随着互联网大数据行业的不断发展，电商行业的队伍也日渐壮大。用户留存问题也成了大多数电商研究的点，可是当我看了电商平台的前世今生后，我发现用户留存并没有那么玄。

遥看我国的电商发展史，共先后经历了 5 个阶段百家号电商，分别是： 1990 年开始的起步期、1993 年开始的雏形期、1998 年开始的发展期、2000 开始的稳定期，以及 3G 的蓬勃发展促使全网全程的电子商务 V5 时代成型而带来的成熟期。

图 1 . 电子商务的 5 大发展历程

随着互联网大数据行业的不断发展，电商行业的队伍也日渐壮大。

据商务部《中国电子商务发展报告2017》显示：电子商务的直接从业人员和间接带动就业多达 4250 万人，较上年增长 13%。全国电子商务交易额高达 29.16 万亿元，同比增长 11.7%。全国网上零售额为 7.18 万亿元，在社会消费品零售总额的比重不断提升。

图 2. 2011-2017 中国电子商务交易总额及增长率

据日前阿里发布的 Q2 财报显示：

核心电商业务的营收为 691.88 亿元，占营收总额的 86%，同比增长 61%。

同时，网易也同样在电商业务领域交出了一份满意的答卷。

在近日披露的 Q2 业绩中，京东的营收规模高达 1223 亿人民币，其中电商占比更是达到 90% 以上。今年整个 “6.18” 期间，京东的累积下单总金额为 1592 亿元人民币。与去年的近 1200 亿元的销售额相比，增长了 31.2%。

而且，如今的互联网电商种类繁多，综合电商、跨境电商、生鲜电商、外卖电商、医疗电商、母婴电商等等领域，数不胜数。

图 4. 不同类型的电商平台

显然，这些数据和内容不断地用事实告诉普罗大众——毋庸置疑，我国的电商行业依然在互联网的浪潮中高歌猛进。

这届用户没那么长情，用户留存面临困境

面对越来越激烈的竞争，“如何留住用户”成了兵家必争之地，代金券、优惠卡、赠送品等等爆炸式轮番上阵，然而，现实却告诉我们，电商行业的用户留存似乎不是那么好做。

1.居高不下的获客成本

某时期内的获客成本=营销成本+营销人员人力成本+营销工具成本，在流量红利消失的今天，甚至有人声称，早在 2016 年，电商行业的获客成本就已经突破了 100 元，更有业内人士指出，阿里巴巴的线上获客成本目前已经飙升到 700 元。

搜索引擎优化、明星网红广告、社交软件投放、影视传媒露出等都在不停地抬高着获客成本。可如若真的在这些领域做了缩减，那么一直被广告喂养的用户可能会头也不回的就离开。

图 5. 电商行业的转化率漏斗

2. 起伏不定的复购率

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数

订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数

根据产品特性不同百家号电商，电商平台各商品的复购率也不相同。

生活类的快消品的复购率普遍来说稍高，而相对于一些类似潜水装备、野营帐篷等专业领域的产品来说，复购率偏低。如何用不同的指标和方法提高和稳定不同商品的复购率，各平台仍然在不断摸索。

羊毛党也同样影响复购率的数据。羊毛党的一哄而上，容易造成整体数据的虚假繁荣，这种“唯利是图”的一次性用户较难产生复购行为。

另外，在一定程度上，复购率依赖着备受追捧的优惠券。优惠券驱动着用户的购买欲，并进一步的扩大用户原本的计划消费金额，如何精准派发优惠券、如何平衡优惠券和复购率之间微妙的关系，也是电商行业的突破口。

3. 层出不穷的电商平台

打开手机应用市场，映入眼帘各类电商平台，而且单独的“卖东西”早已经不足以吸引用户。

比如：商品内容全程直播式的“电商+直播”，分享美妆心得、人人都是美妆博主的“电商+社交”，拿着线上平台的购物截图在线下门店享受二次优惠的“线上+线下”等等模式，各大平台挖空心思，为了博用户停留。

而事实也如此，我们的用户确实变得越来越酷。

一位刚刚步入职场的女性，一次性下载了 5 款外卖类电商 App，然后逐一进行挑选。看了对初始用户的满减力度，她淘汰卸载了力度最低的一款，在使用过程中，她发现有的 App 上无法提供饭店操作间的照片，处于食品安全的角度，她又卸载了两款。于是，在仅剩的两款 App 中，循环往复。

后来有新闻爆出，其中一款平台屡屡发生送餐员私自打开顾客外卖的情况，一气之下，她又卸载掉了一款，于是变成了最后一款 App 的忠实用户。但很快，2 个月后，一款新的外卖 App 主打“美味伴侣”的配对模式，想到尚无男友的自己，她迅速抛弃了在各大平台花了 2 个月时间才精心筛选出的获胜者，转而投向新欢的怀抱……

新鲜和未知感，永远在煽动着用户“喜新厌旧”。

4. 繁杂的电商数据

因为电商平台充斥着用户的种种命令与行为，其产生许多浏览、收藏、购买、支付等数据，尤其对于一些较大的电商品台来说，单单是用户一周的投诉数据就能近千条，更别提其他的大体量行为数据。

但市场运营者们却时常头疼：为什么赵二一个人在评论区发表评论的次数远远超过了平均水平？张三下载了客户端为何一次购买行为都没完成就卸载？李四为什么对批量的优惠券无动于衷？

电商平台上所能收集到的各类行为动作背后的数据，比如：销售额、订单量、渠道流量、转化率、购买率、弃买率，都是指导其下一步策略的核心内容，然而，由于数目繁多，常常出现无从下手或者无法充分利用的情况。

总而言之，身经百战的用户，越来越难留，这也让电商平台感慨，这届用户，不那么长情。

突破瓶颈，制造留存环境

首先，留存分析是一种用来分析用户参与情况，以及活跃程度的分析模型，说到底，它就是来衡量产品对于用户到底具有多大的价值，即用户到底是否喜欢这个产品。

留存反映的是一种转化，即初期的不稳定用户，慢慢转化成活跃用户、稳定用户、忠诚用户。留存同样是一种判断标准，它监测产品的改进与升级是否符合用户的胃口，因为一次新功能上线而痛失一批忠诚客户，是每个平台都不愿看到的事情。

接下来，用一个我在实际工作中关于用户留存的实例，一起跟大家探讨——面对用户留存，我们究竟能做些什么。

该平台基本信息：某综合类电商平台，旗下品类涉及美妆、服饰、母婴、鞋包、家居、食品等，如今又加入直播板块，用来扩大品类数量，引导用户消费。

首先，我们将用户分为两类——新用户与老用户，新用户指首日访问用户，老用户指非首日访问用户。我们当时认为，注册过的用户一定比未注册的用户拥有更大的购买潜力，但却不知如何搜寻到数据来支撑这种假设。

于是，在用户行为分析平台上，通过留存分析的模块发现，新用户首日完成注册的次周留存率是未注册的 3 倍（本文案例中数据均为虚拟数据），新用户首日完成购买的次周留存率是未购买的 4 倍。

无论是 3 倍的注册率，还是 4 倍的购买率，都与其对立面相差极大，于是，我们把重点放在了这批新用户上，将新用户首日完成购买作为提高新用户留存的“第一关键指标”（OMTM）。

图 7 . 用户首日完成购买的 7 日留存率

于是，为了让越来越多的新用户在首日完成购买，我们又继续做了以下努力。

以上图中 8 月 8 日为例，一共有 7408 人，在第七天有 680 个人留了下来，而这 680 个人在当周的 7 天留存率中占比最低，仅为 9.18%，于是我们打开这 680 个人的用户列表，来逐一分析他们的构成。

图 8 . 用户列表

在几十种的项目指标里，可以清楚地看到各个新用户的属性，以及他们行为触发的时间、维度等各类特点，于是我们进一步细化这些指标并对其进行相应的措施。

通过对图表里各用户的年龄分析，可以获知该天 7 日留存率中年龄分布相

来源【抖音特训营】自媒体，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！