📖 ZKIZ Archives

LinkedIn是怎麽應對用戶流失的？

很多人都玩過《憤怒的小鳥》，有一只鳥，飛到半空中，以拋物線的姿態，這條拋物線可以分成四個點，起飛點、平衡點、快要降落點、降落點，是不是客戶的生命周期有類似之處，從消費開始、成長、穩定、下降，最後離網。

我們想讓這只小鳥飛得遠一點，不要立刻落地，落地就相當於客戶流失了，應該在哪一個生命周期做工作？

一、什麽時候給它一個推力，它可以飛得更遠？

還有一個有意思的故事，Linkedin是個企業級的服務商，它是世界上第二大的SAAS公司，就是提供企業軟件服務的。

以前我們在LinkedIn最早做客戶流失模型時，每次檢測到用戶快流失的時候，就給他發E-Mail（美國一般都用E-mail營銷），比如給客戶50%的折扣、或者這個月可免費等促銷手段，但我們很快發現，客戶立馬關了，他關了。

啟動營銷方案了，用戶流失的可能性反而加大了。

為什麽？因為很多付費用戶都忘了自己在付費，等到我們檢測他會流失的時候，一旦郵件發了50%這種折扣促銷，反而等於提醒了他還在付費，立刻讓他把賬戶關了。

我們開始反省用戶流失模型怎麽會產生負面影響？用戶不使用我們的產品，產品沒有價值，怎麽做？

把助推點提前，把用戶生命周期往前推，不是在他流失的時候，才對他進行照顧，而是把郵件或者營銷方法提前，提前到小鳥飛行中間節點，好很多。後來甚至推到極致，在他剛剛開始註冊賬戶，LinkedIn負責客戶關系的部門就介入培訓客戶，又好很多。

在我們負責推廣這套客戶關系系統管理後，LinkedIn用戶的流失率從最早的時候51%、變成30%到了今天低於20%，估計明年的流失率是10%以內。

流失率從50%降到10%，每年有90%的付費用戶留存，這意味著什麽？中間Revenue是在以幾何倍數的增長。

大家可以再玩一下《憤怒的小鳥》，數學分析和物理相互關系，把低活躍變成高活躍，為未來流失減低做了很多偉大貢獻。 

所有數據和業務是完全強關聯，管理客戶流失在早期就要進行行動。但和產品接洽時間不一樣，每個客戶流失時間也不一樣。以前把所有用戶加起來報一個數，這是錯誤的。

鳥飛得遠，不是同時發出去，是按照時間點發的，每個用戶精確管理它的生命周期。也就是今天我們講的行動和數據緊密結合。

二、怎麽可能精確到管理每個客戶？

LinkedIn有3.5億左右的用戶，5000名銷售，我們怎麽可能能精確管理到每個客戶的生命周期呢？

彼德·德魯克說，如果一個事物無法度量的話，那麽我們就沒法管理它。說的是，定下目標以後，必須要可衡量、可度量，我們才能對它進行管理和成長。

我們怎麽能做到可衡量、可度量每一個客戶的生命周期？

我們當時針對所有用戶，他們怎麽用Linkedin網站的，我們分析了每一位用戶的行為，每個公司的獵頭人員，或者每個賣家、買家很細微的點擊、看、發信。

把這些細微的行為，算出來了一個積分，我們定期地對用戶進行打分，每天、每星期、每月，打完分以後對整個數據庫進行排序，每天只把這種最有可能流失的客戶，及時地通知負責客戶管理的客戶關系經理。

而在以往，還是每個季度才能做一次這樣的分析，為什麽？

因為慢。

現在Linkedin變成實時地在計算著這種東西，每天都能看到最重要客戶的排名，最可能流失的客戶排名。這樣，客戶關系經理的效率極速提高。以前，他拍腦子都不會知道，這300個客戶里面張三、李四都在幹什麽，但今天，僅僅通過一張積分表，他就能夠很精準地預測一個用戶的流失。

這實際上就是自動化。這是一個高緯度自動化的模型在後面猛烈計算，它算出來一個非常簡單的數字值。

以前在Linkedin產品里面，我們當時大約有200-300個不同KPI。後來通過這個抽象出來以後，只有兩個值，銷售或者客戶關系經理只看兩個數值，溫度和健康度。

溫度，就是說用戶繼續購買Linkedin服務的可能性有多少。

健康度，就是說用戶使用這個產品的頻次有多少.

使用並不表示他要付費，付費並不等於他要使用，但是這兩個東西放在一起以後，所有的人員就都被這些數據帶動起來了。

比如說一個客戶非常健康卻不購買，那麽客戶關系經理就要追賣東西；有的客戶只付費不使用，這些客戶一定會流失，客戶關系經理就要開始培訓客戶如何使用付費功能………

這樣，每天都在帶動客戶越來越和這個平臺有更多的互動，這套東西後來就形成了整個客戶成功的服務體系。

到今天，Linkedin的員工90%的銷售每天都在用這套系統，99%的人每周都在用這套系統，每天會用多少次？平均每天每個人用10次左右。

而在以前，他一年才能做兩個數據驅動決策，現在他每天基本平均接觸10個數據決策。這樣他的效率是呈幾何倍數在升高。

結果就是，流失率從50%降到10%，每年90%的付費用戶留存。

所以，為什麽要做數據驅動下的精細運營，其實數據驅動的核心就是要提高效率，真正做數據驅動就是為拉十列車裝上輪子。

本文作者，GrowingIO CEO張溪夢：前LinkedIn美國商業分析部高級總監，美國Data Science Central評選其為“世界前十位前沿數據科學家”，親手建立了LinkedIn將近90人商業數據分析和數據科學團隊，支撐了LinkedIn公司所有與營收相關業務的高速增長。

本文作者張溪夢，文章僅代表作者。如需轉載請聯系郵箱[email protected]授權，未經授權，轉載必究。