客户流失分析原因分析 - AWS

1.ka收入占整个原生收入的66%; · 2.客户数流失非常高,4月-5月在线共991客户,流失377个,日均流失6.2个客户; · 3.ka客单价高:账户日均消费6k,客户拥有2.5个账户,客户价值在1.5 ... 客户流失分析原因分析 第一部分:背景 1.ka收入占整个原生收入的66%; 2.客户数流失非常高,4月-5月在线共991客户,流失377个,日均流失6.2个客户; 3.ka客单价高:账户日均消费6k,客户拥有2.5个账户,客户价值在1.5万; 所以，日均增加近10万消费. 第二部分：数据获取 SELECT company, MIN(stdate)asMIN, MAX(stdate)asMAX, DATEDIFF(STR_TO_DATE(MAX(stdate),'%Y-%m-%d'),STR_TO_DATE(MIN(stdate),'%Y-%m-%d'))ASonlineday, count(distinctstdate)ascount, sum(shows)asShowed, sum(clicks)asclick, sum(charge)ascost, sum(clicks)/sum(shows)asctr, sum(charge)/sum(clicks)ascpc, sum(charge)/sum(shows)ascpm, count(distinctuser_name)asupc FROM native.native_report_fc_adver WHERE user_type='KA客户' GROUPBYcompany; 第三部分：数据处理 library(openxlsx) library(dplyr) library(ggplot2) library(plotly) dt_user% mutate(max=as.Date(max))%>% mutate(status=ifelse(max% ggplot(aes(x=count,fill=status))+geom_histogram(binwidth=1)+xlim(-1,50) (1)在线客户平均拥有账户较多 (2)停投客户平均拥有账户较少 3.2客户在线天数分析(行为分析) dt% mutate(cpc=as.numeric(cpc),MIN=as.Date(MIN))%>% mutate(status=ifelse(MAX="2017-06-01","oldonline","newclient")))%>% ggplot(aes(x=onlineday,colour=status))+geom_histogram(binwidth=1,position="identity") (1)忠实客户(oldonline)：持续每日在线 (2)停投客户(offline):投放持续天数20天以下 综上：原生投放客户忠实用户已经认可产品,并长期依赖产品,新客尝试投放20天以下,有放弃投放行为. 3.3客户投放次数分析(行为分析) dt%>% mutate(cpc=as.numeric(cpc),MIN=as.Date(MIN))%>% mutate(status=ifelse(MAX="2017-06-01"&MIN%ggplot(aes(x=count,colour=status))+geom_histogram(binwidth=1) （1）在线客户投放次数更为明显，停投客户对信息流产品尝试时间不超过20次 3.3客户投放填充率分析 填充率=投放次数/在线天数 dt%>% mutate(cpc=as.numeric(cpc),MIN=as.Date(MIN))%>% mutate(status=ifelse(MAX="2017-06-01"&MIN%ggplot(aes(x=count/onlineday,colour=status))+geom_histogram(binwidth=0.03) 对于3类客户的在线时间填充率分布几乎相同，新客的填充率非常高，几乎每日在线； 第四部分：客户指标 dt%>% mutate(cpc=as.numeric(cpc),MIN=as.Date(MIN))%>% mutate(status=ifelse(MAX="2017-06-01"&MIN%ggplot(aes(x=ctr,colour=status))+geom_line(stat="density") 4.1显而易见，流失客户的ctr0.4%比在线客户1.3%低将近1个百分点，新客的ctr1.0%介于流失客户与在线客户之间； dt%>% mutate(cpc=as.numeric(cpc),MIN=as.Date(MIN))%>% mutate(status=ifelse(MAX="2017-06-01"&MIN%ggplot(aes(x=cpc,colour=status))+geom_line(stat="density") 4.2.可见：对于cpc指标：流失客户的cpc低于在线客户的c 综上：KA的单个客户价值高，留存一个客户日均贡献1.2万元，目前每日流失6.2个客户，所以，有必要停止客户流失；由以上可知，在新客到来后20天或投放20次为客户的高流失时间，有必要在客户初期进行维护，由上可知，流失客户是因为ctr和cpc双指标都低于正常水平，在ctr和cpc都有潜力可挖。