg)
对用户流失而言,常见的业务流程有:
1、事前预防:当用户出现投诉/退货,及时安抚
2、事前预防:当用户消费一个月比一个月少,及时激励
3、事前预防:当用户1个月/2个月未消费(此时尚未达流失标准)进行刺激
4、事后补救:利用优惠活动/新品上市/爆款产品等进行召回,尝试重新激活
可以将这些常见流程列清单,然后让业务选:希望从哪个方向下手。如果业务暂时没有想法,我们可以把用户状态如下图分清楚,先统计每一类用户有多少人,帮业务看清:那些人是流失重点,从而形成思路
![](http://k.sinaimg.cn/n/sinakd20250123s/699/w1080h419/20250123/e3a3-eb1c48abbbfd98392082ac86359ae5f3.png/w700d1q75cms.jpg)
第二步:梳理管理流
梳理管理流,即搞清楚管理业务的目标,目标可能是多元化的。比如销售流程,有可能有好几种考核方法:
1、只考核销售额
2、销售额+毛利
3、销售额+毛利+回款
4、销售额+特定产品销量
不同考核方式,决定了指标体系的主指标不同,当然会影响考察哪些子指标。因此搞清楚管理目标很重要。
![](http://k.sinaimg.cn/n/sinakd20250123s/607/w1080h327/20250123/baec-7ccaccb6958ce6e707f7b2df86ba07e9.png/w700d1q75cms.jpg)
在流失分析中,很有可能业务不确定,到底流失率多高算合适。此时,可以做一些辅助工作:
1、这些用户流失前的贡献有多大→ 理论上流失前贡献越大,越应该召回
2、这些用户处于流失状态多久→ 理论上流失状态越短,越容易召回
3、这些用户有没有自然回流的迹象→理论上有回流迹象,越容易召回
可以先把数据梳理出来,让业务方看一看找找感觉:
![](http://k.sinaimg.cn/n/sinakd20250123s/703/w1080h423/20250123/1363-02c2311d7c52c69bf4c45ead1c714e1f.png/w700d1q75cms.jpg)
帮业务方定目标是很重要的。因为不同难度的目标,采取的手段不一样。比如召回流失用户,如果就孤零零地发条短信,啥好处都不给,肯定很难召回用户。如果给用户福利,那最好给有高召回价值的用户身上。因此,事前做好用户价值分层+过往召回响应的盘点,非常重要!
第三步:梳理数据流
梳理数据流,即明确业务的目标、业务操作流程是否有数据采集。这一步确保前两步梳理的内容,能落地成数据表报,而不是悬在空中。
比如销售流程,传统企业的最大问题就是数字化能力不行,除了最后一步的签约合同,之前啥过程数据都没有,这样只有结果指标,没有过程,很难做深入的分析。
回到用户流失的例子,除了流失用户人数这个孤零零指标外,上述两步梳理的内容,最好都有记录(如下图):
![](http://k.sinaimg.cn/n/sinakd20250123s/561/w1080h281/20250123/ccd3-b5a009d64b5fc6ace6ad8e3f13a1c0e9.png/w700d1q75cms.jpg)
注意!数据指标体系不止有指标,标签也很重要:
1、流失前用户消费:高消费、中消费、低消费
2、流失前用户偏好:品类偏好/优惠偏好
3、流失前用户状态:有投诉、无投诉
4、对召回行为的响应:有响应、无响应
5、召回用户素材:优惠类、新品类、换季类
6、召回用户优惠力度:高、中、低
这些都需要打好标签,才能方便后续的深入分析。当需要解释:“为什么召回效果不好?““为什么流失增多”这些问题时,直接利用标签对比,就能得出初步答案,从而极大提高数据指标体系的可用性。
理想的效果
理想状态下,一个好的数据指标体系,可以指导业务实现工作闭环,用通俗的话说,是:我想干什么→我要针对谁干→我要怎么干→我干成了没有,全流程都有数据监控。这样在数据的指导下,业务方不断具体到用户流失案例,整个指标体系如下图运作:
![](http://k.sinaimg.cn/n/sinakd20250123s/71/w1080h591/20250123/526c-834410a62f42b35c6c4c0d9055fb9957.png/w700d1q75cms.jpg)
这样就不是一个孤零零“流失率35%”的指标,而是可以按图索骥,找到解决问题的思路,追踪效果,可以说能实现用数据驱动业务了。
![](http://img.t.sinajs.cn/t5/style/images/face/male_180.png)
![](http://img.t.sinajs.cn/t5/style/images/face/male_180.png)
财经自媒体联盟
![](http://n.sinaimg.cn/finance/pc/cj/kandian/img/article_pic05.png)
4000520066 欢迎批评指正
All Rights Reserved 新浪公司 版权所有