有很多人想看用户生命周期的分析，今天它来了。用户生命周期管理，是系统化运营和拍脑袋运营的重要区别。不做系统化设计，就会沦陷为无脑烧钱的傻大粗。然而用户生命周期到底要怎么管，网上很少有详细的讨论。
用户生命周期分析的常见错误
网上流传的用户生命周期只有一张语焉不详的图（类似下图）。
这张图有极大的迷惑性，会让新人们误以为：
- 所有的业务的用户，都有五个阶段。
- 所有的用户，都会从出生到衰退走完全程。
- 只要我算出来时间，到点发券用户就会继续留。
本质问题，是忽视业务特点，一锅炖。导致很多新人一门心思纠结：到底留存多久算一个“完整”的周期。最后做出来的东西看似合理，却没法落地。实际上，用户生命周期和具体业务类型有很大关系。想要认真讨论，就得具体结合业务讨论。根据业务特性的不同，用户生命周期有两种基础类型。我们一个个详细看。
快消品类的用户生命周期
所谓快消品类，指：高频次、低金额、用户挑选周期短的商品。日用、零食、游戏、O2O服务、娱乐视频/音频内容等等。此类产品多是廉价生活刚需，用户天然的会频繁购买。
但是，提供这些产品的平台非常多，产品迭代速度快。用户总是喜新厌旧的，对单一平台、单一品类、单一系列的忠诚度，非常有限。因此，就形成了所谓初入期，成长期，成熟期，这也是大家在网上最常见的那张图的起源。
需注意，不是所有用户都能走完整个生命周期。大量用户会因为内外部影响，在初入期或成长期流失。常见的情况如：
- 初入期-业务范畴限制：平台提供的产品/服务有特定种类，只能吸引特定用户。
- 初入期-新人引导影响：用户适应平台，上手需要时间。新人保留做的不好，用户还没有体验到核心服务就已经流失。
- 成长期-内部不良事件：出了运营事故、产品BUG、设计缺陷，导致用户流失。
- 成长期-外部竞品事件：竞品做了促销、拉新活动、爆款，把我们的用户搞跑了。
- 成长期-用户需求满足：没有那么核心的用户，已经满足了需求，需要额外消费。
因此表现出的效果，不是一个用户走完整个周期，而是一批用户在进入后（注册行为、首次接触），表现出留存、流失分化不断分化的状态（效果如下图所示）：
- 核心用户：沉淀下来，消费几乎所有产品，保持长时间活跃，进入成熟期。
- 轻度用户：消费到一定频次后停滞，但重新迭代业务可以将部分人激活。
- 边缘用户：逐步流失，特别在引入期、成长期大量流失，并且不会响应唤醒。
需要特别强调的是，在引入期的流失，不见得是因为用户没有需求，很有可能是我们没有做好新人引导。特别是互联网应用。用户下载、安装、开打的第一分钟，很可能因为各种稀奇古怪的错误、繁琐的新手教程、不清晰的操作指引而流失。因此在引入期的用户体验改善，往往是尽可能优化。至少让用户体验到核心卖点，才能判断是否是核心用户。
反之，用户体验到核心卖点以后产生的流失，不一定需要100%挽回。很有可能他的需求已满足，或者他根本不是我们的核心用户。盲目的拉动所有用户群体的消费，会浪费大量费用，且因为派太多优惠券，而养出一帮无利不至的羊毛客。
这种从注册开始，T+1，T+2,T+3……看数据的方式，常见的有三种计算方法。
需注意的是，无论用哪种方法，得到的生命周期数值，都是更适合用来评估新用户质量的。比如计算完用户生命周期，顺便计算用户生命周期价值（life time value），在获取新用户的时候就更容易测算渠道ROI，提升投放质量。
但想做全局运营的话，这么看有缺陷。因为快消品类天生受促销活动、新消费主张、营销话题影响。轻度用户被唤醒、回流的情况很常见。使得用户生命周期不是规则的初入到流失，而是经常出现波动。如果陷在每一个人的波动细节里，整体规划就没法做了。
我们做全局规划的时候，需要关注整体用户结构。当很多期用户重叠的时候，会形成一个处于引入期、成长期、成熟期用户构成的用户结构。我们要保证的，是整个用户结构能支撑的起当前的经营目标，并且在不断的优化下持续向好发展（如下图所示）。
需要注意的是：用户结构是与发展阶段相匹配的，并非每个层级都要做大。一般来说，新上线的业务重点摆在做大新用户群体，关注的是用户数，新人留存率，目标是让尽可能多的用户渡过初入期。追求营收的业务，会关注用户成长，挖掘成长期用户潜力，把他们推到核心用户，即使产生流失也没那么在意。如果每个阶段的用户都关注，就会分散力量，很难达成效果。
小结下，做快消品类的用户生命周期管理，本质上有2点要求：
- 对新用户：做好引导，尽快进入成长期。
- 对全体用户：维持合理的用户结构，改善重点关注群体。
根据这俩目标，就衍生出了快消品类生命周期分析的四大议题：
- 新人留存分析：从注册开始T+N看数据，分析转化漏斗，关注新人体验到核心卖点后留存率。
- 用户路径分析：从注册开始T+N看数据，关注用户成长路径，关注是否有足够多的用户进入成长期、成熟期，消除路径障碍。
- 用户结构分析：按自然日期统计数据，跟踪用户结构变化，根据经营目标，制定用户结构当前目标。
- 事件效果分析：按自然日期统计数据，关注对用户结构有影响的内外部、正反面事件，分析市场影响，关注用户结构走势。
如果全部展开写，内容很庞大，这里简单列出每一类分析的方法和思路，有机会我们详细分享。
大件商品的用户生命周期
大件商品：这一类，往往是产品金额高，消费频次低，用户选择周期很长。比如房子、汽车、婚庆、出国游、家居、装修、消费型贷款等等。这些产品消费频次极低，不太可能出现复购。如果套用RFM模型，那大部分用户R=0或者在5-10年以上，F=1。这时，无脑套RFM，会出很多奇怪数据。
如果无脑套用快消品的思路来运营，就会各种搞笑：
- 买2台奥迪送一辆大众
- 装修用户，赠免费拆家，拆了再装
- 结婚3年送小三，你就能离了再结一次
因为单品价值高，所以用户选择周期变长，在一锤定音之前，会做大量的对比。因此用户生命周期是前置了的。从他动了心思开始，到最终下单结束。就像一个沙漏在做倒计时（如下图所示）。
每一类大件商品都有一个倒计时范围。因为一般大件商品都和结婚、生孩子、孩子上学、出国这种大事有关，不会无限制拖下去，也不会随意更改。一但决策流程启动，在窗口期内用户的考察品牌范围会越来越窄，而成交概率会随着时间流逝越来越高（如下图所示）。
请注意：在上图中，企业并不知道，用户是哪个节点接触自己的。在图中1,2,3节点，企业要采取的策略完全不同。在1节点，需要记录用户信息保持跟进，避免过早出价成为炮灰。在2节点要做好用户体验。在3节点核心是价格，出价要有杀伤力。用错了策略，就会为他人做嫁衣裳，错失成交机会。
因此，对大件商品，搞清楚接触用户生命周期节点非常重要。在这个领域做得好的企业，都会特别在意信息的采集。比如买房会了解参考了哪些楼盘，是否有中意户型。买车的会了解是否看过本品其他4s店，对比哪些车型，等等。
在生命周期中，会有一个明显态度拐点。企业促成拐点的动作被称为：“关键动作”。如果结合用户需求做对了关键动作，就能极大提升成交概率，推进用户决策流程（比如上图中2点）。
这里的关键有两个点：用户需求+业务动作。只有抓对了用户需求做动作，才能产生立竿见影的效果。比如对买房而言，最重要的是带看和议价两个动作。可同样是改善型买房，用户想改善的是居住面积、周边环境、配套资源；想为二胎还是为养老改进，都会产生具体的需求。如果能抓住需求，在带用户看房的时候主动提示优点，就能提升成交率。不抓需求，只是傻傻做带看动作，当然无法取得效果。
了解以上信息，就能推导出大件商品用户生命周期管理的基本思路：
- 识别有真正需求的用户。
- 在用户决策结束前做匹配需求的关键行动。
- 引导用户买到匹配需求的产品。
因此衍生出四大数据分析主题：
- 用户需求分类：清晰每一类产品针对的用户需求。
- 生命周期计算：了解每类用户决策时间周期。
- 接触节点采集：用各种手段，了解用户在哪个节点接触我们。
- 关键动作分析：从成功/失败教训中，总结对促成有用关键动作。
如果全部展开写，内容很庞大，这里简单列出每一类分析的方法和思路，有机会我们详细分享。
更多类型的用户生命周期
如果把所有消费品按消费频次和金额分类。会发现：消费品天然往高金额低频次和低金额高频次集中。这很好理解：大家都不是土豪，贵的东西肯定买的少，买得纠结；日用品金额低，用完了都得补货。那是否存在：高金额高频次的类型呢？当然有！除了土豪的个人消费以外，大部分高频高金额消费和经营活动有关。
需要注意的是，同一个业务下，可能出现两拨用户，比如：
- 同样是小额贷，普通用户借一笔就是低频高金额，而小微商户老板周转的，就会出现高频次高金额的循环贷款。
- 同样是服装消费，普通用户换季买几件就是高频低金额消费，但扫货卖往四五六线城市的二次销售的老板，可能就是高频高金额消费。
- 同样是订票，结婚出国的普通用户可能是低频高金额消费，但经常出差的商务人士，就是高频高金额。
这是一个很重要的提示：即使在同一业务里，生命周期最长的用户，很有可能和其他用户不是一类群体。他们有特殊诉求。做用户生命周期管理的时候，并不能强求所有人都成为此类用户，也不能完全按此类用户成长路径来设计其他用户的路径，有可能把业务带到沟里去。
至于要不要真的把他们当做核心，这些用户规模做到多大合适，是一个独立的议题，需要专题分析。但在做用户生命周期分析的时候，要先指出来：我的用户群体有多少种，高低层级是不是一类人，有何区别。这就涉及到用户价值分层级和群体细分的问题，这个在知识星球的视频课程里我有详细分享。
小结
掌握用户生命周期，对体系化的运营非常有帮助。想要获得真正的用户生命周期情况，就得深入理解自己分析的业务特点，了解用户需求与购买习惯，做好用户分类。在此基础上才能得到符合业务的数据。
想要针对用户生命周期做改善，提升运营效率，更得和市场调研、运营、产品、一线业务紧密配合，获取更多信息，尝试各种解决方案。在迭代中得到更优的效果。这些都不是靠数据分析师一拍脑袋、神机妙算能搞掂的，配合与协同才是实现目标的王道。
作者：接地气的陈老师
来源：接地气的陈老师