京公网安备 11010802034615号
经营许可证编号:京B2-20210330
四步帮你分析用户流失原因
1:数据分析师对用户流失原因调研时不知如何入手?2:数据分析师不知如何才能找到用户真正的流失原因?3:数据分析师不知如何把调研结果应用到产品改善中?4:数据分析师到底要怎样才能做好用户流失原因研究呢?
在做了一些用户流失原因调研项目后,笔者总结了用户流失原因调研四步经。
第一步:了解调研目的
无论做什么调研,研究员首先要确认调研目的,只有知道需求方最终想要解决什么问题才能做好调研。用户流失原因调研不只是简单的了解用户流失的原因就可以,产品经理提出用户流失原因调研需求,最终目的一般有两个:(1)防止用户流失;(2)挽回流失用户。
最终目的不一样,调研需要解答的问题也不一样:
(1)防止用户流失
用户为什么会流失?(用户流失原因)→用户会继续流失吗?(现有用户的不满意点与流失原因是否一致?)→如何防止用户流失?(应采取什么样的改善措施)
(2)挽回流失用户
用户为什么会流失?(用户流失原因)→流失用户回流的可能性?→什么情况下他们愿意回来?(回流触点)→如何挽回流失用户?(应采取什么样的改善措施)
第二步:找出用户流失的真正原因
无论产品经理最终的目的是什么,他们提出用户流失原因调研需求证明他们都非常关心用户为什么会流失,所以找出用户流失的真正原因非常重要。但要找出用户流失的真正原因并不容易,有时问用户为什么不再用某产品,他们会用“没钱”or“没时间”等借口敷衍我们,用户因为“没钱”不用我们的产品了,但其他价格一样的产品却销售得如火如荼,这合理吗? “没钱”or“没时间”这些借口我们当然不接受,那我们要如何找出真正的原因?笔者总结了三种方法:
(1)深入追问——5个WHY
连续问用户5个问题以获得深度递进的答案,这个方法能有效的使用户表达出深层的想法和原因。
案例:以一款休闲游戏用户流失原因调查为例
访问员:为什么最近一段时间没登录过***了?
用户: ***(游戏角色)病了。
访问员:为什么***病了就不登录了?
用户:因为一登录***就会死,不想见到它死。
访问员:既然害怕***病死,那为什么没带***看病(指的是在游戏中看病)?
用户:没钱,看不起病。
访问员:为什么没钱?
用户:***很容易生病,让***打工挣的钱不够它看病。
访问员:为什么不带***看免费医生(游戏中可免费看病)?
用户:不知道可以免费治病。
该案例最后了解到导致用户流失的原因有两个:***(游戏角色)打工挣钱少、用户不知道可以免费冶病。
注:图片来源于IDEO方法卡
(2)侧面对比相关产品
有时用户也意识不到他们行为背后的真正原因,直接追问他们可能问不出具体原因,这个时候可以通过侧面对比去激发用户潜意识,挖掘出真正的流失原因。
案例:
访问员:为什么不续订*钻了?
用户:没钱啊。
访问员:您目前有没有开通其他的包月业务?
用户:开通***。
访问员:为什么开通***却没有开通*钻?
用户:因为觉得***更实用,特权更多。
访问员:***里的哪些特权最吸引您?
用户:红名、魔法表情
该案例了解到用户并不是因为“没钱”而不再继订*钻,而是由于*钻的特权没法吸引用户继续开通,而用户喜欢什么类型的特权呢,这需要我们(数据分析师)继续深挖。
(3)行为分析
当我们通过网络问卷的方法调研时,很难实现层层深入追问,对于用户来说,原因类题目他们很难回答,而行为类题目较容易回答,且行为类题目回答真实性较高,有些深层的流失原因,不一定需要层层深入追问为什么,有时可以通过行为分析解决。
案例:
您的***(游戏角色)挣钱的方式主要是:
数据交叉分析发现,因为挣钱难而流失的***游戏用户主要的挣钱方式是“打工”,而我们和产品经理沟通后了解到实际上***(游戏角色)“打工”不但不能挣钱、而且会赔钱,因为“打工”会让***(游戏角色)损耗,***(游戏角色)会更容易脏、更容易饿,用户就要花更多的钱去养它们,成本大于收益。但很多用户不知道这个情况,所以一直选择“打工”挣钱,最后没办法维持游戏角色在游戏中的生存,导致流失。
第三步:解答两大最终目的其他问题
(1)用户会继续流失吗?——了解现有用户与流失用户的差异
要了解用户是否会继续流失,就需要对现有用户进行调研,如果现有用户和流失用户是同一类用户,那现有用户会继续流失。
怎么知道现有用户和流失用户的差异呢?那就需要了解现有用户的态度,现有用户不满意的方面是什么,如果现有用户不满意方面与流失用户流失原因一致,那证明现用用户和流失用户没明显差异,如果导致用户流失的问题没解决,用户会继续流失。
(2)用户什么情况下才愿意回来
首先要知道流失用户回流的可能性,如果大部分用户表示无论产品怎样改变也不会再尝试使用,那在挽留用户上投放更多资源也没作用。
其次是了解用户在什么情况下愿意回来,这包括但不限于流失原因改善,除了流失原因改善外还需要相关的促销活动,需要询问流失用户进行了解。
最后是确认进行挽回改善措施会不会引起现有用户的不满,要了解现有用户满意及不满意的方面,确保挽回流失用户的措施不会对现有用户产生影响。
第四步:设计改善措施
知道了用户侧反馈的产品问题,那具体要怎么改善产品呢?建议可以参考“GAP模型”了解缺口在哪里,在哪个环节出现问题。
(1)认知缺口:产品经理不知道用户想要的是什么。若出现了认知缺口,则首先是让产品经理清楚知道用户流失的真正原因。
(2)执行缺口:产品经理知道用户想要什么,但实际做出来的产品与设计中的不一致。若出现了执行缺口,则要了解具体哪个执行步骤出现问题,是资源的欠缺还是技术难以实现。
(3)传递缺口:产品的宣传和指引不能让用户对产品真正认知了解若出现了传递缺口,则要了解用户现在的感知是怎么样的,在哪些宣传和指引上出现了问题。
(4)流失缺口:用户体验到的产品和期望的不一样。
案例:导致用户流失的原因主要是社区游戏单调更新慢
用户期望:多种多样的游戏,希望至少每月推出一款新游戏。
产品经理认知:知道用户期望多种多样的游戏,游戏更新频率越快越好。
设计执行:每周更新一款新游戏、不同类型的游戏上百款。
用户认知:觉得快半年没更新过游戏了,来来去去就只有几款游戏。
从这个案例"数据分析师"可以发现,整个过程中主要是用户认知出现了问题,也就是出现了传递缺口,说明产品的宣传指引做得不好,那我们的改善措施就应放在产品的宣传指引上,增加新游戏的宣传,或在指引中明确告诉用户游戏更新的频率。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15在数据仓库建设中,事实表与维度表是两大核心组件,二者相互关联、缺一不可,共同构成数据仓库的基础架构。事实表聚焦“发生了什 ...
2026-05-15 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-05-15【核心关键词】互联网、机会、运营、关键词、账户、数字化、后台、客户、成本、网络、数据分析、底层逻辑、市场推广、数据反馈 ...
2026-05-14