
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04