中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語：在用戶運營中，拉新往往要比做好用戶留存所花費的成本要高，但有各種各樣的原因會讓用戶在某個過程中流失掉，應(yīng)當(dāng)如何規(guī)避與注意呢？作者從五個方面總結(jié)了自己做好用戶流失預(yù)警的方法。

流失用戶召回沒有成效？流失率居高不下？何不防患于未然，早早進行預(yù)警干預(yù)？

一、為什么要進行流失用戶預(yù)警？

用戶在使用產(chǎn)品的過程中是存在著生命周期的，用戶接觸產(chǎn)品、了解產(chǎn)品、到體驗到產(chǎn)品的核心價值而使用產(chǎn)品，但最終由于各方面因素的影響，可能還是會離開產(chǎn)品，轉(zhuǎn)移到競品或者其他的解決方案，流失是不可避免的。

雖然流失不可避免，但并不意味著流失不需要關(guān)注，拉新不容易，但是流失卻很容易，一個新用戶的拉新成本是維系一個老用戶成本的5倍以上，我們希望用戶池能夠不斷地擴大。

所以很多公司都把重心放在用戶的拉新上，但是忽略了老用戶的流失，甚至用戶流失的速度已經(jīng)超過了新用戶的增長速度，業(yè)務(wù)已經(jīng)變成了極度不健康的狀態(tài)，白花花的銀子和心血都付之東流了。

所以我們不能只盯著拉新，還要時刻關(guān)注用戶流失的狀態(tài)，不能強求無流失，但要根據(jù)產(chǎn)品的特點把用戶流失率控制在風(fēng)險點以下。如何控制流失率呢？

一個用戶的流失可能是因為缺乏新手引導(dǎo)，還沒體驗到產(chǎn)品的核心價值就流失了，也有可能是老用戶經(jīng)歷了一次大改版，覺得產(chǎn)品不再像以前用的那么順手了，但無論什么原因流失，用戶一旦離開產(chǎn)品，觸達到用戶的方式和渠道就非常有限了，想要對用戶進行召回就變得非常困難。

所以我們不能做事后諸葛亮，而是要在用戶出現(xiàn)了流失的先兆，在用戶還未流失之前進行預(yù)警，及時地進行干預(yù)，這樣才能更大可能性地挽回用戶。

二、?如何定義流失？

進行用戶流失預(yù)警之前，首先要明確用戶流失應(yīng)該如何定義。

一般來說，用戶如果長時間未使用產(chǎn)品，那么這個用戶大概率是流失掉了。

但這個“長時間”到底是多長？這個“未使用產(chǎn)品”是指用戶沒有產(chǎn)生什么行為？對于不同類型的產(chǎn)品，這兩點都有很大區(qū)別的。

以社交類產(chǎn)品為例，比如微信，由于社交場景天然具有高頻高粘性特點，用戶每天都在使用微信進行交流溝通，所以一般情況下如果用戶一周沒有使用可能就算流失了。

而對于工具類產(chǎn)品而言，比如哈羅單車，可能用戶一個月甚至更久才能騎一次，所以這個時間就要放的長一些。

另外，對于“未使用功能”不同類型的產(chǎn)品也有區(qū)別，比如電商類產(chǎn)品可能是“未下單”這個行為，而對于短視頻類產(chǎn)品，可能是“未觀看視頻”等。

一般來說，這個功能應(yīng)該是產(chǎn)品的核心功能，長時間未使用產(chǎn)品的核心功能就可以認定為該用戶流失了。

三、用戶為什么會流失？

凡事必有因，用戶之所以選擇離開必然是覺得產(chǎn)品未能解決ta的問題，滿足不了ta的需求，轉(zhuǎn)而尋求其他的產(chǎn)品。

這里可能有以下幾個方面的原因：

1. 產(chǎn)品價值

用戶下載注冊一個產(chǎn)品是帶著需求來的，是想解決自己的問題的。但是這個需求可能有所不同，有可能只是用戶的一個普通需求，也有可能是個剛性需求，還有可能是個痛點需求。

舉例來說，最近太累，想去馬爾代夫放松一下，這是個普通需求，到了馬爾代夫玩了半天有點餓了，想吃東西了，這個是剛性需求。

于是上網(wǎng)看了一下推薦，剛好附近有家餐廳，但是評價不好而且很貴，有家味道很好的但是離得又很遠，找一個離得近、味道不錯而且又實惠的餐廳就是個痛點需求。

所以，普通需求→剛需→痛點是一個逐層遞進的過程，逐層體現(xiàn)用戶希望解決問題的迫切程度，所以如果產(chǎn)品可以解決剛需就不要滿足于僅解決普通需求，如果可以解決用戶痛點就不要僅停留在解決剛需問題。

用戶越迫切，產(chǎn)品價值就更容易得以體現(xiàn)，用戶的粘性自然就會更強，流失的概率也會小很多。

2. 用戶體驗

解決用戶的痛點是產(chǎn)品存在的根本，但產(chǎn)品同質(zhì)化嚴重的當(dāng)下，良好的用戶體驗也是產(chǎn)品的核心競爭力。

在產(chǎn)品都差不多的情況下，用戶體驗差的產(chǎn)品用戶流失肯定會更嚴重。用戶體驗主要體現(xiàn)在以下幾個方面：

• 視覺體驗差：產(chǎn)品的UI太low，配色很山寨，一眼看上去就很沒有質(zhì)感，第一印象就很差，沒用繼續(xù)使用的欲望。
• 交互體驗差：產(chǎn)品的交互違背用戶的使用習(xí)慣，明明可以上下滑動翻屏的，卻要不斷地點擊下一頁，用戶使用不順暢。
• 注冊流程復(fù)雜：復(fù)雜冗長的注冊流程是嚇退用戶的一個重要的障礙，一些信息完全不必要在注冊環(huán)節(jié)就要收集，用戶注冊時填寫的信息越多越隱私，越容易在注冊中途流失。
• 用戶預(yù)期未能達到：產(chǎn)品提供的功能未能很好地滿足用戶的需求，或者內(nèi)容質(zhì)量差，導(dǎo)致用戶無法獲得所需而流失。

只有了解不同用戶流失的不同原因，才能更精準地描述用戶流失前的先兆特征，進而預(yù)測流失概率，提前進行挽回。

四、用戶流失預(yù)警模型搭建

流失用戶預(yù)警本質(zhì)上就是通過分析用戶可能流失的原因，將這些原因通過數(shù)據(jù)的形式具象出來作為原因，從而給用戶打上流失概率標簽結(jié)果的一個過程，抽象出來就是一個由特征到標簽的機器學(xué)習(xí)的分類問題。

既然是分類問題，就少不了以下幾個關(guān)鍵的環(huán)節(jié)。

1. 樣本選擇、數(shù)據(jù)處理

觀察期定義流失：由于機器學(xué)習(xí)需要訓(xùn)練集和測試集，所以要定義一個足夠長、樣本量足夠多的觀察期，采集觀察期內(nèi)用戶的數(shù)據(jù)以及用戶流失概率的樣本作為訓(xùn)練集和測試集。

比如可以取過去半年以來用戶的數(shù)據(jù)作為樣本，由于用戶是否流失結(jié)果已知，可以給用戶打上流失概率的標簽，這些樣本經(jīng)過特征工程后作為分類模型的輸入樣本，是模型學(xué)習(xí)分類規(guī)則的重要數(shù)據(jù)來源。

表現(xiàn)期采集用戶行為：觀察期數(shù)據(jù)的規(guī)律已經(jīng)被模型學(xué)習(xí)到，就需要采集下一個窗口的用戶行為數(shù)據(jù)，基于此預(yù)測發(fā)生這些行為的用戶的流失概率。

2. 特征工程

緊接著上一環(huán)節(jié)樣本的選擇，接下來就是最重要而且是最具有決定意義的環(huán)節(jié)了—特征工程，機器學(xué)習(xí)的上限是由特征工程決定的，任何形式的調(diào)優(yōu)只是無限接近這個上限。

特征工程一定是基于業(yè)務(wù)的深刻理解和剖析！一定是基于對業(yè)務(wù)的深刻理解和剖析！一定是基于對業(yè)務(wù)的深刻理解和剖析！重要的事情說三遍！

機器學(xué)習(xí)的效果取決于特征工程，特征工程的關(guān)鍵在于業(yè)務(wù)的熟悉程度。

只有對業(yè)務(wù)足夠熟悉，才能將可能影響用戶流失的原因準確的數(shù)字化、具象化，才能從本質(zhì)上找到原因，而不是原因的表象，進而才能找到影響留存的關(guān)鍵特征。

舉例來說，用戶的活躍時長看似是一個和流失非常相關(guān)的特征，但是時長并不是用戶流失的原因，可能只是產(chǎn)品迭代后用戶找不到常用功能這個原因的表象。

因為常用功能變了位置沒有找到，覺得產(chǎn)品不好用了，逐漸開始尋找其他的替代產(chǎn)品，才導(dǎo)致使用時長變短，這個才是根因，而找到根因的過程無疑是需要對業(yè)務(wù)有深刻理解的。

一般來說，我們需要考慮的特征可能有以下幾個類別：

（1）用戶的基本屬性

性別、年齡、收入水平、區(qū)域等，不同類型的用戶可能流失也有所區(qū)別。

（2）用戶的產(chǎn)品行為

所處產(chǎn)品的生命周期、活躍的頻次、關(guān)鍵功能的使用頻次等，這些我們稱之為基礎(chǔ)指標，基礎(chǔ)指標一般是流失原因的表象和流失具有相關(guān)性，但不具備因果性，不是導(dǎo)致流失的關(guān)鍵特征。

（3）其他加工指標

基礎(chǔ)指標可能不能很好地挖掘到影響留存的關(guān)鍵特征，需要基于業(yè)務(wù)理解加工出新的指標，并和基礎(chǔ)指標一起作為模型訓(xùn)練的特征。常見的加工方法有：

①深度指標

反應(yīng)用戶使用深度的指標，用戶不僅要用，而且要用的比較深入，比如關(guān)鍵功能的使用次數(shù)，有的用戶可能只是用了一些邊緣性的功能，還未接觸到關(guān)鍵功能就流失了。

這是很可惜的，所以用這個深度指標可以預(yù)測用戶是否可能流失的。

②頻次指標

用戶不僅要用的深，還要用的頻繁，這個頻繁的定義依據(jù)不同的產(chǎn)品類型而有不同的定義，有的產(chǎn)品可能需要每天都要用，甚至一天要用幾次，有的可能要求一周要用幾次，不一而足。

但是可以根據(jù)產(chǎn)品的特點加工出一個頻次指標，比如日/周均使用次數(shù)或者日/周均使用天數(shù)，這樣用戶的使用頻次得以表征。

③趨勢指標

用戶使用產(chǎn)品的趨勢變化，用戶使用的趨勢直接關(guān)系著用戶的流失，如果一個用戶使用的越來越少了，那大概率用戶是要流失了。

所以一些常見的趨勢指標如近三個月每周平均活躍天數(shù)的變化率，可以理解為一個斜率，如果每周的平均活躍天數(shù)在一直減少，斜率應(yīng)該是負值，否則斜率應(yīng)該是正值，以此表征用戶使用情況的變化趨勢。

3. 模型選擇

特征構(gòu)造完成后，就需要進行模型的選擇了，對于分類模型，一般常用的有邏輯回歸，決策樹，SVM，XGboost等，每種模型都有各自的優(yōu)缺點，也對特征有一定的要求，我們無需在模型選擇上花費太多精力。

可以預(yù)選一些模型，帶入樣本進行訓(xùn)練，觀察不同模型的分類效果，選取效果最好的一個作為訓(xùn)練模型即可。

這里的效果主要通過分類模型的評估標準來評價，比如混淆矩陣，f1值，還要考慮模型的泛化能力等。

流失預(yù)警模型構(gòu)造的重點在于特征工程，而非模型選擇，所以這部分不是重點，不再詳細展開，需要的可以學(xué)習(xí)相關(guān)的資料。

4. 模型訓(xùn)練與預(yù)測

特征加工完成，訓(xùn)練模型確定后就需要將樣本進行訓(xùn)練，并通過調(diào)參等不斷優(yōu)化模型效果。

當(dāng)各項指標滿足要求后，模型訓(xùn)練完成，就可以上線進行預(yù)測了，對表現(xiàn)期的用戶進行預(yù)測，評估其流失的可能性，進而進行針對性的運營動作，到這里就完成了用戶流失預(yù)警模型的搭建。