很多運(yùn)營(yíng)的同僚們最頭疼的就是流失用戶召回，市場(chǎng)的小伙伴呼呼的做渠道拉新，用高額的獲客成本好不容易拉進(jìn)來的用戶，一旦稍有疏忽，比如用戶體驗(yàn)、收益等出現(xiàn)問題，用戶們就會(huì)不跟平臺(tái)玩了。
而運(yùn)營(yíng)則要找到這類已經(jīng)拋棄我們的流失用戶，在成本可控的條件下，挽回流失用戶。市場(chǎng)部就好比在那邊喊著大爺來玩嘛，運(yùn)營(yíng)這邊還要跟大爺說沒事常來玩吧。
開源節(jié)流的道理大家都懂，可實(shí)際操作起來并不簡(jiǎn)單，上有用戶要求高收益，下有領(lǐng)導(dǎo)、財(cái)務(wù)嚷嚷要降低預(yù)算，如何把錢花在刀刃上，這是門學(xué)問。
其實(shí)用戶增長(zhǎng)在我本人理解就是干這兩件事，其一是用更少的錢達(dá)到同樣的量，第二則是用同樣的錢帶來更多的量。
今天我們就從流失用戶召回策略開始說起，流失用戶召回有很多種叫法，比如 “復(fù)活”、“喚醒”、“回流”等等，下文我們將流失用戶召回簡(jiǎn)稱為回流。
本文通過回流策略復(fù)盤與未來展望分析，分享一下這8個(gè)月來運(yùn)營(yíng)回流用戶的心得，可以說是我在這段時(shí)間不斷摸索總結(jié)出來的用戶增長(zhǎng)經(jīng)驗(yàn)吧。
首先采用我個(gè)人常用的反問分析法，通過四個(gè)環(huán)節(jié)來分析策略的迭代，具體的分析腦圖如下，
分析概覽圖
1. 公司給多少預(yù)算去做回流
2. 利用這些錢我們做了哪些策略
3. 這些策略的效果如何
4. 后期如何對(duì)策略進(jìn)行改進(jìn)
我們可以按照下面的公式計(jì)算出留給回流用戶的預(yù)算：
1.回流成本=用戶貢獻(xiàn)成本-市場(chǎng)成本-運(yùn)營(yíng)成本
2.用戶貢獻(xiàn)成本=(投資額*周期/12)*生命周期成本率
3.生命周期成本率：1年4%，2年2.5%，3年1.15%
邏輯說明：用戶貢獻(xiàn)值與生命周期成本率來決定用戶在其生命周期里可能付出的總成本，減去市場(chǎng)首投成本與運(yùn)營(yíng)成本等于回流成本。
我們將1、2、3公式合并，生命周期成本率取2年，所以有以下公式：
回流成本上限=(投資額*周期/12)*生命周期成本率-市場(chǎng)成本-運(yùn)營(yíng)成本=150元
（PS：生命周期成本率按照2年2.5%計(jì)算）
也就是說公司可以允許在每位流失用戶身上花（CPA）150塊錢，但由于我是個(gè)比較摳門的人，所以在我的控制下，人均CPA僅為85元，也就是說未來我可以在保證回流效果的情況下，不要太小家子氣，可以適當(dāng)放開手腳。
活動(dòng)甘特圖
上甘特圖列出了各個(gè)活動(dòng)的投產(chǎn)比、使用率、上限額度與用戶平均投資（ARPU），不斷摸索、嘗試，最終使用C+D策略，為什么選擇此策略呢，請(qǐng)看下圖：
效果圖
橫坐標(biāo)為使用率（量），縱坐標(biāo)為ARPU值（質(zhì)），圓的直徑代表投產(chǎn)比
1.策略A的投產(chǎn)比低，而用戶ARPU（平均購(gòu)買值）達(dá)到15000元，不難看出A上限金額是滿足不了用戶需求，然而上限金額1萬也會(huì)導(dǎo)致許多用戶只投資1萬元整（用滿紅包就走人），實(shí)際也正是如此，所以體現(xiàn)出A的不合理性，我們要做的是提高上限值，降低費(fèi)比，增長(zhǎng)用戶的ARPU值。
2.B是目前使用率最高的策略，其在A的基礎(chǔ)上提高上限額度，降低了成本，增加短期產(chǎn)品可使用的規(guī)則。隨之而來的是長(zhǎng)期產(chǎn)品占比低，也就是說用戶回流后購(gòu)買的短期產(chǎn)品增多，這是我們不想看到的，因?yàn)橄嚓P(guān)研究表明長(zhǎng)期用戶比短期用戶質(zhì)量高。
3.C在B的基礎(chǔ)上對(duì)短期產(chǎn)品進(jìn)行限制，只能購(gòu)買長(zhǎng)期產(chǎn)品，雖然使用率沒有B高，但是保證了ARPU值，核心產(chǎn)品占比（長(zhǎng)期產(chǎn)品購(gòu)買率），降低了費(fèi)比，是比較平衡的一種策略。
4.D是針對(duì)高質(zhì)量用戶設(shè)置的紅包，使用率最低，但是使用的用戶質(zhì)量很高。
5.C+D是我們目前選擇的策略，金額上限、核心率以及成本方方面表現(xiàn)的很平衡，既考慮到低質(zhì)量用戶也照顧到高質(zhì)量用戶。
以上是我們實(shí)行過的策略，以及策略的演變歷史，在上面我們對(duì)整體的活動(dòng)進(jìn)行分析，接下來要具體到用戶層面，由宏觀到微觀，深層次分析活動(dòng)策略的效果。
利用RFM模型和用戶是否核心（回流前是否購(gòu)買過超過12月份產(chǎn)品）來分析，我將這個(gè)模型命名為C-RFM模型。
C-RFM模型分析法
我們先來看一下核心與非核心用戶對(duì)比：
核心與非核心用戶對(duì)比圖
（1）回流核心用戶的ARPU值是非核心用戶的1倍，復(fù)投金額率方面略高于非核心用戶；
（2）但核心用戶的CPA與非核心相比高出30%。
總結(jié)：購(gòu)買前是否核心是判斷回流后用戶質(zhì)量的主要標(biāo)準(zhǔn)。
流失時(shí)長(zhǎng)分布圖
（1）回流時(shí)間越短越容易喚回（取自內(nèi)部回流分析）；
（2）CPA會(huì)在流失時(shí)常區(qū)間4月-11月內(nèi)出現(xiàn)較高值，1-3月和12月及以上呈現(xiàn)出較低的CPA；
（3）費(fèi)比隨著流失時(shí)間增長(zhǎng)呈現(xiàn)降低趨勢(shì)；
（4）資金復(fù)投率（后續(xù)投資/回流金額）會(huì)在流失超過7月以后出現(xiàn)增長(zhǎng)趨勢(shì)。
總結(jié)：6月和12月是回流周期，流失用戶的錢無非是資金緊缺或者資金流入其他平臺(tái)，當(dāng)用戶的資金不再緊缺或產(chǎn)品資金贖回之后，實(shí)際上他就處在下一款產(chǎn)品購(gòu)買的決策期，所以6月+和12月+就是回流周期，可在這類用戶身上加大成本或者成本傾斜，防止資金再次流入其他平臺(tái)；與此同時(shí)這類用戶回流后的質(zhì)量偏高，能為平臺(tái)帶來更高的收益。
頻率分布圖
（1）回流前的投資頻率與回流后的質(zhì)量的相關(guān)性很低；
（2）回流前頻率與回流時(shí)的CPA成正比，回流前購(gòu)買次數(shù)越多的用戶其回流CPA越高；
總結(jié)：流失前的投資頻率作為用戶回流質(zhì)量的變量，其重要性很低，無明顯規(guī)律性。
（1）回流前峰值與紅包ARPU值正相關(guān)，峰值越高的用戶其回流投資也越多；
（2）資金復(fù)投率方面4萬-10萬峰值區(qū)間的用戶比較高，證明此區(qū)間段的用戶有可挖掘空間。
總結(jié)：歷史峰值與用戶質(zhì)量強(qiáng)相關(guān)，可以用來判斷其回流后的質(zhì)量
分析的真正價(jià)值是為了解過往和展望未來，在上面對(duì)C-RFM維度進(jìn)行分析，通過這些維度我們可以找到用戶的規(guī)律，更加深入了解用戶，對(duì)之后的策略迭代有很大的推動(dòng)意義。
（1）短信觸達(dá)文案AB test：
通過觸達(dá)短信AB test及時(shí)調(diào)整最優(yōu)短信，通知用戶，提升回流率，有的時(shí)候不是用戶不想回來，而是用戶沒有察覺到或者忽視了發(fā)給他的紅包，等到發(fā)現(xiàn)為時(shí)已晚，紅包已過期，錯(cuò)過了黃金回流時(shí)間，所以如何提升觸達(dá)短信的存在感，是我們今后的課題。
（2）更改現(xiàn)有紅包策略：
策略一是表面增加面值，實(shí)際降低費(fèi)比，比如說滿2萬減100的紅包和滿5萬減200的紅包，看似200元更加誘人，其實(shí)在費(fèi)比方面后者費(fèi)比較前者降低0.1%，也就是下圖策略一的橘黃色虛線所示的縮小部分，在保證使用率和ARPU值的情況下降低費(fèi)比（其實(shí)現(xiàn)在已經(jīng)夠摳門的了，沒想到我還能更吝嗇哈哈）；策略二則是真材實(shí)料的提升費(fèi)比，多花錢，讓質(zhì)和量都有所提升，只要在預(yù)算范圍內(nèi)，未來都可以嘗試。
（3）精準(zhǔn)化運(yùn)營(yíng)模型 C-RFM
剛才從C-RFM模型角度分析完用戶畫像，那么接下來可以建立回流價(jià)值模型，對(duì)不同用戶進(jìn)行精準(zhǔn)化營(yíng)銷?？筛鶕?jù)實(shí)際情況調(diào)整得分權(quán)重，如目前來看，變量重要性為：
核心與否>歷史峰值>流失時(shí)長(zhǎng)>回流前投資頻率
根據(jù)得分來給流失用戶添加價(jià)值標(biāo)簽，如下圖所示，最終將用戶分等級(jí)進(jìn)行精確性營(yíng)銷。
精準(zhǔn)化C-RFM模型
（4）精準(zhǔn)化運(yùn)營(yíng)模型 Logistic
利用現(xiàn)有數(shù)據(jù)進(jìn)行建模，可使用的模型有很多種，如決策樹等，在這里推薦使用Logistic模型來預(yù)測(cè)用戶的回流概率，根據(jù)不同概率進(jìn)行精準(zhǔn)化營(yíng)銷。
我們就把今天整個(gè)回流的分析過程來捋一捋：
（1） 首先公司給多少預(yù)算去做用戶回流
（2） 然后利用這些錢我們做了哪些策略
（3） 這些策略的效果如何
（4） 后期如何對(duì)策略進(jìn)行改進(jìn)
