实战方法论 | 用户生命周期分析指南

什么是用户生命周期

在正式讲定义之前，可以先看一个很小的例子。

假设你在小镇上开了一家手工香皂店。刚开业的时候，店里只有一款产品：香皂 A。你做了一场半价开业活动，吸引了一批人第一次来买东西。对这家店来说，他们就是第一批新客。

这批新客买回去之后，会发生几种情况。

有些人觉得一般，用完之后就没再来了；有些人觉得还不错，又回来买了第二次。复购的人开始对这家店形成一点认知，慢慢进入成长期；没有复购的人，还没有彻底流失，但已经处在一个比较危险的休眠状态。

再往后，那些持续复购的人里，也会有人开始觉得产品太单一了。不是他们不喜欢香皂 A，而是他们想试试别的味道、别的功效、别的包装。可你的店里暂时没有别的选择，于是他们又把目光投向了小镇上的其他香皂店。

这时候你发现，只靠一款香皂很难一直留住用户。于是你做了调研，推出了第二款产品：香皂 B。它和香皂 A 在成分、功效、外观上都不一样。新产品上线后，一部分原本快要离开的消费者又回来了，也有一部分用户因为持续的好体验，慢慢变成了店里的忠实顾客。

到这里，这家店其实一直在经历几件事：从市场上获得新客，让新客复购，让复购用户变得更稳定，同时也不断面对用户休眠和流失。

这就是用户生命周期要解决的问题。

所谓用户生命周期，就是用户从第一次接触、购买你的产品或服务，到最后不再购买、最终流失的整个时间窗口。

在这个时间窗口里，我们通常会根据用户对品牌、店铺、产品的关系深浅，把他们拆成几个阶段，比如新客期、成长期、成熟期、休眠期和流失期。拆分的目的不是为了给用户起名字，而是为了制定不同的运营策略：新客要促成复购，成长期用户要提高价值，成熟期用户要维护心智，衰退用户要尽量挽回，已经流失的用户则要判断是否值得召回。

所以，真正麻烦的地方不在于理解“生命周期”这个概念，而在于落地。

用户忠诚度是一个很抽象的东西。理论上，我们可以访谈每一个用户，问他为什么买、为什么不买、对品牌是什么感受。但在真实业务里，这件事几乎不可能。时间成本、金钱成本都太高。

因此，实际工作中我们通常会用数据来近似判断用户所处的生命周期阶段。

如何界定用户生命周期

在实际使用时，我更习惯把用户生命周期拆成这几类：

低潜期、高潜期、新客期、成长期、成熟期、衰退期，以及流失期。

其中，低潜期和高潜期属于潜客阶段。有些业务拿不到潜客阶段的数据，那就可以先不加，不必为了模型完整硬凑。

下面以电商品牌为例，一个比较常见的划分方式是这样的：

• 潜客阶段
  • 低潜期：品牌潜在用户。从未在本品牌内发生购买，但近 90 天内与行业内其他品牌发生过多次交互行为，包括浏览、收藏、加购、购买等。这里的 90 天可以根据实际业务调整。
  • 高潜期：品牌潜在用户。从未在本品牌内发生购买，但近 90 天内与本品牌发生过多次交互行为，不包括购买行为。比如浏览、收藏、加购、领券等。
• 价值提升阶段
  • 新客期：品牌新客。已经在本品牌完成首次购买。这里要注意是否需要剔除一些特殊购买方式，比如派样、0 元购、测试订单等。
  • 成长期：品牌老客。已经发生过多次购买，但还没有形成稳定的复购心智，仍然处在价值贡献上升阶段。
  • 成熟期：品牌老客。已经发生过多次购买，并且表现出比较稳定的复购习惯，是品牌价值贡献的核心用户。
• 流失阶段
  • 衰退期：品牌老客。已经出现流失迹象，比如长时间未复购、购买频次下降、购买金额明显降低等。
  • 流失期：曾经在品牌内发生过购买，但近 1 年没有再次购买。这里的 1 年也可以根据业务场景重新定义。

用户生命周期大致可以分成三个核心阶段：潜客获取、价值提升和用户流失。

从上面的划分可以看到，低潜期、高潜期、新客期和流失期的定义相对明确，因为它们通常都有比较清楚的行为边界：有没有购买、有没有交互、多久没买。

真正模糊的是成长期、成熟期和衰退期。

我自己的理解是，这几个阶段并不是天然存在于用户行为里的。用户不会在某一天突然“进入成熟期”，也不会在某个瞬间明确地“进入衰退期”。这些阶段更多是我们基于商业运作和消费者行为，归纳出来的一组分析口径。

所以，不同业务、不同品类、不同数据条件下，划分方式不一定相同。很难说哪一种绝对正确，关键是这套规则能不能稳定解释业务现象，并且能不能指导后续动作。

下面是几种我觉得比较可用的界定方法。

成长期的界定方法

成长期位于新客期和成熟期之间，是用户对品牌认知和购买心智逐渐成长的阶段。

通常来说，能被认定为成长期的用户，至少要满足一个条件：已经发生过复购。

这里我更推荐使用 购买天数 ≥ 2 天，而不是简单使用 购买次数 ≥ 2 次。

原因是，有些用户可能在同一天连续下了几笔订单。后面几笔订单不一定代表复购心智，可能只是漏买、补买，或者拆单造成的。如果直接用购买次数，很容易把这类 bad case 算进去。

所以，一个比较稳妥的定义是：

用户购买天数 ≥ 2 天，并且没有进入成熟期、衰退期和流失期，就可以被归为成长期。

成熟期的界定方法

成熟期用户通常已经对品牌有了一定认知，也形成了一些复购习惯。他们往往是品牌收入的主要来源。

成熟期的判断方式，最好结合业务本身的运营抓手和运营目标来看。比如品牌更关注购买频次、购买金额、跨品类购买，还是高客单产品渗透。

我比较常用的方式有两种。

1. 流失率分布划分法

这个方法的核心思路是：看用户在某个行为指标上达到什么水平后，未来流失率会明显下降。

可以从这些维度入手：

• 客单价分层，比如每 100 元一档
• GMV 分层，比如每 200 元一档
• 购买件数
• 购买天数
• 购买产品数
• 购买品类数

举个例子。

假设用户一年内的总购买天数分别为 1 天、2 天、3 天、4 天，对应的次年流失率分别是 60%、40%、25%、20%。如果整体次年流失率是 45%，那么我们会发现，当用户购买天数达到 3 天时，流失率已经明显低于整体水平。

同时，从 3 天到 4 天，流失率只从 25% 降到 20%，下降幅度开始变小。这说明继续提高购买天数带来的边际收益变弱。

这时，就可以考虑把 购买天数 ≥ 3 天 作为成熟期的一个阈值。

其他维度也可以用类似方式判断。

2. 累计占比划分法

这个方法的核心思路是：看哪些用户贡献了主要的 GMV。

同样可以从订单间隔天数、客单价、购买件数、购买天数、购买产品数、购买品类数等维度入手，统计不同区间下的 GMV 累计占比。

比如，按照一年总购买天数从高到低排序后，我们发现：

购买天数 ≥ 3 天的用户，贡献了 70% 的 GMV；购买天数 ≥ 2 天的用户，贡献了 90% 的 GMV；购买天数 ≥ 1 天的用户，贡献了全部 GMV。

如果品牌希望抓住核心价值用户，那么就可以考虑把 购买天数 ≥ 3 天 作为成熟期的阈值。

当然，这个阈值不是固定答案。它更像是一个业务判断：我们到底想把多核心的人群定义为成熟用户。

衰退期的界定方法

衰退期用户处在即将流失的阶段，常见表现是购买频次下降，或者长时间没有复购。

这里也有两种比较常用的方法。

1. 购买间隔天数法

这个方法是统计用户历史上的购买间隔。

比如，用户购买间隔为 1 天、2 天、3 天、4 天及以上的次数占比分别是 10%、20%、40%、30%。

如果我们发现，大部分用户会在 3 天内完成下一次购买，而购买间隔超过 3 天之后，复购概率明显下降，那么就可以把 大于等于 4 天未复购 的用户判定为进入衰退期。

这里的关键不是“3 天”这个数字，而是找到用户复购概率明显变化的位置。

2. 沉睡天数法

这个方法会更接近流失判断。

我们可以选取两个连续时间段，比如：

• 时间段 1：2021 年
• 时间段 2：2022 年

然后统计每个用户在时间段 1 的最后一次购买日期，距离时间段 1 最后一天有多少天。

比如，某个用户最后一次购买是在 2021 年 12 月 30 日，那么他距离 2021 年最后一天的间隔就是 1 天。

接着再看不同间隔天数用户在时间段 2 的流失率。

假设间隔 1 天、2 天、3 天、4 天的用户，次年流失率分别是 10%、30%、50%、60%。如果整体次年流失率是 45%，那么当间隔天数达到 3 天时，用户流失率已经高于整体水平。

这时，可以考虑把 大于等于 3 天未复购 作为进入衰退期的阈值。

不过，沉睡天数法有一个需要注意的地方：不要只用一个时间周期来判断。

如果只选一个周期，每个间隔天数其实都只有一个样本，很容易被异常值带偏。

比如在电商场景里，6.1 大促可能带来大量羊毛党。如果这个大促日刚好距离我们选取时间段的最后一天是 30 天，那么 30 天这个间隔的流失率可能会异常高，最后把衰退期阈值误判成 30 天。

更稳一点的做法是使用多个滚动时间周期。

例如用 6 月 1 日到 7 月 31 日的滚动周期，可以得到 61 个时间周期组。这样大促日和平销日都有机会成为周期的起始日和截止日。我们再对这些周期组里的流失率做人数加权均值，得到一个更稳定的综合流失率，最后再基于综合流失率判断衰退期阈值。

如何利用用户生命周期产生价值

用户生命周期本身不是目的，它更像是一个观察业务的框架。

它能帮我们看清几个问题：

• 当前用户结构健康不健康
• 业务主要卡在哪个阶段
• 下一步应该重点拉新、促复购，还是做流失挽回
• 哪些人群值得投入更多运营资源

实际使用时，可以围绕生命周期搭三个看板：用户结构分布看板、生命周期流转看板、标签交叉分析看板。

用户结构分布看板 & 生命周期流转看板

用户结构分布和生命周期流转，本质上都是为了让业务看清现状，然后决定下一步怎么做。

通过实际值和基准值的对比，可以诊断几种比较典型的用户结构问题。

结构特点	运营策略
潜客多，其他阶段用户少	说明市场里还有大量未消化的潜客。此时重点应该放在主要流量渠道的品牌传播上，再配合派样、新客优惠等方式完成拉新。
潜客多、流失多，但价值提升用户少	说明品牌能吸引人进来，但留不住人。此时要重点挖掘流失原因，及时迭代产品、优化服务，并做好流失用户挽回，避免持续失血。
潜客、价值提升、流失用户占比相对平均	在继续做好拉新和流失挽回的同时，要重点挖掘价值提升用户的需求，提高他们的客单价和复购频次。同时也要分析潜客占比较低的原因：是行业下行、用户减少，还是品牌本身市场占有率已经较高。

这里有一个很容易被忽略的点：基准值会直接影响我们对用户结构的判断。

同样一组数据，如果基准值不一样，最后得出的结论可能完全不同。所以，选基准值这件事不能太随意。

常见的基准值有两种。

1. 父类目基准

也就是用父级类目的用户结构占比作为锚点。

这里的父级类目不一定非要是外部市场，也可以是品牌内部的上一级类目。具体怎么选，要看数据能不能拿到，以及业务到底想对比什么。

选好基准维度之后，最好尽量让基准值保持稳定。如果基准每天都在变，就可以取一段时间的加权均值作为标的。否则很容易出现一个问题：今天看结论是 A，明天因为基准变了，又变成结论 B。

这会让看板失去持续追踪的意义。

2. 同类目行业基准

也就是用同类目行业数据作为基准。

这种方式通常会更稳定，也更接近外部真实竞争环境。但它的问题是数据不一定好拿。除了电商行业，很多业务场景很难直接拿到足够准确的行业生命周期分布数据。

所以它更适合在数据条件比较好的情况下使用。

标签交叉分析看板

标签交叉分析，是在生命周期分层的基础上，再叠加其他标签一起看。

比如我们可以分析：

• 成熟期用户 & 整体渠道的 ROI
• 成熟期用户 & 淘宝直播渠道的 ROI
• 成熟期用户 & 淘客渠道的 ROI

通过对比成熟期用户在不同渠道下的 ROI，就可以判断哪些渠道更适合投放，哪些渠道更适合收缩预算。

同样的方式也可以用在品类、价格带、城市等级、会员等级、人群包等标签上。

生命周期分层解决的是“用户现在处在哪个阶段”的问题；标签交叉分析解决的是“这些用户在不同维度下有什么差异”的问题。

两者结合起来，才更容易从一个泛泛的用户分析，走到具体的运营动作上。