同期群分析:如何理解客户为何留下或离开
同期群分析能揭示隐藏在汇总数字里的留存规律。下面介绍如何读懂它、如何搭建,以及如何根据发现采取行动。
你的整体留存率是 78%。这算好吗?这完全取决于是哪些客户留下、哪些客户离开——而这恰恰是汇总的留存数字无法告诉你的。一家留存率为 78% 的公司,可能成功留住了最有价值的客户,却在不断流失最新的客户;也可能守住了老客户群,而最近几批新客户却在快速流失。汇总数字把这两种情况都掩盖了,同期群分析则能把它们揭示出来。
同期群指的是在同一时间开始的一批客户——例如同一个月注册、同一个季度完成首次购买,或同一周升级的客户。通过分别跟踪每个同期群随时间的变化,你可以看到公司历史上不同时期的留存规律如何演变。这是产品或业务团队手中最有力的诊断工具之一。
如何读懂同期群留存表
标准的同期群留存表,行是获客同期群(1 月、2 月、3 月……),列是获客后的月数(第 0 个月、第 1 个月、第 2 个月……)。第 0 个月永远是 100%——它是起点。每一行中的数字,表示该同期群在之后每个月仍然活跃的百分比。
| 队列 | 第0个月 | 第1个月 | 第2个月 | 第3个月 | 第4个月 | 第5个月 | 第6个月 |
|---|---|---|---|---|---|---|---|
| 1月 | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| 2月 | 100% | 71% | 55% | 43% | 41% | 39% | — |
| 3月 | 100% | 76% | 62% | 51% | 49% | — | — |
| 4月 | 100% | 79% | 65% | 61% | — | — | — |
| 5月 | 100% | 82% | 69% | — | — | — | — |
| 6月 | 100% | 84% | — | — | — | — | — |
这张表讲了一个很清楚的故事:留存率逐月明显改善。1 月同期群到第 6 个月只留住了 34%,而较近的同期群在头两个月就能保持在 69%–84%。一定有什么发生了变化——可能是产品改进、更好的新用户引导流程,或是获客渠道的变化带来了更匹配的客户。汇总的留存数字会把这一点完全掩盖。
需要留意的三种规律
拿到同期群表之后,你要找的是三种具体的规律。每一种都指向不同的问题,需要不同的解决办法。
早期陡降:如果第 0 个月到第 1 个月的留存率持续低于 50%,说明你有新用户引导的问题。客户注册后,没能足够快地发现价值,因而没有留下。这是早期 SaaS 中最常见的规律,也是最容易解决的——更好的新用户引导、更短的首次价值达成时间、更主动的早期互动,都会有帮助。
所有同期群持续下滑:如果所有同期群的留存率都在以相同的速度逐月下降,说明你有产品价值的问题。客户试用了产品,有些人起初留了下来,但持续的价值不足以让他们保持活跃。再怎么改进注册流程也解决不了这个问题——产品本身需要提供更多让人回来的理由。
趋于平缓的“微笑”曲线:最理想的留存曲线在最初下降后会趋于平缓。熬过头两三个月的客户往往会留下来。目标是让尽可能多的客户到达这个拐点。如果你的曲线始终不趋于平缓——也就是第 6 个月的留存下降速度与第 1 个月相同——说明你没有稳定的留存基础,基于该同期群计算的 LTV 会产生误导。
同期群表中最重要的数字不是第 6 个月的百分比,而是第 0 个月到第 2 个月之间的斜率。大多数客户就是在这一阶段流失的,大多数干预措施也在这里最能发挥作用。
细分同期群:真正的洞察所在
当你按获客渠道、定价档位、客户规模或地区细分同期群时,同期群分析才真正显示出威力。一张三个月后整体留存率为 60% 的同期群表,可能揭示出自然搜索客户的留存率为 75%,而付费社交媒体客户只有 40%。仅这一条洞察,就会彻底改变关于营销预算分配的讨论。
价值最高的第一个细分维度,几乎总是获客渠道。通过推荐、内容或自然搜索找到你的客户,留存率通常明显高于通过大规模付费推广获得的客户。如果你的同期群数据呈现出这种规律(通常都会),那么即便按单客获取成本看,付费获客显得更便宜,这也有力地说明应该投入内容和推荐计划。把留存纳入模型之后,原本看似很低的 CAC 就不再便宜了。
同期群表出现下滑时怎么办
如果最近几批同期群的留存比早先的差,这是一个紧急信号。它意味着你的产品、获客或新用户引导中有什么变差了——而且是最近才变差的。要查清楚发生了什么变化:你是不是开辟了一个带来资质较低客户的新获客渠道?你是不是上线了一个打乱既有工作流程的功能?你是不是调整了定价,吸引来了并不匹配的客户?
改善同期群留存,几乎总是先要解决产品和新用户引导的问题,其次才是营销的问题。通常有效的干预顺序是:首先,找出留存客户在前两周做过、而流失客户没有做过的行为;然后,重新设计新用户引导,让这些行为更早发生;再然后,把早期行为作为信号,识别有流失风险的客户,在他们流失之前而不是之后进行干预。
存续时间长的同期群看起来很漂亮,因为留下来的客户从定义上说就是最满意、最匹配的客户。当你查看两年前那批同期群的第 24 个月留存时,看到的是一个已经被流失大量筛选过的群体。不要把长期留存客户的行为当作新客户行为的参照模型——他们是经过筛选的样本,不具代表性。
同期群分析最好定期复盘,而不是跑一次就忘。在 FabricLoop 中,产品和增长团队通常会在共享群组中维护一份月度笔记,包含更新后的同期群快照——用最新数据刷新的表格、一段说明哪些指标发生了变化及原因的解读,以及针对有流失风险同期群正在测试的干预任务清单。当分析与应对它的任务放在一起时,洞察与行动之间的差距会大大缩小。
