投产比怎么算

回流用户策略复盘分析报告

回流顾名思义就是流失用户唤回。接下来通过回流策略复盘分析，分享一下这半

年来运营回流用户的心得，可以说是我在这半年不断摸索总结出来的经验。

具体分析如下图，四个环节来分析策略的迭代，分别是：

分析概览图

1.公司给多少预算去做用户回流

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)*MOB成本率

成本率：1年4%，2年2.5%，3年1.15%

逻辑说明：用户贡献值与MOB成本率（用户进入时间，MOB24相当于用户进

入平台2年）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，MOB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)*MOB成本率-市场成本-运营成本=150元

（PS：MOB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：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ABtest：通过触达短信ABtest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。