论并试图解决这个问题时

他们意识到他们对客户离开的确切原因知之甚少。他们决定系统地研究用户行为,以确定与教堂相关的内容。 这个调查 揭示了放弃的用户和留下来的用户之间的明显差异。他们将这些差异称为 红旗 指标(或 )。 允许 在流失实际发生之前识别哪些用户处于风险之中。 对于客户生命周期的前 天, 最重要的 包括首次会话的时长和登录频率。登录总数也被证明是一个重要指标,尽管不如前两者那么重要。 发现,在前 天后仍然停留的用户的初始会话平均持续分秒。

相比之下戒烟用户的第一次

会话平均只持续 秒保持客户身份的用户平均每天登录 次,而那些不再是客户的用户平均每天登录 次。这些指标如下表所示: 凹槽总部 图片来源 发现了另一个重要但不太明显的指标 花在某项任务上的时间。 例如,在 应用程序中创建规则往往需要 到 秒 挪威手机号码列表 而自定义支持小部件则需要 到 分钟。然而,许多流失的用户花费了更长的时间来完成诸如此类的任务。 最后, 想要识别和利用他们的 高级用户 ,因此他们创建了一个客户群,这些客户不仅在 天后没有退出。

电话号码列表

而且还经常登录并使用该服

务处决 提出了多项数据驱动的尝试来降低客户流失率。首先,他们使用电子邮件来定位首次会话时间少于 分钟的用户,如下所示: 最佳电子邮件 图片来源 在设置过程中帮助这些用户的提议获得了 的响应率。在继续完成该过程的用户中,超过 的用户在 天后停留在原地。 该公司还向前 天内登录次数少于 次的用户发送了以下电子邮件: 最佳电子邮件 图片来源 这封电子邮件的回复率约为 ,几乎一半的回复者在 天后仍在使用该服务。 对这些电子邮 DW 引线 件的有效性非常满意。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注