数据分析领域有好多：“只见猪跑，从没吃过猪肉”的理论，用户生命周期绝对算一个。几乎所有的文章、书都会讲到这个理论，但真到跑数的时候，就会发现完全不是那么回事。今天我们来系统讲下，用户生命周期的理论 VS 实际情况。

一、理论上的用户生命周期

几乎所有文章，都是这么呈现用户生命周期的：

看起来像是从生到死的生命演化，很和谐。

然而，按这套理论去数据库跑数，你会发现这套理论根！本！不！存！在！

二、实际跑数的问题

如果以用户消费次数、金额来统计生命周期，那么很有可能出现：

1、夭折型：根本不消费，或者消费1次就没了

2、随机型：你不知道丫啥时候冒出一笔，然后又没了

3、羊毛型：优惠力度大就来，没有优惠就走

4、强壮型：丫就一直买买买！看不到头

（如下图所示）

这根本跟生命周期曲线没啥关系嘛！

那这个理论又是怎么来的，又该怎么理解理论与实际的差异呢？

三、理论和实际差异点

第一个差异，来自并非所有业务都有生命周期：

最典型的就是大件耐用品，比如房子、车子，每人隔三差五去买一辆，可能很多家庭一辈子就一套房两量车。因此没有所谓曲线。

第二个差异，来自各个平台分享了用户生命周期：

最典型的就是母婴产品，从怀孕到小朋友3岁，奶粉、尿布、纸巾、衣服、辅食、玩具、书……用户需求是很刚性的，且有明显从起步到旺盛到衰退的过程。但是，很难有一个平台独霸用户需求，用户需求分散了，记录在每一家平台内的数据，就会显得残缺不全。

第三个差异，来自用户消费会被引导：

最典型的，比如啤酒瓜子矿泉水这种休闲零食，可能半夜搓抖音搓到一条视频，哇塞好香，随手就买了……导致用户成长根本就不是按生命周期曲线，消费节奏就是很随机的，啥时候被安利了啥时候买。大促销活动也有类似的效果，便宜不赚白不赚，为啥要等生命周期。

第四个差异，来自不同用户，需求刚性不同：

最典型的，比如出行类APP，普通人可能根本不打车，公司能报销路费的销售、领导可能天天打车。比如订票类APP，普通人根本就不出门，爱旅游的可能逢年过节出去玩玩，但是商务人士可能就天天订票。虽然是同一个业务，但是不同刚性，导致了表现完全不一致，不会按照生命周期曲线发展。

你说电商类也会有这种吗？当然有！有很多三四五线城市的职业淘客，会去电商平台薅羊毛，薅完了再低价线下甩货，这种事天天都在发生。而这种人消费品类、采购数量也和正常买衣服穿的会不同。

四、如何结合业务实际进行分析

理论之所以叫理论，就是因为理论是从实际抽象出概括情况。想用好理论，就得结合实际进行运用，而不是简单地“熟读背诵照抄”。想让用户生命周期理论发挥作用，需要结合业务实际情况来进行设计。

第一部分，耐用品抓三要素。

耐用品和快消品逻辑完全不同，耐用品的核心逻辑是：锁定真正有需求的人。

1、用户生活状态：大部分大宗消费，发生在婚丧嫁娶一类关键时期。

2、用户消费能力：同样一件商品，消费力高的就会买高档的，消费力低的就买平价的，

3、用户信息接触：因为平时不咋关注大件商品，当用户开始关注的时候，企业能在哪里，能在用户决策的哪个阶段接触到用户（如下图）。

因此，做耐用品，考虑的就不是生命周期曲线，而是：

1、能在何时、何地接触到有需求的用户。

2、用不同类视频，不同价位商品，初步区分用户关注点和消费力。

3、针对有意向的用户，用线上/线下导购、社群等方式进行引导，锁定用户。

4、先推主打产品，锁定需求，再推搭配产品，探索更多可能性。

第二部分，快消品分产品线。

快消品的核心逻辑是：争抢用户的兴趣。用户对一个快消品品类的需求始终在那里，唯一的问题是，哪个平台有本事抢过来。因此，不能孤零零地说用户生命周期，而是看：我们有哪些手段吸引用户。比如下图，是一个典型的用商品组合争夺用户兴趣的手段（如下图）。

如果对商品做了分类，打了商品标签，就能按图索骥地进行分析：

1、当用户在生命周期早期夭折，考虑更换流量型产品。

2、当用户卡在早期不深入，考虑加强主力产品或者一把促销送他上去。

3、成熟期用户少，或者成熟期太短，说明产品线太窄，没有丰富的搭配型产品。

4、用户衰退早，衰退厉害，说明新品没跟上。

这样不但能解答开头的各种乱七八糟的情况，更可以直接推导出解决方案。业务方可以聚焦打造优质产品或者组织活动，把用户兴趣争抢过来。

可以在用户生命周期中，主动设置引导节点，当用户在上一阶段完成到一定任务量以后，通过奖励/信息推送等方式，鼓励用户进入下一阶段，从而推动用户生命周期发展，增强用户粘性（如下图）。

第三部分，单独区分促销活动。

有一种情况要特别注意，就是因为开展太多促销活动，人为破坏了用户生命周期。这在互联网公司很常见，不但喜欢狂烧补贴，漫无目的地发券，而且尤其喜欢拿米面油蛋这种刚需硬通货发券，导致人为制造羊毛党……

如何科学给补贴是另一个问题，站在用户生命周期角度，应该首先对用户参与活动数量，享受优惠力度进行分群，挑出相对刚需的用户，挑出明显的羊毛党，这样能更好地把控用户运营的节奏，做好生命周期管理。

第四部分，区分刚需型大客户。

针对超出一定消费量的大客户，需要单独进行分析，区分其需求。比如打车类APP，针对频繁用车且开发票报销的商务人士，再给优惠券可能也没啥吸引力（反正都是报销），很有可能搞积分换礼，让用户去兑换购物卡、旅行箱，或者搞会员权益，让用户享受机场贵宾厅、合作酒店优惠来得更实际。

想做到这一点，一方面需要业务方多做工作，引入更多的权益内容。另一方面，也需要数据分析师把分析作细，不要用简单的RFM一锅炖了。而是具体看：用户除了消费，还有哪些行为（比如开发票，比如出差地点）能做区分。从而挖掘出真正的大客户需求。

五、小结

用户生命周期，听起来是“用户”分析的范畴，可实际上，一个企业的用户生命周期也是业务做出来的。所以要密切结合企业给了用户哪些产品，哪些服务，哪些内容，才能深刻理解为啥用户表现成这样。

这一点，对于非互联网大厂更重要。互联网大厂往往有丰富的生态圈，掌握了大量数据，且垄断了用户在社交、视频、消费上选择。但小厂及传统企业没有这个实力，在用户数据上天生是匮乏的，天生需要依靠自己的商品/内容/服务/活动去抢夺用户，因此对商品/内容/服务/活动打标签，建设完善的标签体系，才能更好地补充用户数据，从而做出更多分析。

这一点又恰恰是小厂与传统企业缺少的，大家习惯了看《XX大厂用户画像》还真以为靠自己那一点贫瘠的交易数据能分析出来啥东西……有兴趣的话，本篇集齐60个在看，下一篇来分享：如何建立完善好用的标签体系，敬请期待哦。

原创精选：

• 出彩！数据分析的年度工作计划，就这样定

• 一个案例，看懂用户画像如何做出效益

• 四个方法，拯救你平淡的数据分析报告

点击左下角“阅读原文”听陈老师讲课噢。