今天分享一下用户的生命周期标签的一套通用的计算逻辑。

01 什么是生命周期标签

首先,什么是生命周期模型呢?

其实本质上,就是用户的一种分层、分类的方法论。是按照用户在产品中的阶段进行的划分,反映了用户从接触产品到离开产品的整个过程。从技术层面,可以理解成一个用户标签,标签值有新用户、成长期用户、流失用户等。

用户生命周期的概念,在用户增长系统中会用的比较多,后面会针对用户生命周期的应用、落地进行详细分享。这里进行概要的阐述。

通常来讲,用户的生命周期分为如下图的五个阶段:

用户标签数据——用户生命周期类标签,如何计算?

  • 引入期:用户刚刚开始使用产品或者服务,初步建立起品牌的认知

  • 成长期:用户对产品服务开始逐渐信任,使用频次、深度不断加强

  • 成熟期:用户对平台的服务非常熟悉,可以无障碍地完成各种内容,使用的频次深度趋于稳定

  • 休眠期:用户逐步丧失对平台的兴趣,使用频率、热度越来越低

  • 流失期:用户完全不再使用该产品

生命周期模型能做啥呢?针对不同阶段的用户,可以进行精细化的运营、精准施策。

那如何判断一个用户是属于什么阶段呢?这个其实就是标签的计算逻辑了。

02 如何计算生命周期标签

核心问题来了,如何计算生命周期标签呢?

计算的方式有千千万,但总体上来讲,基本分了两类:一类是通过逻辑规则进行判断生命周期的阶段,一类是通过算法来进行判断。

(1)通过逻辑规则,判断生命周期阶段

先来一个示例图,这是一个用户生命周期的划分(和上面的例子比,更加细分了一下,但逻辑是一致的):

用户标签数据——用户生命周期类标签,如何计算?

这里最主要的几个数据,包括:用户首单时间、有效订单量及发生时间、最近一单时间、购物频率的数据,就可以计算出比较系统的用户的生命周期。

这里设置了四个时间边界参数,分别是:形成边界、活跃边界、沉睡边界、流失边界。这四个是判断时间的主要参数。可以按照不同的业务特点进行灵活设置。

具体的计算逻辑上,可参考下面的逻辑全景图:

用户标签数据——用户生命周期类标签,如何计算?

首先,找出全部历史有订单的用户,判断历史第一单是否在6个月以内;

  • 接下来,判断用户是否只下了1单,如果是的话,根据这单产生的时间,把用户划分为三个不同的形成阶段;

  • 如果用户下了两单及以上,根据用户最后一个订单的产生时间,把用户划分为三个不同的适应阶段;

如果用户第一单在6个月以前,那么判断用户的最后一单的产生时间。

  • 如果在1年以前,那么用户处于流失阶段;

  • 如果在6个月到1年之间,那么用户处于准流失阶段;

  • 如果在3个月到6个月之间,那么用户处于沉睡阶段。

最后根据用户近3个月与近6个月的购物频率对比,

  • 如果频率增加,那么用户处于成长阶段;

  • 频率不变,用户处于稳定阶段;

  • 频率减少,用户处于衰退阶段。

根据最后一单的产生时间

  • 如果在1个月内,那么用户的对应阶段分别为成长1、稳定1、衰退1;

  • 如果在1-3个月内,那么用户对应的阶段分别为成长2、稳定2、衰退2。

(2)通过算法,判断生命周期阶段

在算法层面,其实给用户计算生命周期,本质上就是进行用户分类的过程。

关于如何进行用户分类,算法就比较多了,比如可以使用朴素贝叶斯、SVN等。

关于具体的案例,咱们有机会继续分享。

-END-

发表评论

后才能评论