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
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30