如何分析直播电商平台用户数据，从而降低用户流失率？

立足现在，直播电商供需两侧伴随行业演变已产生些许变化。从供给侧看，品牌商开始多平台布局直播电商业务且店播趋势凸显，2023年店播市场规模占比超五成。从需求侧看，消费者在形成购买决策时会考虑多重因素，可选择的空间也越来越高，品牌商精准捕捉消费者需求的难度急剧增大。

为了降低用户流失率，直播电商的平台都需要深入分析用户的流失行为和背后的原因，分析流失用户和未流失用户之间的差异点。通过对用户的人群特征、行为模式、购买习惯以及与平台的互动方式进行细致的分析，直播电商平台可以更有效地洞悉用户留存的规律，进而为自己的商家提供策略优化建议，提高用户的忠诚度和满意度，从而实现业务的持续增长和发展。

在本文中，我们将深入探讨直播电商平台用户流失行为需要分析哪些关键指标，以及如何利用BI数据分析工具进行高效的分析与决策，以降低流失率，提升用户留存。

一、直播电商用户流失行为分析需要关注哪些指标？

在直播电商用户流失行为分析中，需要关注的指标包括但不限于以下几个方面：

1. 用户侧

• 用户特征与行为分析：结合用户的基本信息（如性别、年龄、地域等）和行为数据，进行细分分析，找出不同用户群体的流失模式和原因。
• 用户活跃度：通过用户的登录频率、观看直播的时长、互动次数等来评估用户的活跃程度。活跃用户通常更不容易流失。
• 购买行为：分析用户的购买频率、购买金额、购买种类等，以了解其消费习惯和偏好。购买行为的变化可能是用户流失的前兆。
• 互动行为：关注用户在直播中的评论、点赞、分享等互动行为，这可以反映用户对内容的喜好和参与度。
• 用户反馈与投诉：定期收集和分析用户的反馈和投诉，以识别潜在的问题和改进空间，减少因此导致的流失。

2. 商家侧

• 商品销售数据：包括商品的浏览量、加购量、成交量等，了解哪些商品更受用户欢迎。
• 优惠和促销效果：分析不同促销活动的参与度和转化率，了解哪种促销策略更具吸引力。
• 直播内容质量：评估直播的内容质量、主播的表现和互动效果，这是影响用户留存和流失的关键因素之一。
• 推广渠道效果：分析不同推广渠道带来的用户流失率，以优化推广策略和资源分配。
• 客户服务质量：通过用户评价和反馈，评估客户服务的响应速度、解决问题的能力等，以提高用户满意度和留存率。

二、如何分析直播电商用户数据？

本文中，我们将用一个具体的操作案例来向大家展示如何进行直播电商用户流失分析。

案例所用数据集来源为阿里云天池，DataID：124814，大家可以自行取用。该数据集共有19个字段，相关字段如下（是否使用主要根据相关性分析与随机森林建模后得出的结论）：

观察当前数据集的所有字段，我们首先进行指标梳理，将指标分成三类：一是订单相关指标，二是用户的基础属性指标，三是用户的行为指标。具体指标体系如下：

搭建分析指标体系后，我们的分析思路为：首先通过相关性分析和随机森林模型进行分析检验，筛选出与用户流失高度挂钩的重点特征字段，再利用BI数据分析工具FineBI进行数据分析，分析留存用户与流失用户的差异，最后进行可视化展示。

1. 相关性分析

除主键CustomerID外，首先将Churn（是否流失）字段与其它17个字段进行相关性分析（类别变量使用Spearman’s rho，连续变量使用Pearson’s r），发现用户流失与否与Tenure、WarehouseToHome、DaySinceLastOrder、NumberOfStreamerFollowed、SatisfactionScore、DiscountAmount、PreferredLoginDevice、MaritalStatus、AgeGroup、PreferedOrderCat、Complain、CityTier(p<0.001)、OrderCount、Gender(p<0.05)存在显著相关。

这意味着用户在直播间的累计观看时长、最近一次消费距今天数、商品配送距离、直播优惠力度、用户满意程度、用户所用设备等指标，与该用户是否流失高度相关。因此，重点需要从这些字段进行讨论，分析流失用户属性。

2. 随机森林模型

我们期望使用随机森林模型来对用户流失做预测，由于决策树模型有着良好的可解释性，故我们可以对影响用户流失的各重要特征字段进行量化分析，以此来决定下面可视化呈现的内容。根据实验结果得知，各特征字段对用户流失的重要性占比如下图：

综上所述，根据相关性分析和随机森林模型，可得两者特征字段吻合性较好。我们挑选重要性排名较高的字段：Tenure、WarehouseToHome、DaySinceLastOrder、NumberOfStreamerFollowed、SatisfactionScore、DiscountAmount、PreferredLoginDevice、MaritalStatus、AgeGroup、PreferedOrderCat、CityTier、OrderCount、Gender进行下面的可视化看板的搭建，其中RFM模型需要DaySinceLastOrder字段，也被采纳在内。

3. BI工具建模与可视化分析

1）数值及维度可视化

我们将流失、留存的用户数以及流失率以数据集的形式展现，并在右侧增加了筛选器（性别和城市等级），能够更直观地下钻至这两个维度，研究用户流失情况和产品需求。

其次，我们分别研究了留存用户与流失用户的年龄分布、婚姻情况、在该平台的累计观看时长、关注主播数、订单类型、物流距离等维度，将对比情况进行可视化呈现。

由这些分析可视化组件，我们可以得知：

• 该APP的用户群体主要是70后和80后，且流失率随着用户群体年龄区间增大而增大。
• 随着用户使用时间的增长，留存率在不断提高。当用户使用时长大于30小时后，留存率为100%。
• 订单数目主要分布为手机和电脑这类高客单、低复购的产品，占所有商品的50%以上。
• 一、三线城市物流距离与流失率没有显著相关，但二线城市流失用户的物流距离明显高于留存用户，说明发货地与收货地之间的距离会影响二线城市的用户流失。
• 流失用户中单身人士最多，留存用户中已婚人士最多，相较而言单身用户更易流失。
• 随着主播关注数的增加，用户流失率反而提高。
• 从抱怨情况这个维度来看，对平台有抱怨的用户普遍流失率高于未抱怨的用户。但从满意度这个维度来看，不同满意度对应的流失率并没有像常识上的流失率随着满意度的上升而下降。

针对这些用户画像特征，平台可以采取一些优化措施，如：

• 针对不同年龄段的用户制定个性化策略：针对70后和80后用户的特点，可以设计更符合他们口味和需求的直播内容，并通过相应的营销和推广手段吸引更多同龄用户加入平台。
• 加强对高客单产品的推广和销售：针对手机、电脑等高客单产品，可以通过更有针对性的推广和促销活动，提升其销售量，并同时考虑提升复购率，以进一步增加用户粘性和平台收益。
• 优化物流服务，降低二线城市用户流失率：针对二线城市用户的物流距离较远的问题，可以考虑优化物流配送网络，缩短物流配送时间，提升用户的购物体验，从而减少二线城市用户的流失率。
• 针对单身用户设计更精准的推广策略：针对单身用户更容易流失的特点，可以设计更加个性化和吸引力的推广策略，满足他们的购物需求和生活方式，提升其在平台上的活跃度和留存率。
• 精细化管理主播关注数：尽管增加主播关注数可能带来更广泛的曝光和用户，但也需要注意主播质量和内容的管理，避免低质量的直播内容导致用户流失。

另外，现金奖励最少的区间段内流失率最高；随着现金奖励的增加，流失率逐步下降。有意思的是，其中有两个拐点值得注意，分别是150-200和250-300区间段内。由此可见，在保证客单利润率的前提下，直播间现金奖励优惠尽量控制在250-300，更低或更高都意义不大。

2）RFM模型

RFM模型常用来进行用户分析，三个字母代表不同指标：R表示间隔（Recency）：即客户最近一次交易距今的间隔，R越大，表示客户越久未发生交易，反之R越小，表示客户越近有交易发生；F表示频次（Frequency）：即客户在最近一段时间内交易的次数，一般来说在特定时间段，F越大，表示客户交易越频繁，反之F越小，表示客户不够活跃；M表示额度（Monetary）：即同样的时间段内的交易金额，客户交易的金额，M越大，表示客户价值越高，M越小，表示客户价值越低。但是本数据集中没有消费金额，只有返现金额的字段，我们认为消费金额越高返现才会越多，所以将返现金额作为M对用户进行划分。

根据现有数据集数据，我们对每个用户进行RFM计算赋值。以平均值作为基点，R小于平均值记为2，反正记为1；F和M小于平均值记为1，反之记为2。因此用户可以分为8类：

根据现有用户的行为特征进行RFM分类，比较留存用户与流失用户的构成比例。通常研究中会根据RFM模型对用户价值进行合理预估，基于“理想客户”特征去定位最有价值的用户，制定维护策略。但另一个角度来说，可以对更易流失的用户类型进行拆解分析预防流失，从而进一步转化为“理想客户”。

通过FineBI，我们将所有流失与留存用户都进行了RFM分类分析，并且通过FineBI的组件联动功能，可以对每个用户群体可以定性分析，来进一步精细化运营。

例如，对于48位流失的高价值客户，该群体购买订单以时尚品为主，并且主要居住在三线城市，可以针对性投放关于时尚前沿的直播、采取VIP专享快递等服务增强其体验感，进行流失用户的召回与精细运营。

三、结语

在直播电商平台的运营中，数据分析是降低流失率并提升用户体验的重要工具。通过深入挖掘用户数据，我们可以更好地理解用户行为模式、偏好和需求，从而有针对性地制定策略和改进措施。

FineBI作为一款强大的BI数据分析工具，为直播电商平台提供了便捷而有效的数据分析解决方案。它能够快速整合和分析海量数据，提供直观清晰的报表和可视化图表，帮助平台管理者深入了解用户群体特征，发现潜在的问题和机会，并及时做出相应的调整和优化。通过充分利用FineBI的功能，直播电商平台可以更加精准地满足用户需求，提升用户满意度，从而有效降低流失率，实现持续健康的发展。

若想了解更多关于BI数据分析工具的解决方案，您可以点击下方按钮，快速获得帆软为您提供的免费的数据产品试用和同行业标杆案例学习参考。