其实用户增长在我本人理解就是干这两件事，其一是用更少的钱达到同样的量，第二则是用同样的钱带来更多的量。

很多运营的同僚们最头疼的就是流失用户召回，市场的小伙伴呼呼的做渠道拉新，用高额的获客成本好不容易拉进来的用户，一旦稍有疏忽，比如用户体验、收益等出现问题，用户们就会不跟平台玩了。

而运营则要找到这类已经抛弃我们的流失用户，在成本可控的条件下，挽回流失用户。市场部就好比在那边喊着大爷来玩嘛，运营这边还要跟大爷说没事常来玩吧。

开源节流的道理大家都懂，可实际操作起来并不简单，上有用户要求高收益，下有领导、财务嚷嚷要降低预算，如何把钱花在刀刃上，这是门学问。

其实用户增长在我本人理解就是干这两件事，其一是用更少的钱达到同样的量，第二则是用同样的钱带来更多的量。

今天我们就从流失用户召回策略开始说起，流失用户召回有很多种叫法，比如 “复活”、“唤醒”、“回流”等等，下文我们将流失用户召回简称为回流。

本文通过回流策略复盘与未来展望分析，分享一下这8个月来运营回流用户的心得，可以说是我在这段时间不断摸索总结出来的用户增长经验吧。

首先采用我个人常用的反问分析法，通过四个环节来分析策略的迭代，具体的分析脑图如下，

分析概览图

1.    公司给多少预算去做回流

2.    利用这些钱我们做了哪些策略

3.    这些策略的效果如何

4.    后期如何对策略进行改进

一、给每个回流用户的预算

我们可以按照下面的公式计算出留给回流用户的预算：

1.回流成本=用户贡献成本-市场成本-运营成本

2.用户贡献成本=(投资额*周期/12)*生命周期成本率

3.生命周期成本率：1年4%，2年2.5%，3年1.15%

逻辑说明：用户贡献值与生命周期成本率来决定用户在其生命周期里可能付出的总成本，减去市场首投成本与运营成本等于回流成本。

我们将1、2、3公式合并，生命周期成本率取2年，所以有以下公式：

回流成本上限=(投资额*周期/12)*生命周期成本率-市场成本-运营成本=150元

（PS：生命周期成本率按照2年2.5%计算）

也就是说公司可以允许在每位流失用户身上花（CPA）150块钱，但由于我是个比较抠门的人，所以在我的控制下，人均CPA仅为85元，也就是说未来我可以在保证回流效果的情况下，不要太小家子气，可以适当放开手脚。

二、利用这些钱我们做了哪些策略

活动甘特图

上甘特图列出了各个活动的投产比、使用率、上限额度与用户平均投资（ARPU），不断摸索、尝试，最终使用C+D策略，为什么选择此策略呢，请看下图：

效果图

横坐标为使用率（量），纵坐标为ARPU值（质），圆的直径代表投产比

1.策略A的投产比低，而用户ARPU（平均购买值）达到15000元，不难看出A上限金额是满足不了用户需求，然而上限金额1万也会导致许多用户只投资1万元整（用满红包就走人），实际也正是如此，所以体现出A的不合理性，我们要做的是提高上限值，降低费比，增长用户的ARPU值。

2.B是目前使用率最高的策略，其在A的基础上提高上限额度，降低了成本，增加短期产品可使用的规则。随之而来的是长期产品占比低，也就是说用户回流后购买的短期产品增多，这是我们不想看到的，因为相关研究表明长期用户比短期用户质量高。

3.C在B的基础上对短期产品进行限制，只能购买长期产品，虽然使用率没有B高，但是保证了ARPU值，核心产品占比（长期产品购买率），降低了费比，是比较平衡的一种策略。

4.D是针对高质量用户设置的红包，使用率最低，但是使用的用户质量很高。

5.C+D是我们目前选择的策略，金额上限、核心率以及成本方方面表现的很平衡，既考虑到低质量用户也照顾到高质量用户。

以上是我们实行过的策略，以及策略的演变历史，在上面我们对整体的活动进行分析，接下来要具体到用户层面，由宏观到微观，深层次分析活动策略的效果。

三、活动的效果如何

利用RFM模型和用户是否核心（回流前是否购买过超过12月份产品）来分析，我将这个模型命名为C-RFM模型。

C-RFM模型分析法

1.    核心用户（core）

我们先来看一下核心与非核心用户对比：

核心与非核心用户对比图

（1）回流核心用户的ARPU值是非核心用户的1倍，复投金额率方面略高于非核心用户；

（2）但核心用户的CPA与非核心相比高出30%。

总结：购买前是否核心是判断回流后用户质量的主要标准。

2.    流失时长分布（Recency）

流失时长分布图

（1）回流时间越短越容易唤回（取自内部回流分析）；

（2）CPA会在流失时常区间4月-11月内出现较高值，1-3月和12月及以上呈现出较低的CPA；

（3）费比随着流失时间增长呈现降低趋势；

（4）资金复投率（后续投资/回流金额）会在流失超过7月以后出现增长趋势。

总结：6月和12月是回流周期，流失用户的钱无非是资金紧缺或者资金流入其他平台，当用户的资金不再紧缺或产品资金赎回之后，实际上他就处在下一款产品购买的决策期，所以6月+和12月+就是回流周期，可在这类用户身上加大成本或者成本倾斜，防止资金再次流入其他平台；与此同时这类用户回流后的质量偏高，能为平台带来更高的收益。

3.    回流前的投资频率（Frequency）

频率分布图

（1）回流前的投资频率与回流后的质量的相关性很低；

（2）回流前频率与回流时的CPA成正比，回流前购买次数越多的用户其回流CPA越高；

总结：流失前的投资频率作为用户回流质量的变量，其重要性很低，无明显规律性。

4.    回流前峰值（Monetary）

（1）回流前峰值与红包ARPU值正相关，峰值越高的用户其回流投资也越多；

（2）资金复投率方面4万-10万峰值区间的用户比较高，证明此区间段的用户有可挖掘空间。

总结：历史峰值与用户质量强相关，可以用来判断其回流后的质量

分析的真正价值是为了解过往和展望未来，在上面对C-RFM维度进行分析，通过这些维度我们可以找到用户的规律，更加深入了解用户，对之后的策略迭代有很大的推动意义。

四、未来如何改进

（1）短信触达文案AB test：

通过触达短信AB test及时调整最优短信，通知用户，提升回流率，有的时候不是用户不想回来，而是用户没有察觉到或者忽视了发给他的红包，等到发现为时已晚，红包已过期，错过了黄金回流时间，所以如何提升触达短信的存在感，是我们今后的课题。

（2）更改现有红包策略：

策略一是表面增加面值，实际降低费比，比如说满2万减100的红包和满5万减200的红包，看似200元更加诱人，其实在费比方面后者费比较前者降低0.1%，也就是下图策略一的橘黄色虚线所示的缩小部分，在保证使用率和ARPU值的情况下降低费比（其实现在已经够抠门的了，没想到我还能更吝啬哈哈）；策略二则是真材实料的提升费比，多花钱，让质和量都有所提升，只要在预算范围内，未来都可以尝试。

（3）精准化运营模型 C-RFM

刚才从C-RFM模型角度分析完用户画像，那么接下来可以建立回流价值模型，对不同用户进行精准化营销。可根据实际情况调整得分权重，如目前来看，变量重要性为：

核心与否>历史峰值>流失时长>回流前投资频率

根据得分来给流失用户添加价值标签，如下图所示，最终将用户分等级进行精确性营销。

精准化C-RFM模型

（4）精准化运营模型 Logistic

利用现有数据进行建模，可使用的模型有很多种，如决策树等，在这里推荐使用Logistic模型来预测用户的回流概率，根据不同概率进行精准化营销。

我们就把今天整个回流的分析过程来捋一捋：

（1）   首先公司给多少预算去做用户回流

（2）   然后利用这些钱我们做了哪些策略

（3）   这些策略的效果如何

（4）   后期如何对策略进行改进

整个的分析流程就整理完了，这就是我的8个月回流策略总结，在这8个月里不断得进行策略迭代，不断地试错并寻求最理想的策略，但是不管多忙碌，也要停下来分析过去并展望未来，我们要清楚的知道策略好与差的缘由，好如何能更好的，差要如何才能避免，积极得拥抱变化，不被时代所淘汰。