LinkedIn是怎么应对用户流失的?
张溪梦 张溪梦

LinkedIn是怎么应对用户流失的?

LinkedIn有3.5亿左右的用户,5000名销售,我们怎么可能能精确管理到每个客户的生命周期呢?

很多人都玩过《愤怒的小鸟》,有一只鸟,飞到半空中,以抛物线的姿态,这条抛物线可以分成四个点,起飞点、平衡点、快要降落点、降落点,是不是客户的生命周期有类似之处,从消费开始、成长、稳定、下降,最后离网。

我们想让这只小鸟飞得远一点,不要立刻落地,落地就相当于客户流失了,应该在哪一个生命周期做工作?

一、什么时候给它一个推力,它可以飞得更远?

还有一个有意思的故事,Linkedin是个企业级的服务商,它是世界上第二大的SAAS公司,就是提供企业软件服务的。

以前我们在LinkedIn最早做客户流失模型时,每次检测到用户快流失的时候,就给他发E-Mail(美国一般都用E-mail营销),比如给客户50%的折扣、或者这个月可免费等促销手段,但我们很快发现,客户立马关了,他关了。

启动营销方案了,用户流失的可能性反而加大了。

为什么?因为很多付费用户都忘了自己在付费,等到我们检测他会流失的时候,一旦邮件发了50%这种折扣促销,反而等于提醒了他还在付费,立刻让他把账户关了。

我们开始反省用户流失模型怎么会产生负面影响?用户不使用我们的产品,产品没有价值,怎么做?

把助推点提前,把用户生命周期往前推,不是在他流失的时候,才对他进行照顾,而是把邮件或者营销方法提前,提前到小鸟飞行中间节点,好很多。后来甚至推到极致,在他刚刚开始注册账户,LinkedIn负责客户关系的部门就介入培训客户,又好很多。

在我们负责推广这套客户关系系统管理后,LinkedIn用户的流失率从最早的时候51%、变成30%到了今天低于20%,估计明年的流失率是10%以内。

流失率从50%降到10%,每年有90%的付费用户留存,这意味着什么?中间Revenue是在以几何倍数的增长。

大家可以再玩一下《愤怒的小鸟》,数学分析和物理相互关系,把低活跃变成高活跃,为未来流失减低做了很多伟大贡献。 

所有数据和业务是完全强关联,管理客户流失在早期就要进行行动。但和产品接洽时间不一样,每个客户流失时间也不一样。以前把所有用户加起来报一个数,这是错误的。

鸟飞得远,不是同时发出去,是按照时间点发的,每个用户精确管理它的生命周期。也就是今天我们讲的行动和数据紧密结合。

二、怎么可能精确到管理每个客户?

LinkedIn有3.5亿左右的用户,5000名销售,我们怎么可能能精确管理到每个客户的生命周期呢?

彼德·德鲁克说,如果一个事物无法度量的话,那么我们就没法管理它。说的是,定下目标以后,必须要可衡量、可度量,我们才能对它进行管理和成长。

我们怎么能做到可衡量、可度量每一个客户的生命周期?

我们当时针对所有用户,他们怎么用Linkedin网站的,我们分析了每一位用户的行为,每个公司的猎头人员,或者每个卖家、买家很细微的点击、看、发信。

把这些细微的行为,算出来了一个积分,我们定期地对用户进行打分,每天、每星期、每月,打完分以后对整个数据库进行排序,每天只把这种最有可能流失的客户,及时地通知负责客户管理的客户关系经理。

而在以往,还是每个季度才能做一次这样的分析,为什么?

因为慢。

现在Linkedin变成实时地在计算着这种东西,每天都能看到最重要客户的排名,最可能流失的客户排名。这样,客户关系经理的效率极速提高。以前,他拍脑子都不会知道,这300个客户里面张三、李四都在干什么,但今天,仅仅通过一张积分表,他就能够很精准地预测一个用户的流失。

这实际上就是自动化。这是一个高纬度自动化的模型在后面猛烈计算,它算出来一个非常简单的数字值。

以前在Linkedin产品里面,我们当时大约有200-300个不同KPI。后来通过这个抽象出来以后,只有两个值,销售或者客户关系经理只看两个数值,温度和健康度。

温度,就是说用户继续购买Linkedin服务的可能性有多少。

健康度,就是说用户使用这个产品的频次有多少.

使用并不表示他要付费,付费并不等于他要使用,但是这两个东西放在一起以后,所有的人员就都被这些数据带动起来了。

比如说一个客户非常健康却不购买,那么客户关系经理就要追卖东西;有的客户只付费不使用,这些客户一定会流失,客户关系经理就要开始培训客户如何使用付费功能………

这样,每天都在带动客户越来越和这个平台有更多的互动,这套东西后来就形成了整个客户成功的服务体系。

到今天,Linkedin的员工90%的销售每天都在用这套系统,99%的人每周都在用这套系统,每天会用多少次?平均每天每个人用10次左右。

而在以前,他一年才能做两个数据驱动决策,现在他每天基本平均接触10个数据决策。这样他的效率是呈几何倍数在升高。

结果就是,流失率从50%降到10%,每年90%的付费用户留存。

所以,为什么要做数据驱动下的精细运营,其实数据驱动的核心就是要提高效率,真正做数据驱动就是为拉十列车装上轮子。

本文作者,GrowingIO CEO张溪梦:前LinkedIn美国商业分析部高级总监,美国Data Science Central评选其为“世界前十位前沿数据科学家”,亲手建立了LinkedIn将近90人商业数据分析和数据科学团队,支撑了LinkedIn公司所有与营收相关业务的高速增长。

Linkedln 数据 用户管理
赞(...)
文章评论
匿名用户
发布