网站用户管理的目标是发掘新用户,保留老用户。但仅仅吸引新用户还不错,还需要保持新用户的活跃度,使其能持久地为网站创造价值;而一旦用户的活跃度下降,很可能用户就会渐渐地远离网站,进而流失。所以基于此,我们可以对用户进行又一个细分——活跃用户和流失用户。
活跃用户与流失用户
活跃用户,这里是相对于“流失用户”的一个概念,是指那些“存活”着的用户,用户会时不时地光顾下网站,同时为网站带来一些价值。同时,我们还需要知道到底有多少用户可能已经抛弃了我们的网站,不可能再为网站创造任何的价值,也就是所谓的流失用户。
流失用户,是指那些曾经访问过网站或注册过的用户,但由于对网站渐渐失去兴趣后逐渐远离网站,进而彻底脱离网站的那批用户。当然,一个网站一定会存在流失用户,这是网站用户新老交替中不可避免的,但流失用户的比例和变化趋势能够说明网站保留用户的能力及发展趋势。
举个简单的例子,我们经常可以看到某些数据分析报告中说:某某网站的注册用户数已经超过几百万,但其实这些数据并没有太大的意义,因为可能这几百万里面很多用户都已经不再登录该网站(流失用户),真正最近登录过或有过操作行为的用户(活跃用户)其实不到一万。所以对于一个网站而言,真正有意义的是活跃用户数而非总用户数,因为只有这些用户在为网站创造着价值。
活跃用户用于衡量网站的运营现状,而流失用户则用于分析网站是否存在被淘汰的风险,以及网站是否有能力留住新用户。
活跃用户分析
我的博客中之前的文章——用Engagement衡量用户活跃度中已经介绍了用户活跃度的衡量方法,并基于Engagement的定义计算网站的活跃访问量(Visits),同样可以用这类方法计算网站的活跃用户数(Unique Visitors)。同时可以计算不同时间区间的活跃用户数,比如每天、每周、每月……这里就不再详细介绍了,需要注意以下几个问题:
用户Engagement的定义,并以唯一用户为单位进行统计;
只要用户有任一一个Engagement的行为,就可以定义为活跃用户;
不要仅关注活跃用户数,试着分析活跃用户的变化趋势和所占比例。
流失用户分析
流失用户的定义比较简单,就是一段时间内未访问或登录过网站的用户,一般流失用户都是对于那些需要注册、提供应用服务的网站而言的,比如微博、邮箱、电子商务类网站等。不同网站对于流失的定义可能各不相同,对于微博和邮箱这类用户几乎每天登录查看的网站而言,可能用户未登录超过1个月,我们就可以认为用户可能已经流失了;而对于电子商务而言,可能3个月未登录或者半年内没有任何购买行为的用户可以被认定是流失用户。下面的分析主要是基于网站的注册用户的,因为这类用户更容易识别,而且分析这类用户的流失情况对网站而言更有意义。
数据的获取
流失用户是通过用户的最近一次登录距离当前的时间来鉴定的,所以要分析流失用户,需要知道每个用户的最后一次登录时间,而对于不同网站而言,这个时间间隔会各不相同,最长可能会有1年或者更久,所以在数据获取方面会有一定的难度。如果分析的是注册用户,那么一般网站都会在数据库中建相应的表来存放用户信息,所以建议在储存用户基础信息的同时记录用户的最近一次登录时间,这样就能够准确地计算用户最近一次登录距离当前的间隔时间,进而区分该用户是否流失。
流失用户变化趋势
首先需要明确的是用户的流失可能并不是永久的,也许用户在一段时间内对网站确实没有任何需求,那么他会远离网站一段比较长的时间;或者流失用户也会因为网站的某次营销或者网站质量的改善而重新回来。网站总的流失用户数的计算比较简单,以超过1个月内登录即为流失为例,那么总流失用户数就是所有“当前时间点-用户最近一次时间点>1个月”的用户数量。但是单纯的总流失用户数量对于分析是没有意义的,因为大部分情况下这个数值是一直递增的,我们需要计算总流失用户数占总用户数的比例及新增流失用户数,观察它们的变化趋势,如下表:
新用户流失率
也许你的网站已经吸引了一批新的访客,并且他们成功注册成为了网站的用户,你有了一个好的开始,已经成功了一半,那么另一半呢?就是如何保留住这些新的用户,让他们持续地为网站带来价值,这就是分析新用户流失率的意义。
我们可认为新用户注册后就完成首次登陆,那么简单地定义新用户流失,就是用户在注册后一段时间内都没有登录过网站,即
当前时间点 – 用户注册时间点 > 流失临界时间间隔
比如我们定义用户的流失临界时间间隔为1个月,也就是在注册后的一个月内未登录的用户意味着已经流失,那么就可以计算每天的新用户流失数,即注册时间为1个月前的那一天,而从注册到当前没有登录过的用户数。这个用户数与1个月前的那一天的总注册用户数的比例就是新用户的流失率:
当天的新用户流失数 / 当天的总注册用户数 = 新用户流失率
计算出每天的新用户流失率,并观察它的变化趋势:
网站能否保留住新用户就在于是否能够不断地降低新用户的流失率。
原文地址: webdataanalysis /web-quantitative-analysis/active-and-wastage-users/
相关推荐
产品经理在面对用户流失问题时,需要有一套完整的策略来管理和召回流失用户。用户流失是指在一定时间内未使用或访问过产品的用户,对于不同类型的平台,流失的定义可能会有所差异。例如,社交媒体用户如果长时间未...
流失用户数则反映了网站保留用户的能力,而回访用户数则体现了网站召回流失用户的能力。 在趋势分析方面,首位商城的访问量在5月15日出现异常,可能是受到恶意点击或DDoS攻击的影响,但并未严重影响整体分析。从...
长期而言,如果用户对隐私保护失去信心,社交网站可能面临用户流失,进而影响其商业模式的可持续性。 针对社交网站环境下隐私关注对用户参与行为的影响,学者们进行了理论演绎和实证研究,旨在探索隐私关注和用户...
- **召回流失用户**:通过电子邮件、站内消息、评论提醒等方式召回流失用户,并引导他们重新成为活跃用户。推送的内容主要是他们在离线期间错过的信息,比如新的好友关注、感兴趣的内容更新等。 - **分析流失原因**...
定期更新内容对于保持网站活跃性和吸引力非常重要。用户更倾向于返回那些持续提供新鲜信息的网站。 #### 四、网站功能易用性 **4.1 功能设计** 网站的功能设计应当直观且易于使用。例如,搜索功能应该能够快速...
网站用户粘性是网站运营的关键指标,它直接影响到用户的留存率、活跃度和转化率,进而影响网站的长期发展和经济效益。本策划方案主要探讨如何提高网站用户粘性,涉及内容、页面设计、会员注册、首页布局、娱乐资讯、...
1. **网站速度要快**:快速加载的网站能够第一时间吸引用户,避免他们因等待而流失。为了提升网站速度,应选择性能优秀的主机服务,并优化网站代码,减少不必要的元素,如冗余CSS、JS和图片。此外,保持服务器的稳定...
这些报告可以帮助网站管理员识别流量高峰时段、热门内容、用户流失点等关键指标,进而做出相应的优化决策。 **隐私与合规性** 在使用django-tracking2时,必须遵守相关法律法规,如GDPR(欧洲通用数据保护条例),...
节流则需明确流失标准,建立预警机制,并尝试挽回流失用户;促活跃则是定义用户活跃度标准,提升留存率和活跃度;而刺激付费则需要设计激励机制和优化用户体验,引导用户转化为付费用户。 用户运营工作内容的涵盖面...
- **提高用户留存率**:减少用户流失,延长用户生命周期。 - **促进用户付费转化**:引导免费用户转化为付费用户。 - **构建良好的口碑效应**:通过满意的用户体验促使老用户推荐新用户。 ### 用户运营的关键策略 ...
促活则关注提高用户活跃度,使他们成为忠诚顾客。留存分析通过顾客流失预警模型和未购用户触达策略来减少用户流失。变现则侧重于识别高价值用户,通过优化销售策略,提升销售效率,RFM模型(最近一次消费、消费频率...
用户运营分为引入新用户、留存老用户、保持用户活跃、促进用户付费和挽回流失用户五个阶段。用户可以分为两类:User(应用者)和Member(会员),运营策略会根据用户类型进行差异化处理。 用户运营的关键工作包括...
一般不分析活跃用户留存,而是通过DAU观察活跃用户流失数据 留存是评定游戏综合质量的最佳指标 5、平均使用时长和平均使用次数 可以使用柱状图来展现 两项宏观行为指标可反映出用户对app的依赖程度 如果留存较...
新手无对应保护等 如果只是某个渠道存在这个问题,可能存在渠道作弊 [略]僵尸用户(回归、留存) 流失用户(日周月、自然流失、回归流失) 周流失用户 上周登录过游戏,本周未登录过游戏的用户占上周周活跃用户比例 ...
《网站分析实战:如何以数据驱动决策,提升网站价值》这本书深入探讨了如何利用数据分析来优化网站性能,提高用户体验,并最终提升网站的价值。在互联网时代,数据已经成为企业决策的重要依据,尤其是在网站运营中,...
7. **互动性**:鼓励用户参与,如评论、讨论区、投票等,可以增强用户粘性,提高网站活跃度。同时,这些互动行为也是搜索引擎评估网站质量的重要指标。 8. **兼容性和响应式设计**:网站应能在不同设备(如手机、...
"music-recommendation:音乐网站用户流流失预测推荐系统"项目显然关注的是如何构建这样一个系统,同时包含了对用户流失的预测,以提前采取措施防止用户流失。 在构建音乐推荐系统时,主要涉及以下几个关键知识点: ...
- 用户流失概率:通过分析用户的活跃度、交互行为、登录频率等数据,预测用户可能停止使用产品或服务的概率。 - 近期是否要找工作:基于用户的浏览记录、搜索关键词等数据判断其就业状态和求职意向。 - 近期是否...
**流量与用户行为转化分析**:为了分析用户从浏览到购买的过程中的流失情况,我们采用了以下指标: - **访客数UV**:访问网站或应用的独立访客数量。 - **访问量PV**:页面被访问的总次数。 - **平均访问量PV/UV**...