如何培养客户忠诚度？

我们已经报道过关于商业产品和产品订阅的生命周期，且提供了样式分析，而下面这个因素在经济单位效益中是最重要的。

最近，Eric Liaw发送给我们一个非常有意思的报告：怎样留住客户的订阅。其由市场学教授Peter Fader和Bruce Hardie撰写，发布在2007年的Interactive Marketing杂志上。在报告中，他解释了先前关于使用线拟回归模型和二次或指数函数的失败探索。后来，我们选择使用指数线路来测算，虽然数据是有些价值的，但是其结果是低于实际的用户订阅留存率的。

Fader和Hardie教授决定从头开始，建立了一个简单的设想：如果每个用户在定期的内容订阅中其产品更换率是固定的，这样会这样?照此类推：如果我是一个电影迷，那就是说每月80%的Netflix内容我都会更新。但是结果是只有30%人更乐意更换预定。订阅率对于用户而言是不断改变的，但是随着时间的发展，用户的更新比例会逐渐稳定。

事实证明：根据概率理论，关于用户订阅内容的更换率这个简单的假设，是可以被一个数据模型定义的。随着时间的发展，用户间的订阅更换率会逐渐的下降，并逐渐的消失。这也部分说明了最近不断提高的用户留存率想象。

通过一些数学计算，作者揭开了这个模型：转移的几何分布。为了验证这个模式，其花了7年时间研究一个案例，在其后5年研究用户的订阅留存率问题。这个模式是非常准确的，而且比线性或指数函数更合适。

但是一些注意需要提出：这个模式仅仅是反应用户独立的订阅周期时才是合理的，如月刊或者定期的订阅。同时，这个模型必须在特定的环境下才有效。如，用户的订阅更新和一些明显的用户退出率。而不是像商业一样一直保持长时间的不变。

相关阅读：