4.6 搭建用户流失预警机制
一、真正的离开悄无声息
有一句歌词大意如此：“所有大张旗鼓的离开都只是为了试探，真正的离开从来都是悄无声息、没有告别。“它说的是：如果一个人从内心深处已经彻底放弃、对一件事不再有任何兴趣或期待，他肯定走得头也不回，不可能恋恋不舍地等着别人去挽留。就像微博上有些粉丝口口声声喊着"我要取关你”，其实发自内心希望引起博主关注，巴不得博主慌张地前来挽留，好获得一丝优越感，摆出一副"我就大发慈悲暂时不取关你"的姿态；而真正要脱粉的人，二话不说，点击取消、点击确认，就这样走了。
做产品也是如此。所谓转化率，就是一部分人成功转化了过来，而大多数流量就这么损失、消耗掉了。流失掉的用户通常不会发来任何通知——没有人会提前说"我要关闭网页啦"“对不起，我要卸载你啦”，都是悄无声息地成了过客。正是缺乏双向沟通的过程和手段，用户的流失有时纯粹出于误会，产品方却百口莫辩，根本来不及解释和挽留：
- 用户打开产品，死活刷新不出新内容，以为是产品有问题，其实可能是他电脑的防火墙切断了连接，跟产品本身基本没有关系；
- 产品动不动就崩溃，用户一气之下卸载，其实是某个流氓软件在后台作祟——只要提醒用户消灭掉它就能皆大欢喜，产品却无从开口。等用户真的愤然离开再去挽留，很可能为时已晚。
由此可见：需要建立一套流失预警机制，提前预测哪些用户、或符合什么特征的用户很有可能正在悄悄流失，赶在他们离开之前，通过现有的一切手段尽可能接触、设法挽留，帮助他们更顺利地使用产品、获得成功——这就是流失预警的意义。
二、用户分层：粗放与个体运营之间的折中
建立流失预警有很多手段。比如非常粗泛地给全体用户每天发一条推送，多少有些效果，但也可能有用户本来就反感整天收到推送——正好手机内存不够用、盘算着卸载哪个应用，一条推送恰在此时送上门来，他一怒之下就把产品卸载了。这是粗放运营的弊端：只能从统计学上赌一个大概率，无法足够精准地服务小部分人。另一个极端是针对每个个体做运营，比如给每个客户安排专属的接线专员、专属客服，但这样成本又太高。
所以通常选择介于二者之间的方式——用户分层。它是数据化运营中常见的解决方案之一，是介于粗放运营与个体概率预测模型之间的折中和过渡模型：既兼顾精细化的需要，又不需要在预测模型的搭建和维护上投入太多资源，因此有比较广泛的应用价值。
用户分层的目的和用途主要有三条：
- 运营团队：通过对客户分层，针对不同用户采取对应的运营方案来执行贯彻，提高整体运营效率和付费转化。不同用户处在不同阶段——有的刚进来，有的已经用得驾轻就熟，有的迫不及待要付费——用不同手段引导，成本、门槛和投入都不一样；
- 客服团队：通过分层模型对不同群体提供不同的说辞和服务。对免费用户，“腰板可以稍微硬一点”，丢给他一个网址或快速、标准化、模板化的应答，帮他找到想要的就够了，不必太多纠缠；对付费的大客户，则要提供更贴心、更定制化的服务；
- B2C 电商平台：以阿里巴巴旗下的淘宝为例，早期与 eBay 竞争时主打免费开店，后续开店也会产生成本（比如购买营销套餐）。可以从免费注册的卖家开始划为一层，再沿着卖家的成长轨迹——上架 5 个、10 个商品，开始变得活跃，开始充值付费购买营销套餐，直到成长为平台上的大卖家——一步步做不同的画像，提供不同的服务，并通过不同的收费档次让平台整体利润最大化。
不同产品的形态会有差异，同一个产品在不同阶段也可以采用不同的分层。比如一款社交电商产品，早期的分层目标更多是用户和 KOL 层，后期更贴近商业方向，就要设置更灵活的分层。一般来说，用户分层分四五层就差不多了，太多分层会显得很复杂，不适合运营策略的执行。
三、C 端实战：知乎与游戏行业的分层
以下是两个 C 端产品的例子——知乎和游戏行业。
知乎的用户从下到上可以分为五层：未注册读者（最大众、最宽泛的游客，可能只是浏览帖子，或点开别人发来的链接看一看）→ 注册读者 → 提问读者（注册后主动提过问题）→ 付费读者（参与知乎 Live、知乎书店等付费项目，价值又上一层）→ 回答者。知乎本身是问答平台，最底层、最产生价值的一定是高质量的回答，因此回答者是平台上最需要重点服务的对象，有时甚至要比付费人群投入更多精力。针对五个层级的转化策略各不相同：
- 未注册 → 注册：通过各种引导、优惠，或者内容的"勾引”——只让用户看一半，想看后续就得注册；
- 注册 → 提问：让用户浏览大量高质量的提问和回答，渐渐对平台产生信任感，当用户产生问题时，就会想到来知乎提问；
- 提问 → 付费：根据用户之前的提问和浏览记录，大致判断他是怎样的用户，针对兴趣推送有价值的电子书或 Live。推送足够精准、金额又在用户的支付意愿之内，就很可能转化为付费读者；
- 回答者：策略很多。知乎早期，官方会注册很多小号、马甲来拉动新注册的用户回答；当用户发出一个问题时，系统也会在提问的那一刻提醒其邀请好友来回答。
游戏行业用书面语言分类，自下而上是：路人 → 新手玩家 → 普通玩家 → 人民币玩家 → 土豪（通俗说法就是大 R、中 R、小 R，或鲸鱼用户、虾米用户）。不同阶段要做的事情都不一样：
- 路人 → 新手玩家：通过高质量的广告投放、更多媒体曝光，或更多玩家的证言来证明产品足够好玩，把普通路人转化成新手玩家；
- 新手 → 普通玩家：作者接触过的游戏公司提到，一款游戏早期前 15 分钟的体验非常重要，画师的画工、游戏的流畅度都要集中服务好这 15 分钟。玩家一旦觉得体验好、画面精美、游戏性不错、对新手还很友善（给一大堆礼包），就会渐渐过渡到普通玩家；
- 普通玩家：画面美观度已经没那么重要，重点是建立合理的升级曲线、经营好玩家在游戏中的体验；
- 人民币玩家：愿意在游戏中花钱的人群，是游戏公司真正欢迎的"金主爸爸"。普通玩家花三个月不断锻造、拼概率爆装备，好不容易得到一把屠龙宝刀；人民币玩家直接充 1000 块钱可能就买到了。甚至有一种说法：普通玩家其实是一款游戏提供给人民币玩家的一种"游戏特性"，是陪玩的；
- 土豪玩家：撒钱不计成本，游戏公司可能对他们采取一对一服务。传闻早期盛大做《传奇》时，有一位土豪玩家提出了对游戏的想法，普通客服没有很好地采纳；土豪一怒之下离开游戏，还带走了平台上很多同样是土豪的好朋友，导致《传奇》营收出现明显下滑。这件事惊动了陈天桥，他第一时间带着客服登门拜访，好言相劝、好礼相送，最后好说歹说让这位土豪带着朋友重返游戏。可见游戏公司对土豪玩家何等厚待。
四、RFM 模型：衡量客户价值的经典方法
在划分用户分层模型之前，应先搞清楚分层的目的是什么——正如预测模型需要目标变量，分层模型的具体目的和特定用途，决定了它的构建思路和评价依据。市面上有很多现成的分层策略和模型，这里介绍客户管理中一个经典方法：RFM 模型。它是衡量客户价值、付费能力、活跃度的重要手段，一般在电商或 To B 的 SaaS 产品中用得比较多。RFM 代表三个需要重点盯防的监测变量：
- R = Recency（近期消费行为）：用来衡量用户的流失情况。消费时间越接近当前的用户，越容易维系关系——一年前消费的用户，价值肯定不如一个月前刚消费的用户；
- F = Frequency（消费频率）：用户在限定期间内购买产品的次数或使用产品的频次。经常在平台上消费的用户，忠诚度也就很高；
- M = Monetary（消费金额）：营销的黄金指标。二八法则指出，企业 80% 的收入来自 20% 的用户，这个指标能直接反映用户对企业利润的贡献程度。
这个模型通过一名客户"近期购买行为、购买的总体频率、花了多少钱"三个指标，来描述他的价值和活跃情况：利用 R、F 的变化可以推测客户消费的异动，再从 M 的角度识别用户的重要程度，从而把重点放在贡献度高、且流失几率也比较高的客户身上。比如消费金额、消费频率、最近一次消费时间都很优秀的，就是重要价值用户；如果重要价值用户最近一次消费距今已经很久、此后再没有消费，就变成了需要重点挽留的用户——他曾很有价值，自然不希望他流失，运营和市场人员可以专门针对这类人群做召回。
RFM 三个指标放到具体产品里，代表的动作行为是不一样的：
- 工具类 App（如微信）：R = 最近一次使用情况，F = 使用间隔（微信一天可能打开四五十次）；微信本身不靠使用产品来付费，所以 M 监测的不是耗费了多少金额，而是花费了多长时间；
- 电商产品（如淘宝）：R = 最近一次下单，F = 购买频率，M = 消费金额；
- 内容社区（如知乎）：R = 最近一次内容贡献的时间，F = 内容贡献的频率（每隔多久回答一个问题或提问一次），M = 贡献量（累计发了多少帖子、回答了多少问题）。
有在国内一线外卖平台做用户分层运营的从业者分享过他们的 RFM 实践。平台把主要用户分成四类，划分依据是 R、F、M 三个指标各自是否满足——满足记 1，不满足记 0：
- 重要价值客户（R=1、F=1、M=1）：最近消费时间近、消费频次高、消费金额也高，显然是平台最有价值的用户。平台推出 VIP 功能或高级客户回馈时，需要重点服务的就是他们；
- 重要保持客户（R=0、F=1、M=1）：消费时间比较远，但消费频次和金额都很高，是一段时间没有来的忠实客户。可以主动保持联系，询问最近为什么不来、是不是遇到了什么问题，还是太忙忘了，通过保持联系把他召回；
- 重要发展客户（R=1、F=0、M=1）：消费时间近、消费金额高，但频次不高，属于很有潜力的客户，必须想办法重点发展。比如针对他们推荐高频消费、吃不腻的外卖，而不是很久才大饱口福一次的，通过拉伸频次把他们发展成有价值的客户；
- 重要挽留客户（R=0、F=0、M=1）：消费时间久远、频次不高，但消费金额很高，可能是行将流失的用户。应当基于各种手段对他们采取挽留措施。
五、To B 的分层：GrowingIO 与 CSM 机制
前面举的都是 To C 的例子，其实对 To B 公司来说，用户分层机制更加重要。To B 分层的主要目的是促进客户的续约率（其实就是留存率），这直接关系到公司的收入——简单说就是"你花钱我就提供服务，不花钱就不提供服务"，现在很多面向企业的 SaaS 产品基本是这种模式。分层一般用客单价和产品使用活跃度两个维度，比如分成免费的高频/低频用户、签约一个月内的高频/低频用户、签约一年以上的高频用户等，不同公司的划分方法不一样。
这里以数据分析 SaaS 工具 GrowingIO 为例。它对用户进行分层，并针对每层用户从成交到实施部署、使用、续约，采用不同手段来完成转化目标，其核心机制是 CSM（Customer Success Manager，客户成功经理）——帮助付费客户在所在领域取得成功的负责人。客户取得了成功，才能真正发现产品给他提供的价值，最终长期留存下来，因此 CSM 的作用非常关键。
这个角色最早出现，是因为软件公司的业务模式发生了变化。传统软件公司靠卖许可证（License），整个流程重销售而轻流失；随着 SaaS 按月或按年订阅模式的铺开，想要获得更多长期稳定的收入，就必须开源节流：开源，是除了获取新客户之外，尽可能扩大现有客户的付费规模；节流，是提高客户忠诚度、减少流失。CSM 就是为达成这个目的而诞生的角色，更像一个行业顾问：推动客户更好地使用已购买的产品、挖掘更多产品价值、帮助客户取得所在行业的成功，从而帮助 SaaS 产品扩大订阅规模。GrowingIO 的 CSM 团队主要关注客户的续约、增购、流失等情况，这些结果性指标由长期的用户行为监测和前期运营策略共同决定：先观测产品的使用情况、分析用户的活跃指标，再介入客户，重点关注是否解决了问题、是否达成了目标、是否有新的销售机会、是否主动帮助了客户。客户成功的前提，就是关注用户行为数据，制定相应的运营策略，再根据策略实施的结果预测用户的流失和续约情况。
对不同层级的付费用户，GrowingIO 采用三种介入策略：
- 大客户：High Touch——客户拜访、产品培训、分析师交流等基于人与人当面沟通的方式，成本相对较高；
- 中型客户：Low Touch——微信跟进、电话交流、电子邮件等，仍是人与人但不一定当面，借助科技手段可以在短期内频繁接触大量中型客户；
- 小型客户：Tech Touch——用自动化手段触发，如电子邮件、网络问卷，唤起他们的活跃度。
举一个 High Touch 的例子。GrowingIO 监测用户数据时，发现一个大客户的产品活跃度一周之内突然下降了 30% 以上——这是比较严重的变化，对用户留存是非常不好的信号，客户可能准备放弃产品。GrowingIO 马上对客户数据进行拆解、细化到各个部门，最后发现是运营部门的活跃度大幅度降低，导致产品整体活跃度下降。CSM 拜访交流后发现：运营部门刚刚接触产品、对功能还不熟悉，一番捣鼓尝试找不到门道，就不再想使用了。找到问题后，GrowingIO 果断对症下药，通过介入培训让运营部门的人员熟悉产品使用、恢复对产品的信心，重新使用上线后，活跃度果然得到了大幅提升。
Tech Touch 则是利用技术实现自动化留存：用户两周没有登录，系统自动给他发邮件，询问是不是在使用上遇到了问题；三周没有登录，自动发调查问卷征集使用体验的反馈；四周没有登录，说明用户很危险、马上就要流失了，CSM 团队会邀约客户进行电话会议、转入人工环节，看能否进行人为挽留。
通过 GrowingIO 的例子可以了解：应该如何进行用户分层，以及针对不同分层，怎样用一种更高效、同时更节省成本的方式，把维系客户留存的效果最大化。