新知一下
海量新知
6 2 9 1 1 1 8

指标 | 衡量“用户忠诚度”

数据分析007 | 数据分析精进之路 2020/11/26 12:29

谈指标之前,先思考如下问题:

  • 什么是“ 用户忠诚 ”?如何定义?

  • “忠诚度”高的用户具有什么特征?属性上有什么特征?或者行为上有什么表现?

  • 作为企业或平台,为什么要培养用户的忠诚度?

定义“忠诚度”

如下定义回答了上述3个问题:

顾客忠诚是顾客对企业与品牌形成的信任、承诺、情感维系和情感依赖。在企业与顾客长期互惠的基础上,顾客长期、反复购买和使用企业的产品与服务形成。忠诚的顾客会更多、更频繁地购买公司的产品,会更愿意试用新产品或购买更高档的产品,会更愿意接受与品牌相关的交叉购买,会乐于推荐新顾客并传播有利于企业与品牌的信息,且对价格的敏感度较低,愿意为高质量付出高价格。由于交易的惯例化,企业对忠诚顾客付出的交易成本、服务成本更低。

——百度百科:顾客忠诚

[1]

结合上述定义以及相关资料,我们可以知道:

  1. 用户忠诚的核心是用户对交易方(企业、店铺、品牌等)进行“ 授信 ”,如果对方产品(功能、服务等)靠谱,那么才会将其纳入下次交易的 候选项 中(有时候甚至是首选项)。

    参考下图中的购物流程,可以理解顾客将店铺或某品牌的商品纳入候选项是一件非常非常重要的事情——作为商家,首先要让顾客知道自己提供的商品或服务(所以“广告”很重要),其次,顾客光知道自己还不行,还要尽可能让自己进入顾客的“候选项”——对于笔者而言,虽然我知道洗衣粉的多种品牌,但是购买决策的时候可能只考虑某一个品牌而忽略其他,这就是“用户忠诚”的魔力。 新知达人, 指标 | 衡量“用户忠诚度” 图片来自:《零售管理》Michael Levy等,第4章,图4.1 购买过程

  2. 忠诚度高的用户在行为上会有如下特征:

  • 更多 地交易 ,e.g.原来只买特定品类,后来也买店铺的其他品类——实际上相当于顾客对店铺授信之后,店铺这个主体下的商品都被认为是可靠的。当授信的主体是品牌时,道理相通;

  • 频繁 地交易,e.g.之前每月到访一次,后面每月可能会来两三次甚至更多;

  • 推荐 给他人,当用户对授信对象的主观“信用分”达到一定程度后,用户会自发向身边的好友同事等推荐(此时相当于用自己的信用为店铺或品牌背书),需要注意的是,强利益驱动下的“推荐”不属于此处讨论范畴;

需要注意: 用户忠诚不等同于用户黏性

忠诚度高的用户很可能黏性高,但是黏性高的用户不一定忠诚度高,比如“被动的忠诚”,尤其是刚需但是“独家”供应的业务场景。

e.g.2020疫情早期,口罩供应不足,某app整合了多家平台的口罩预约信息,为该app带来了大批新客,在口罩供应紧张期间,用户的活跃、黏性等指标都很好,但是后面口罩很容易买到后,之前带来的新客就会大批撤离;

更多可参考 知乎问答:用户粘性与用户忠诚度的区别?

[2]

个体的忠诚度

面向用户的有高频行为的业务通常有两个特点:花钱或者花时间。

个体忠诚度的体现可以是两方面:

  • 在“数量”上,用户投入了更多的时间或金钱;

  • 在“质量”上,用户行为的参与度、完成度、行为黏性等指标会提升;

如果对应到“AARRR”模型中,用户忠诚则覆盖了Retention(留存)、Revenue(收入)、Refer(推荐)这三个环节。

用户生命周期价值(CLV)

个体忠诚度的综合体现是用户生命周期价值(Customer Lifetime Value)的提升。

参考前文 《漫谈 | 换个角度来思考业务》 中对CLV的拆解,可以知道:

不考虑商品价格及优惠这类不受用户主动行为影响的因素,那么对于单个用户而言,CLV的提升,可以是如下指标的提升:

  • 交易期数 ,用户在业务中的生命周期更长(或者说留存的时间更长);

  • 每期访问次数 ,可以理解为用户的访问频次提升(访问间隔缩短)了,e.g.对于内容类的app,用户从每周有3天访问,到每周有5天访问;

  • 成单概率 ,e.g.对于购物类的app而言,成单概率可以理解为

    访

    访

    ,当然也可以用其他计算方法;

  • 每单商品件数 ,这是指对单笔订单而言有没有买更多的商品,比如更多的SKU、更多的品类等;

上面的公式拆解更偏向于“花钱”的场景,对于“花时间”的场景,通常关注的指标:

  • 访问频次 ,e.g. 一个业务周期内该用户的活跃天数,用户打开视频的个数等;

  • 单次访问时长 ,e.g.微信读书中阅读时长,视频观看时长

行为黏性

用户忠诚度可以从

累积状态

以及

行为变化

两个角度体现。

累积状态

  • e.g. 用户当前会员等级、积分数量等;

  • e.g. 用户累计注册时长、阅读时长、观看时长等;

  • e.g. 用户累计消费金额、下单数量;

行为变化

  • e.g. 完成度、参与度的提升,

  • e.g. 均单价提升、单次访问时长提升;

  • e.g. 购物频次的提升、访问时间间隔缩短;

此外,还可以从其他角度考察 用户黏性

  1. 从用户行为角度,达到某种状态或阈值对应的行为次数、占比、用时等;

  • e.g. 观看完的视频数量占比,或者阅读进度超过50%的书籍数量占比等;

  • e.g. 从铜牌会员到达金牌会员的间隔时长,从注册日到累计消费金额5000的间隔时长;

  • 从用户选择角度,多次交易中,对不同选项的偏好程度;

    • e.g.假设某人10次在线购物,8次会选择在京东上购买,2次是在天猫,那么对于两款app而言,该用户在京东上体现的黏性或者依赖程度是更高的;

    • e.g.假设某用户在某店铺10次购买了10瓶水,其中6次都是XX山泉品牌,那么说明该用户对该品牌忠诚度较高;

    作为公众号主,那么对于“铁粉”的定义可以从如下指标入手:

    • 文章阅读率,发布的文章中有多大的比例被某关注的粉丝阅读,或者阅读完的文章数量占比等;

    • 关注时长、点赞、转发、赞赏、评论等行为;

    群体的忠诚度

    复购率

    复购率体现用户

    买了还买

    的热情。

    有两种计算方法:

    • 同期复购 ,某时间段内下单用户数中超过2单的人数占比

    • 跨期复购 ,类似于留存率的计算方法

    留存率

    对于很多内容产品而言,盈利点主要在于广告,用户基数的大小直接关系收入的多少,所以要尽可能把用户留在“池子”里,这时候,用户

    来了又来

    更重要,而“留存率”是反应留存最常用的指标。

    对于 整体 而言

    对于 新客 而言

    NPS(净推荐值)

    净推荐值(Net Promoter Score),是基于调查问卷将用户被分为“推荐者”(promoters)、“被动者”(passives)、“贬损者”(detractor)三类。用“推荐者”的百分比减去“贬损者"的百分比,即可得出净推荐值,如下图所示。 新知达人, 指标 | 衡量“用户忠诚度”

    不过,即使不通过问卷,也可以从行为中推测用户的“态度”。

    比如微信公众号、B站视频等可以通过阅读(观看)进度、点赞、转发(分享)、投币(赞赏)、留言(评论)等行为判断;

    反过来想,如果用户赞同/反对某篇文章或视频中的观点,那么他可能会做什么?

    OK,本文内容就到这里,文中指标仅供抛砖引玉。

    更多“用户忠诚度”相关内容

    更多“用户忠诚度”相关内容

    新知精选

    更多新知精选