付费用户是一般都是保持用户
发布网友
发布时间：2023-05-17 06:48
共1个回答
热心网友
时间：2023-09-13 02:27
有迫切需求。不管是充话费还是充值买礼物，都是有迫切要解决的问题。
对产品信任。不信任这款产品是不可能充值的，一切商业交易都建立在信任的基础上。买菜建立在对菜农的信任上，充值建立在对产品靠谱的信任上。
获取回报。人们付出什么必定是为了得到什么，所以你一定要让付费机制一定要让用户感觉物超所值！
如果不是有迫切需求，用户不会立马付费（试问谁能毫不犹豫地掏腰包？）。所以设计付费机制时，一定要设计在一个让用户感觉紧迫的点上（譬如过了今天就没有的活动，譬如一周就过期的优惠券）
如果不是对产品信任，用户的付费意愿是极微弱的。同时，你要知道天真烂漫的年轻人比心有城府的中年人更容易对产品和人建立信任。所以，这也是为什么新市场新产品通常都先要抓住年轻人的心的原因。
如果不是为了获取回报，谁愿意傻呵付费用户是指那些为你的产品花钱的人。我们必须了解他们的行为的所有细微差别：他们付钱的内容是什么，支付速度多快，以及付了多少钱。如此我们便能够更好地摸清楚他们的感受以及他们是否能够从对你的产品的投资中获得满足。实际上，甚至在免费在线游戏中，玩家所做出的每笔消费都是一种投资：一开始他们会先花钱，而最后他们会获得一些投资回报（ROI）—-通常是以现金或他们的体验情感呈现出来。因此你应该将这些用户当成投资者，即使他们只是中小投资者。
为了更好地理解这种行为，我们可以找到有关付费用户的分销与需求的特定分析方法与报告。但今天我们将把RFM分析作为了解你的付费用户结构的一种基本方法。
RFM表示：
R–时间，即多久前进行了最后一次的购买；
F–频率，即多长时间进行一次购买；
M–消费金额，即总的购买费用。
你需要提供三个与这些付费用户参数相关的标记。通常情况下，在理论材料中，用户评估是按照三点式进行（好，一般，差），但实际上在RFM分析中我们甚至会使用五点式或十点式规模进行用户评估。为了更简单地说明，让我们着眼于一个三点式系统例子：
R==1，自从用户上次花钱已经过去很长时间了；
R==2，上次消费距离不是很久；
R==3，用户最近刚刚消费；
F==1，用户很少消费；
F==2，用户会基于一定频率消费；
F==3，用户经常消费；
M==1，总的消费数额较小；
M==2，用户为项目支付了一定的数额；
M==3，用户支付了很多钱。
当然了，这时候问题便出现了：在这种情况下该如何理解很久以前/最近，经常/很少以及很多/较少。我们可能会基于两种方式去回答这一问题：
1.专家评估。没人知道你的项目比你优秀。因此，你可以自己定义很久以前和最近，以及很多和较少代表什么。让我们假设很久以前指的是一个多月以前，很少是指一个月一次或更少，较少是在整个消费期间投入的钱不到100卢布。
2.分位数和四分位数。让我们回想一下数理统计。根据其中的一个参数分配你的用户（例如在一段时期内的支付总数），选择所有用户中的前5%，并假设这些用户是花费较多的用户。恭喜你，你已经拥有5%的用户样本分位数。你还可以使用四分位数（注：四分位数==25%的分位数–级别），并将第一四分位数当成较多，最后四分位数当成较少，而它们之间的数值便是平均的付费金额。而即使如此，当你使用分位数和四分位数时，你也不能漏掉主观评估，因此你需要在这时候再次着眼于第1种方法。
不管怎样，你需要花些时间在Excel表格（或其它工具）上按照时间，频率和消费金额去标记每一个付费用户。
现在是最有趣的部分。
你可以观察这些标记在你的付费用户间的分布，并判断哪些用户的数量最多。这能够帮助你更好地划分付费用户并规划市场营销行动，以获取更高利益。
一个简单的例子：
最近刚购买，但是购买频率很低（或者只购买了一次）—-全新付费用户。你该如何面对他们？表达出你的感激之情！你的目标是激励他们不断进行购买。就像许多研究表明的那样，用户的不断购买以及购买频率和数额都能够提高一款应用赚取百万美元收益的几率。
最近刚购买，且购买频率很高—-忠实用户。他们不需要额外的激励，但是你也应该想办法表达对于他们的忠诚的感谢（注：如意外的奖励，惊喜等等）。
频繁购买，但上一次购买已经过去很久—-处于离开边缘的忠实用户。换句话说，这些用户的钱正逐渐从你的指缝间流走。所以你的目标便是提醒他们你的存在。也许一封简单的推送邮件便足以。或者你应该询问他们发生了什么改变以及为什么他们会离开。
很少购买，且上一次购买已经过去很久—-已经离开的用户。他们不可能成为你的忠实用户，这是在过去出现的某些内容所导致的。你可以提供给他们（不只是他们）一个行动建议（即使这对于你来说不一定是有益的），这可能会激励他们再次购买并回到产品中。即使不行的话你也能够明确他们不喜欢什么内容，并基于反馈去完善你的产品。
让我们想象以下情况：
1.项目X想要提高收益；
2.他们进行了RFM分析，结果如下：
1）忠实用户的流失率非常高；
2）许多用户只进行了一次购买。
3.他们使用了一些触发内容去判断用户何时处于“上一次购买已经过了很久”或者用户在停止花钱前属于忠实用户等状态。而他们也在这些时刻提供给用户“他们难以拒绝的内容”（注：如特殊行动，巨大的折扣，登录时来自推送通知或弹出窗口的信息）；
4.重复购买的比例上升了，更多忠实用户留在了产品中；
5.利润增加。
上述提到的例子都只使用两个参数：时间和频率。
而添加消费金额参数到报告中将让你能够使用每个用户的支付金额。
除此之外，这样的分析也可以是基于用户数量或你从他们那赚到的钱。
我们还能够将消费金额–时间（即用户花了多少钱以及他们上次花钱是在多久前）和消费金额–频率（用户花了多少钱以及他们花钱的频率）结合在一起。
而基于一个参数框架去分析付费用户的最简单的方法便是根据时间，频率和消费金额去决定用户和他们的消费的分布。
根据付费用户在免费游戏中的消费规模而对他们进行的分析经常使用一些海洋生物作比喻：
鲸鱼—-带来巨大收益的用户；
海豚—-带来平均收益的用户；
小鱼—-带来较少收益的用户。
在这里我们并不是在谈论一次付费的总数，而是用户在整个付费期间所支付的总体金额。再一次地，这里的巨大，平均和较少的总额也是基于专家的评估。
通过分析每个部分的用户数以及你从每个部分的用户中赚取的钱数，你便能够判断该采取怎样的行动去提高收益。降低价格？提高价格？专注于“鲸鱼用户”的留存率？呵地为不那么迫切的事儿充值？
