此文寫在去年了，當時是給老闆的一個匯報，針對用戶的生命周期長度一直有爭議，查閱了網站上一些達人的分享和自己的一些經驗理解後，有以下內容，歡迎各位探討。原創，第一次發文。
背景：化妝品零售企業，渠道有電商平臺及線下專櫃，此次取值電商平臺為淘寶旗艦店的數據；品牌隱去。
會員數：190W
用戶生命周期（Life Time），也稱作留存天數，從字面意思就可以知道，從用戶第一次購買，到最後一次購買的天數。與之相關的是留存率，留存率和生命周期不一樣，單獨談論留存率沒有意義，前面要加上一個時間定義，才能確認數值，如次日留存率，7日留存率，月度留存率，季度留存率，年度留存率等。
最近也查閱了一些資料，也向一些行內人士進行了請教，目前用戶生命周期天數被用到最多的通常為網際網路行業，會對用戶對網站/遊戲/app/論壇的留存進行天數計算。一般會有以下三種方法：
在這裡有個前提，所有消費次數=1的用戶，不計算在生命周期的取值內，也就是生命周期所計算的是用戶>=2的用戶的生命周期天數。次數=1，說明買了一次就流失了，和品牌僅有一次接觸點，生命周期=0，不做計算。這部分用戶，線上線下僅一次消費會員佔比70%。
1、 完整生命周期法
取值的用戶對象必須在一個完整生命周期內，計算它們第一天到最後一天的消費天數，取平均值。
在這裡我們將用戶的流失天數定位365天，也就是一個用戶>=365天未產生回購，我們默認她成為流失客戶，這時她度過了一個完整的生命周期，那麼她第一次與最後一次的消費時間差則為她的生命周期天數。
我們在取值的時候用的就是這種方法，此方法的優勢在於計算周期天數準確，劣勢在於及時性不高，因為確保用戶在完整生命周期內。以為數據樣本是1年之前的數據樣本，反映的結果是一年之前的用戶生命周期結果。以下是計算的2個數據：
在今年4月的時候我們分別對於線下專櫃，以及天貓渠道進行了會員生命周期天數的計算，結果分別如下：
專櫃會員生命周期天數：75電商會員生命周期天數：212
對比去年10月左右的數據：
專櫃會員生命周期天數：92電商會員生命周期天數：165 （注意按照這個時候的計算雙11大促未包含進去）
這個數據當時造成了2個疑問：1，專櫃為什麼如此低？電商為什麼如此高？2、電商為何提升如此大？
首先至於數值的高低，需要通過對比，才能得出結論，目前行業內關於用戶生命周期天數這一公開數據較少，從我原來的工作經驗，以及行業人士分享得到的一般日化的會員生命周期天數大概在6個月左右，180天左右屬於較常見天數。
其中美容院等專業線的產品，生命周期要更長一些，本品牌定義為敏感肌膚產品，理論上用戶生命周期長度應當在普通日化之上，所以212天這個數字，整體上來看是正常的。
但專櫃的確是偏低的，主要原因是根據這一方法的取數邏輯，專櫃的會員樣本為2016年4月之前消費的顧客，而專櫃整體也只是從2016年初進行擴張發展，導致樣本量少，本身樣本的存在周期就短。數據誤差較大。
那麼電商為何從165提升到了212天，主要原因是9月取值時，未包含15年的雙11大促，而15年雙11大促之後，對用戶有個比較大的喚回（其中超過180天的佔57%），這部分人大大的拉長了生命周期的平均值，如下圖是完整生命周期內的用戶生命周期天數分布表，雖然0-90佔比最大，但是拉動弱，最頂部的長周期的拉動平均值的力度大，再說>=270天的佔比能達到29%也是一個較高的值，主要在促銷活動期間被拉動。
當然說到這裡問題暴露的也很明顯，根據這種邏輯，雖然得出數值準確，但實際上只是1年前的會員生命周期長度，反映不了目前的會員留存。
那就來看下生命周期計算的第二種方法：
二、全樣本統計
指的是把全部用戶最後一次購買的日期，減去他第一次購買的日期，就是單個用戶的留存天數。把所有用戶的單用戶留存天數平均一下，就是生命周期天數了。
這個統計方法的優勢在於能反映當前數值；問題在於非常不靈敏，基本上最近幾個月除非大促活動產生，統計出的結果基本都一致，另外就是時間跨度要足夠長，得出來的數據才會相對準確一些。另外整個計算是包含了未進行完整生命周期的用戶的，不夠精確。
按照上面的邏輯得出的線上線下會員的生命周期天數為
線下專櫃：163天貓商城：263
其中可以看到線下專櫃的生命周期數據上升幅度達，趨於正常，整體上來看線下隨著數據樣本量的增大，時間的拉長，實際的生命周期天數應該還是高於這個值將趨於準確；
對於天貓上升到了263天這個數值的增長，未考慮超過365天的會員回購的可能性，默認為已經流失，但實際上有將近3%的流失會員在雙11大促被重新喚醒，且其中僅在促銷期間消費（也就是中間未產生任何消費）的人群，佔了16%，且這個趨勢在逐年增長，14年為10%，15年為12%，16年為20%。
對於天貓這個值，是反映當前會員生命周期比較準確的一個值；
第三種方法，倒推法
每一個活躍用戶，從他們的首次消費時間到當前消費的時間差，平均一下，就得出留存天數了。可以按日、按周、按月，我們這裡取按月的值。
這個取值的方法精準性較差，周期越短越不準，且有個明顯的誤差，就是統計的樣本，都是留存下來的樣本，在統計周期內的用戶都沒有統計到。此種方法雖然靈敏度高，但是誤差較大。
對比以上三種用戶留存天數的取值方法，可能還是比較混亂，直接把結果提煉出來就是：
目前專櫃的會員生命周期，前期是因為樣本量少，專櫃運營周期短，得到的結果誤差較大，目前專櫃數據正處於一個穩定期，會員生命周期數據，將會呈現升幅較大的狀態，預估目前在190天左右，因為專櫃本身運營天數的累積，會快速上升之後趨於穩定；
對於天貓旗艦店的會員生命周期數據，如果我們只看總平均值，目前的生命周期天數應當與第二種算法接近在260天，也就是8，9個月左右，其中大促影響巨大，每年雙11有50%左右的180天沉睡會員被喚醒，這部分人的在周期長度上整體拉升了平均值。但是如果用戶的生命周期長度主要是被大促所拉動，那麼在一定程度上這不是一件好事情，因為用戶主要對價格敏感，而不是對品牌忠誠。
對於日常來看用戶的生命周期是一個時間段的過程，是結果，並且在短期內變化不大的指標，想要獲得高靈敏度的數據指標作為會員維護的參考，看一個時間段的留存率會更加適合一些，
對於我們品牌的用戶3個月內為最優復購區間，於是我們來按照季度取用戶的留存率：
目前專櫃和電商的季度留存率差別不大，日常專櫃要稍微優於電商，電商在大促節點要明顯高於專櫃。大促對於會員留存率的指標變化影響很大，圖示2016年8-9會員的季度留存達到53%，而大促當月的會員留存率最低，原因是通過活動短時間內積累大量新客，流失率也高。
以上為關於會員生命周期天數的一個探討，內裡還有一些細節需要去做驗證，整體上說會員生命周期反應了用戶與品牌的粘性與用戶價值，但生命周期作為一個階段性的長指標，在短時間內不具備高敏感性，而從季度留存率指標來看，我們可以快速的了解到每個月的會員季度留存情況，並可以運用在實際工作中，進行指標跟進和匹配營銷動作。留存率的指標對實際工作更具有意義。
本文由 @ kitty 原創發布於人人都是產品經理。未經許可，禁止轉載。
題圖來自unsplash，基於CC0協議