现代管理学之父彼得·德鲁克曾说过一句名言：商业的目的在于创造和留住顾客。

“创造”顾名思义就是带给用户“啊哈时刻”，让顾客更快接触核心功能，接下来就可以开始在此基础上打造一台高速增长列车，实现用户增长。

但是有一部分人压根就没在车上，或者中途下车了，这个时候就需要另一种方式，即用户增长的手段来留住用户，也就是我们今天将要介绍的流失用户召回体系。

我做过很多类别产品的召回，资讯类、工具类，在线教育类、电商类、金融类等等，每种产品有各自的属性，召回用户的难度、方式和回归后的质量也不尽相同。

在之前的文章中我们已介绍过金融类产品的召回体系，今天就来介绍一下资讯类产品如何从0到1搭建召回体系。

召回体系分为5个部分，具体内容如下图：

1. 发现问题

2. 提出想法

3. 预期效果

4. 测试

5. 复盘分析

这5步便是一个完整的用户增长体系，不断地循环1-5步，时间长短最好定在1到2周之内，我们称之为用户增长周期。

增长团队则需每个周期召开一次会议，对上个周期的测试进行复盘分析，发现问题并提出新的想法，最后决定下个周期应该进行的测试。

一、发现问题

发现问题阶段要认真思考几个问题：

1. 现在流失情况？

2. 有没有必要做用户召回？

3. 新增用户获客成本是多少？

4. 召回用户应该花多少钱？

首先要了解目前的流失状况，在启动召回计划前要知道总流失用户数，每月新增流失用户数，流失用户时间分布等等。可以如下图，反应出流失用户大盘情况。

蓝色柱状图代表新增流失绝对值，红色曲线是新增流失比。

通过这个比值可以看出流失的速率超过新增速率，且流失绝对值上涨，多半是处在渠道放量期。通过这个图我们可以了解现在渠道的基本状况。

紧接着我们来讨论下一个问题，是否有必要对流失用户进行召回。

有的公司不对用户做召回，比如一些互金公司，他们在拉新时候已经给新用户补贴很多钱，由于一个用户生命周期里营销费用是有限的，所以不会在流失用户身上花更多的钱。这是金融类产品过高的获客成本所致。

通常来说，金融类产品的平均获客成本在100-500元/人之间，统筹考虑，互金公司会把运营侧重点放到预流失阶段，而不是流失。

话说回来，资讯类平台的获客成本大约在5-30元，相对价格较低，有较富裕的运营费用去支持流失用户召回。

贝恩公司的费雷德里克·瑞克赫尔德曾经做过研究，用户留存率每提高5个百分点，利润就会提高25-95个百分点。

综上所述，资讯类平台的流失用户召回计划一定要做，不仅要做，还要周期性得做。

最后，来分析召回用户应该花多少钱。

之前介绍互金篇时讲过一个方法，即，按照用户生命周期贡献价值来分配召回用户成本（召回成本=用户生命周期贡献成本-市场成本-运营成本）。

这种方法适用于电商、互金等行业，但对于资讯等其他行业来说其生命周期贡献价值并没有上述两种行业那么清晰，因此不能用该公式直接计算。

对于资讯平台，在召回初期如何设定召回成本，就用到了魔法数字。

据行业数据统计，获取一个新用户的成本是维护老用户成本的5倍，换而言之，维护老用户的成本是新用户的1/5，这是成本下限。

根据流失用户的流失时长，一些流失时间比较长的用户，换种思路其实就等于新增用户，所以上限成本等于新增用户的获客成本。

这里新增用户获客成本取行业平均值15元（包括信息流、应用商店等），那么我们的召回成本区间就有了，如下所示：

召回体系的增长实验开始前的成本区间初步定下来了，至于在区间内多少钱合理，在召回率和成本之间如何平衡，根据后期实验和复盘分析不断改进完善，找到召回最优成本。

二、提出想法

提出想法是为第四阶段的测试做准备，根据用户质量、触达工具、短信文案、奖励礼物、落地页等等模块进行拼接实验。如下图：

根据我们的想法将用户分类A1、A2、A3……AN；触达手段B1、B2、B3……BN；短信文案C1、C2、C3……CN。

这样下来，总共有N x N种方案进入储备库，但是公司资源有限，不可能将所有想法付出实践，如何将诸多的想法排列优先级，这就用到了肖恩指定的“ICE评分体系”，整理第二阶段的想法。

ICE分别代表impact（影响力）、confidence（信心）和ease（简易性）。

举个例子，如下图：

目前有N种方案，但是我们资源只允许同时进行3种实验，那么我们按照ICE打分，最终按照分数由高到低选取3种方案进行实验测试。

三、预期效果

我看过很多用户增长实验，都忽略了预期效果这一步，觉得用户增长实验就是快速的迭代实验、复盘而忘记了实验之前对效果的预估，这是一种错误做法。

方向错误，高效的执行便是灾难。

所以我们要在做之前对现状指标进行拆分分析，以召回用户为例，我们要在实验前知道自然回流用户（非测试手段，流失后自然回归的用户）的各项指标，以及拆分各类用户的自然回流指标，制定预期目标。如下图：

上图显示了流失用户自然回流的数据，这个数据怎样解读呢？

就是说连续30天未登录，我们认定为流失用户，这些用户在没有接触到任何短信、PUSH等召回实验策略时，自然回流的比率如上图绿色一列。

再将这些用户分类，按照流失前有过某些行为进行分类，因为流失前不同行为，也决定着自然回流和实验召回的难易度，例如我们看到前会员用户的自然回流就要高于其它行为。

有了自然回流数据，在此基础上制定目标就顺理成章，这样一来，实验前也有了具体的目标方向。

四、测试

测试阶段就是将第二步的想法赋予实践，策略都已经制定好，同步骤二，我们会将实验分成3组：

测试组一：A1+B1+C1+D1+E1，

测试组二：A1+B3+C1+D1+E1，

测试组三：A1+B3+C1+D1+E3。

将流失用户进行抽样分组，保证3组样本的均匀和一致性。接下来就到了具体实施环节：

A：筛选高质量用户（可根据RFM或行为模型等方法）；

B：触达工具准备，若短信需要手机号，PUSH需要IMEI、IDFA，活动需要用户ID；

C：短信文案编写，通过法务确认；

D：礼品的发放形式、时间等，比如礼品是在回流用户点击短信进入APP时发送，还是T+1的方式发放等等；

E：短信链接、PUSH点击后，所进入的落地页面。

万事俱备，JUST 搞 IT！

五、复盘分析

复盘是用户增长体系的最后一步，同时也是最关键的一步，决定着下一个增长周期的走向，所以要多维度立体式的分析数据，一套好的复盘体系必将事半功倍。

下面就来说一下复盘分析，复盘分析脑图如下所示：

接下来我们就按照脑图，一步步顺下去，利用复盘分析评价活动优劣、发现问题以及制定下一个增长周期的策略。

花了多少钱

第一个环节，即发现问题环节中，我们制定了召回费用，3元，这个价钱是按照经验来判断的。

至于是否真的合理，那就要在复盘分析这一步进行验证。

实际召回成本=触达工具（短信、PUSH）+奖励成本+后期运营成本，比如短信费0.3元，奖励积分花费3元，用户召回后又在平台参加返利活动，那么算下来召回成本=0.3元+3元+1.7元=5元。

至于这个价格是否合理，那么咱们来算笔账：如果单纯的考虑登录成本的话，1个新增用户进入平台需要15元，后期1年内会带来12次登录，也就是说平均登陆费用是1.25元。

召回用户，会在召回后登录3.7次，那么算下来也就是1.35元登录一次。

这么算来，召回老用户的登录成本也就大于新增成本，如此看来，召回成本就要适当的降低，把奖励成本降低到2.625元以下，即召回总成本4.625元以下为合理价格。

实验效果如何？

上甘特图列出了各个实验的召回率、回流质量、召回成本、策略和实施时间。下图气泡图可以更为直观的看出活动的好坏。

横坐标代表召回率，纵坐标代表召回后的质量，圆的直径代表召回成本。

可以看出D、E、F使用率较好，分析一下活动矩阵便知，影响召回率的主要因素是测试矩阵的A列，也就是用户分类，A1代表高质量用户，所以召回率会比较好。

这里也验证了我们的假设，流失前质量高的用户越容易召回，且召回后的质量不会太差，反之，观察到A、C、G属于A3类低质量用户，其召回率和召回后的质量也比较差。

当然假设与实际结果完全相反的情况时有发生，那么此时，我们就会调整策略，重新制定测试矩阵。

比如我们计算出来的高质量用户实际的召回率和召回后的质量都很差，反而中质量用户两项表现都很好，那么就要继续深挖，看什么变量与召回率和召回后的质量相关性较高，在下一个测试周期我们就会将用户按照新的模型方法重新进行分类。

后续产出情况（召回质量）

后续产出情况（召回质量）在气泡图中已经展示过，就是观测召回用户的后续表现，将有效行为、留存、核心行为等指标进行量化后的结果，在这里按照1-5分打分，分数越高代表后续表现越好。

RFM分析

正常情况下的用户分类都会用到RFM模型，通过流失前的流失时长（Recency）、登录频率（Frequency）、流失前的有效行为（Monetary），把用户分类高、中、低质量用户。

RFM中的M本来是金额，但是这里我换成了有效行为，因为资讯类产品的金融属性比较低。

通过上述的气泡图，召回质量分析也可以验证RFM模型分类的合理与否，不断地修正用户分类模型。

后期如何改进

从上述的甘特图，气泡图，召回质量和RFM等分析中，能挖掘出很多有价值的信息与问题，好的地方怎么更好，差得地方如何改进。

从运营角度分析，用户分类、召回成本、触达手段选择、文案的选择、礼物的选择等等是否合理。

从产品角度出发，召回用户首次打开APP的落地页面选择、点击短链到打开APP的等待时长等等是否有优化空间。从技术角度出发，用户增长体系能否自动化等。

到此为止，一个用户增长周期的所有步骤都已经完成了。我们就把今天整个用户增长体系的流程捋一捋：

（1） 发现问题

（2） 提出想法

（3） 预期效果

（4） 测试矩阵

（5） 复盘分析

（6） 1,2,3,4,5,1,2,3,4,5,1,2,3,4,5,1,2,3,4,5……

从0到1搭建用户增长体系就介绍完毕了，在这里想告诉大家，增长是一点一滴细小的成功堆积出来的，每一次测试都是一次学习进步的机会，不断地学习和改进，获得更多的成功，最终形成压倒性的优势。

写在后面：

希望这篇文章可以帮助广大的运营人士，也能够让用户了解平台运营方式，