随着互联网大数据行业的不断发展，电商行业的队伍也日渐壮大。用户留存问题也成了大多数电商研究的点，可是当我看了电商平台的前世今生后，我发现用户留存并没有那么玄。

遥看我国的电商发展史，共先后经历了 5 个阶段，分别是： 1990 年开始的起步期、1993 年开始的雏形期、1998 年开始的发展期、2000 开始的稳定期，以及 3G 的蓬勃发展促使全网全程的电子商务 V5 时代成型而带来的成熟期。

图 1 . 电子商务的 5 大发展历程

随着互联网大数据行业的不断发展，电商行业的队伍也日渐壮大。

据商务部《中国电子商务发展报告2017》显示：电子商务的直接从业人员和间接带动就业多达 4250 万人，较上年增长 13%。全国电子商务交易额高达 29.16 万亿元，同比增长 11.7%。全国网上零售额为 7.18 万亿元，在社会消费品零售总额的比重不断提升。

图 2. 2011-2017 中国电子商务交易总额及增长率

据日前阿里发布的 Q2 财报显示：

核心电商业务的营收为 691.88 亿元，占营收总额的 86%，同比增长 61%。

同时，网易也同样在电商业务领域交出了一份满意的答卷。

在近日披露的 Q2 业绩中，京东的营收规模高达 1223 亿人民币，其中电商占比更是达到 90% 以上。今年整个 “6.18” 期间，京东的累积下单总金额为 1592 亿元人民币。与去年的近 1200 亿元的销售额相比，增长了 31.2%。

而且，如今的互联网电商种类繁多，综合电商、跨境电商、生鲜电商、外卖电商、医疗电商、母婴电商等等领域，数不胜数。

图 4. 不同类型的电商平台

显然，这些数据和内容不断地用事实告诉普罗大众——毋庸置疑，我国的电商行业依然在互联网的浪潮中高歌猛进。

这届用户没那么长情，用户留存面临困境

面对越来越激烈的竞争，“如何留住用户”成了兵家必争之地，代金券、优惠卡、赠送品等等爆炸式轮番上阵，然而，现实却告诉我们，电商行业的用户留存似乎不是那么好做。

 1. 居高不下的获客成本 

某时期内的获客成本=营销成本+营销人员人力成本+营销工具成本，在流量红利消失的今天，甚至有人声称，早在 2016 年，电商行业的获客成本就已经突破了 100 元，更有业内人士指出，阿里巴巴的线上获客成本目前已经飙升到 700 元。

搜索引擎优化、明星网红广告、社交软件投放、影视传媒露出等都在不停地抬高着获客成本。可如若真的在这些领域做了缩减，那么一直被广告喂养的用户可能会头也不回的就离开。

图 5. 电商行业的转化率漏斗

2. 起伏不定的复购率

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数

订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数

根据产品特性不同，电商平台各商品的复购率也不相同。

生活类的快消品的复购率普遍来说稍高，而相对于一些类似潜水装备、野营帐篷等专业领域的产品来说，复购率偏低。如何用不同的指标和方法提高和稳定不同商品的复购率，各平台仍然在不断摸索。

羊毛党也同样影响复购率的数据。羊毛党的一哄而上，容易造成整体数据的虚假繁荣，这种“唯利是图”的一次性用户较难产生复购行为。

另外，在一定程度上，复购率依赖着备受追捧的优惠券。优惠券驱动着用户的购买欲，并进一步的扩大用户原本的计划消费金额，如何精准派发优惠券、如何平衡优惠券和复购率之间微妙的关系，也是电商行业的突破口。

3. 层出不穷的电商平台 

打开手机应用市场，映入眼帘各类电商平台，而且单独的“卖东西”早已经不足以吸引用户。

比如：商品内容全程直播式的“电商+直播”，分享美妆心得、人人都是美妆博主的“电商+社交”，拿着线上平台的购物截图在线下门店享受二次优惠的“线上+线下”等等模式，各大平台挖空心思，为了博用户停留。

而事实也如此，我们的用户确实变得越来越酷。 

一位刚刚步入职场的女性，一次性下载了 5 款外卖类电商 App，然后逐一进行挑选。看了对初始用户的满减力度，她淘汰卸载了力度最低的一款，在使用过程中，她发现有的 App 上无法提供饭店操作间的照片，处于食品安全的角度，她又卸载了两款。于是，在仅剩的两款 App 中，循环往复。

后来有新闻爆出，其中一款平台屡屡发生送餐员私自打开顾客外卖的情况，一气之下，她又卸载掉了一款，于是变成了最后一款 App 的忠实用户。但很快，2 个月后，一款新的外卖 App 主打“美味伴侣”的配对模式，想到尚无男友的自己，她迅速抛弃了在各大平台花了 2 个月时间才精心筛选出的获胜者，转而投向新欢的怀抱……

新鲜和未知感，永远在煽动着用户“喜新厌旧”。

4. 繁杂的电商数据 

因为电商平台充斥着用户的种种命令与行为，其产生许多浏览、收藏、购买、支付等数据，尤其对于一些较大的电商品台来说，单单是用户一周的投诉数据就能近千条，更别提其他的大体量行为数据。

但市场运营者们却时常头疼：为什么赵二一个人在评论区发表评论的次数远远超过了平均水平？张三下载了客户端为何一次购买行为都没完成就卸载？李四为什么对批量的优惠券无动于衷？

电商平台上所能收集到的各类行为动作背后的数据，比如：销售额、订单量、渠道流量、转化率、购买率、弃买率，都是指导其下一步策略的核心内容，然而，由于数目繁多，常常出现无从下手或者无法充分利用的情况。

总而言之，身经百战的用户，越来越难留，这也让电商平台感慨，这届用户，不那么长情。

突破瓶颈，制造留存环境

首先，留存分析是一种用来分析用户参与情况，以及活跃程度的分析模型，说到底，它就是来衡量产品对于用户到底具有多大的价值，即用户到底是否喜欢这个产品。

留存反映的是一种转化，即初期的不稳定用户，慢慢转化成活跃用户、稳定用户、忠诚用户。留存同样是一种判断标准，它监测产品的改进与升级是否符合用户的胃口，因为一次新功能上线而痛失一批忠诚客户，是每个平台都不愿看到的事情。

接下来，用一个我在实际工作中关于用户留存的实例，一起跟大家探讨——面对用户留存，我们究竟能做些什么。

该平台基本信息：某综合类电商平台，旗下品类涉及美妆、服饰、母婴、鞋包、家居、食品等，如今又加入直播板块，用来扩大品类数量，引导用户消费。

首先，我们将用户分为两类——新用户与老用户，新用户指首日访问用户，老用户指非首日访问用户。我们当时认为，注册过的用户一定比未注册的用户拥有更大的购买潜力，但却不知如何搜寻到数据来支撑这种假设。

于是，在用户行为分析平台上，通过留存分析的模块发现，新用户首日完成注册的次周留存率是未注册的 3 倍（本文案例中数据均为虚拟数据），新用户首日完成购买的次周留存率是未购买的 4 倍。

无论是 3 倍的注册率，还是 4 倍的购买率，都与其对立面相差极大，于是，我们把重点放在了这批新用户上，将新用户首日完成购买作为提高新用户留存的“第一关键指标”（OMTM）。

图 7 . 用户首日完成购买的 7 日留存率

于是，为了让越来越多的新用户在首日完成购买，我们又继续做了以下努力。

以上图中 8 月 8 日为例，一共有 7408 人，在第七天有 680 个人留了下来，而这 680 个人在当周的 7 天留存率中占比最低，仅为 9.18%，于是我们打开这 680 个人的用户列表，来逐一分析他们的构成。

图 8 .  用户列表

在几十种的项目指标里，可以清楚地看到各个新用户的属性，以及他们行为触发的时间、维度等各类特点，于是我们进一步细化这些指标并对其进行相应的措施。

通过对图表里各用户的年龄分析，可以获知该天 7 日留存率中年龄分布相对集中的区域，评估不同年龄段人群对该平台所带来的价值与质量。通过广告媒介与来源，可以获知各渠道带来新用户的力度，根据新用户当日注册购买情况，再反推各渠道质量等等。

然后，我们根据这些用户的具体特征和操作流程，进行用户分群并命名。之后，在不同特征的用户分群中，发现新用户首日完成购买的转化率实际上远低于老用户完成购买的转化率，那究竟是何种原因呢？

1. 针对新用户的引导流程不完善 

比如：新用户拿着新人优惠券，却不知道如何叠加不同模块的优惠福利，或者引导流程十分丰富，过于繁琐难冗长，直接被新用户抛弃。

2. 新用户对购买流程不熟悉 

第一次打开 App 的新用户，可能会因为找不到收藏夹、下拉页面滑不开店家的全部宝贝、取消购物车无法返回上一级等操作上的问题，无法转化成购买行为。

同时，如果 App 与各型号的手机适配性不稳定，卡顿的画面也会让新用户产生负面情绪。 

3. 新用户无法找到感兴趣的产品 

老用户已经拥有了根据购买浏览行为的算法推荐，可以直接在首页上找到兴趣产品，而平台对于新用户则是一张白纸，若搜索筛选的部分又不合心意，新用户很快就失去了兴趣。

4. 打折力度过低，无法引起其注意 

针对于新用户的满减力度不大，“优惠券”“新人礼包”等优惠措施华而不实，让好不容易站在支付门口的新用户选择退出。

5. 缺乏情感依赖 

很多时候，情怀甚至可以抵消掉技术上的优势，如果能让平台在宣传期就靠情感与用户契合，而新用户又能在初次体验中验证这种契合感的真实性，那将是一种很美妙的陶醉感。但显然，少有电商平台可以达到这样的程度。

为了解决上述的种种问题，我们逐一选择对应解决的方式。

比如：根据不同偏好和需求的新用户派发各领域且不同额度的优惠券；调整页面设计，简化购买流程；加强技术支持，解决适配与卡顿问题；设立新人专享页面，提供新人低价促销福利与低价拼单方式等等。

当我们调整完一些列措施之后，再运用 A/B 测试对改进前后的效果进行测试评估。我们发现，新用户首日的注册转化率、购买转化率都有所提升，新用户首日完成购买的次周留存率、第二周留存率、第三周留存率也有所提升。

在新用户的留存实战中，我们首战告捷。

其实，用户留存能反应许多实际问题，重点在于我们要学会去利用和抽离这些数据问题，让他们在合适的条件中有机地组合，得出可以定性的规律和结论，方能寻找到对我们有建设性意义的用户，同时去除那些留存难、使用频率低的产品板块，迅速实现产品优化与迭代，提高用户留存。

作者：研如玉，用户行为洞察研究院

本文由 @研如玉 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议