从数据看用户生命周期

身为应用营销人员终极目标之一是，获取新用户并留住他们。我们也都知道，用户交互是很管用的一个基准指标：不仅可用来量化应用的成功，同时维持高用户交互能带来更好的收入回报。

然而，用户流失是无法避免的。事实上，我们估计有大约 80% 的用户，在安装应用程序的一天后就不再使用它了，到了第七天，只剩 12% 的用户仍在使用。这样的结果是否意味着已经流失的用户将永远离开，再也不打开您的应用了呢？根据我们的数据显示，事实可能比您想像地还乐观。下面，我们深入地探讨一下不同行业回归用户的分布情况。

用户在长时间不使用之后还会回归吗？

为了回答这个问题，我们基于超过一年的数据，对八种行业进行分析，进而为您展示流失用户的平均回归率：即，在长于两个月的时间内，没有发生任何会话用户的回归情形。

分析结果令人鼓舞：两个月后回归的用户量相当于该期间所有新安装数量的 17％。三个月后，估计有 11％ 的流失用户会回归，第六个月也仍有 4% 的回归率。

行业对比

不同行业的用户流失率各不相同，各自用户回归率自然也大异其趣。我们以回归率的中间值作为分析标的，从下面两个图表来对比八个行业的差异。

电子商务的回归率特别高。继上次会话发生三个月后的回归率高达 18%。

此结果并不令人意外，电子商务应用有异于其他用于浏览或互动的应用，通常用户只会因为特定需求（例如想搜索或订购产品）打开应用，除非您的购物量特别大，否则打开应用的频率一般为每隔几个月而非每隔几周。另一方面，许多消费者天天会挂在网上浏览，这也是为什么电子商务应用在一开始留存率就比较高。

工具类应用也呈现类似的情形。通常，这些应用只有单一用途，例如充当扫描应用，因此只会因为特定需求打开。这类使用需求也不会每周甚至每个月都发生，但是用户会基于实用性将其保留在手机上以供下次使用。

游戏类应用也有大量的回归用户。其他行业的回归率或多或少与平均回归率相同，但在游戏类应用流失用户的回归率几乎一直是平均回归率的两倍。

游戏类应用有特别的吸引力：半年后，大约 8% 的流失用户会回归，甚至在一年后，平均还有 2.3% 的用户回归。这一数字乍看之下很小，但若是短时间内汇集的话，仍会对您的留存数据分析带来很大的影响。

现在，我们来看看下面一个图表。虽然这些行业的回归率低于平均值，但是对于帮助您全面地了解用户生命周期，并进行有效的再营销很有帮助。

旅游类应用呈现相对高的回归率，约有 8% 的用户会在三个月后回归。想到网络旅行社、航空公司和酒店类应用是最受欢迎的旅游类应用时，这一结果也就不足为奇了。

大多数这类应用都是纯功能性的，并且通常都是用于周期性特定目的（例如，预定机票和酒店客房）。

然而，对于再营销来说，了解用户何时会开启新的会话，又或何时会重新安装应用很重要：一般而言，针对三个月后流失的用户，我们推荐向其推出定制活动或服务，以将他们重新吸引回来。

另一方面，社交应用的用户回归率非常低。即使两个月后，也仅有 1.3% 的流失用户可能回归。以社交网络的应用而言，用户若非一开始就参与其中，之后的兴致会急速减少。

为什么使用无限回溯窗口期？

基于上述的原因，我们很快地意识到，采用无限回溯窗口期的重要性。 首先，如果会话是由早已下载该安装的用户，在一段时间(比方说三个月)回归后所发起的，这些会话便很有可能被算作新的安装。

此外，这些会话还可能被归功于付费营销推广活动，从而增加广告主成本并扰乱数据。

从数据平均值来看，假设您的用户记录涵括得不够久远，您的安装量数据将减少大约 11%，还可能为了貌似新用户的 11% 现存用户向广告渠道付费。

这种错误归因的代价是什么呢？

如果用户数据仅保存三个月，您在这些数据差异上会花上多少冤枉钱？以游戏行业为例，假如您的应用每天获取 2,000 位新用户，其中又有 26% 的用户来自付费安装。

四个月后，来自付费渠道的流失用户里，约有 60 名会再次开启会话。

问题是，这些用户不会被算作回归用户，而被视为新的安装用户，并且会被归功于推广活动。这种归因错误的代价是增加了不必要的成本。

除了不必要的花费外，错误归因还会对您数据的准确性及后续的再归因推广活动产生不良影响。

通过无限回溯窗口期以及卸载和重装跟踪，您可以获得更加完整的用户生命周期概览，帮助您全面地了解用户生命周期，并进行有效的再营销很有帮助。