用户流失分析：从基础概念到实践应用

用户流失分析：从基础概念到实践应用

引用

CSDN

1.

https://blog.csdn.net/weixin_44589682/article/details/139901638

用户流失

• 用户流失基础
• 用户生命周期LT
• 用户流失
• 用户流失分析步骤
• 基于流失周期，圈定流失用户
• 基于用户画像，挖掘流失用户群体特征
• 基于因果分析，探索用户流失原因
• 用户流失应用
• 流失预警
• 策略迭代
• 流失召回
• 总结

原文
用户生命周期
K-M生存分析

用户流失基础

用户生命周期LT

1. 阶段
2. 价值LTV=LT*ARPU（每个用户的平均收入）
3. 做流失分析的意义：
4. 若ARPU不变，LT越大，LTV越大
5. 行业经验看，成熟期（衰退期）企业做用户流失比用户增长的性价比更高。

用户流失

用户流失（User Churn）是指一段时间后，用户不再进行某种行为，则认为其流失。
判断用户流失有两个关键点：时间、行为。
指标：流失周期、流失率
某个时刻某个产品应该只有一个流失周期。流失周期的计算很复杂，无法直接给出。

用户流失分析步骤

基于流失周期，圈定流失用户

1. 分位法：80%用户行为间隔是N天，则超过N天则流失。
   80%仅仅是是实践经验，可以更换。
2. 拐点法：第N天/周/月，x%用户留存率出现显著拐点，之后趋于稳定。
3. K-M生存分析法：研究对象从试验开始直到某个特定时间点仍然存活的概率，可见它是一个对时间t的函数，我们定义之为 S(t)；
   关注指标
4. 中位数
5. Logrank对数秩检验：一种非参数检验，比较两组样本的生存时间分布的差异。零假设是指两组的生存时间分布完全一致。
6. Breslow 检验：在每个时间点统计观测人数和期望人数时，他会给它们乘以一个权重因子。随着时间点越靠后，at risk 的总人数会越小，因此权重越少，对 X2 值的贡献就越小。

基于用户画像，挖掘流失用户群体特征

把用户画像分成三类：

1. 自然特征：地域、年龄、性别、……
2. 社会特征：关注、粉丝、收入、职位、……
3. 行为特征：创作、互动、浏览、……
   建议：特征多听听业务侧的建议，优选物理特征，前期简单砍几刀为宜。
   新用户流失和老用户流失的区别：
4. 新用户流失：原因可能有非目标用户（刚性流失）、产品不满足需求（自然流失）、产品难以上手（受挫流失）和竞争产品影响（市场流失）。
   新用户要考虑如何在较少的数据支撑下做流失用户识别，提前防止用户流失，并如何对有效的新用户进行挽回。
5. 老用户流失：原因可能有到达用户生命周期衰退期（自然流失）、过度拉升 ARPU 导致低端用户驱逐（刚性流失）、社交蒸发难以满足前期用户需求（受挫流失）和竞争产品影响（市场流失）。
   老用户有较多的数据，更容易进行流失用户识别，做好防止用户流失更重要。当用户流失后，要考虑用户生命周期剩余价值，是否需要进行挽回。
   新用户 老用户
   自然流失 不满足需求 达到用户生命周期衰退期
   刚性流失 非目标用户 过度拉升ARPU
   受挫流失 难上手 社交蒸发
   市场流失 竞品 竞品
   可分析数据 少 多
   做法 提前预防、挽回有效新用户 视剩余价值而定，是否挽回

基于因果分析，探索用户流失原因

分析彼此之间的因果关系：

1. 由果溯因
2. 由因验果
   方法：
3. 假设检验
4. 用户访谈

用户流失应用

流失预警

定义：流失预警（Churn Early Warning）是指通过分析用户行为和特征来提前识别可能出现流失的用户，从而采取预防措施。
方法：

1. 统计预警：基于统计特征进行逻辑判断预警；
2. 机器学习预警：基于机器学习算法进行多变量组合学习预警。
3. 本质：二分类
4. 常用方法：逻辑回归，决策树

策略迭代

提取流失率高（低）的行为特征，周期特征，有利于产品、运营策略迭代升级。

1. 产品策略：针对关键流失行为，优化产品，减少产品阻碍
2. 运营策略：基于阈值、典型特征，进行针对性运营

流失召回

1. 召回对象：高价值人群，投入产出比打正
2. 召回策略：push、短信、广告、……

总结

1. 本质：扩展用户生命周期，提高企业收入。
2. 经验
3. 不要预先设限，多听听业务侧的建议，优选物理特征。
4. 确定流失周期要用多种方法，多个方法相互验证，确定一个稳定的周期。
5. 逻辑拆分要慎重，逻辑的逻辑会把事情变复杂，归因的不确定性因素指数增加。
6. 第二曲线
   用户流失还是聚焦当前产品，有时要跳出这个产品，开辟第二曲线，实现连续性增长。
   开辟第二曲线首先要破界，突破自己当前的边界，企业才能开辟自己的第二曲线增长。