什么是用户流失模型用户流失模型的2大操作

做好用户运营，第一步就是要建立好用户流失模型，只有建立一个准确的用户流失模型，才能更好地继续后续的工作。

文章插图

文章插图
用户运营就像两个水龙头同时打开的蓄水池，有进就有出。任何一个产品，用户流失都是一种必然现象。
运营的工作之一就是做到精准预测用户流失，通过有效的运营活动对流失概率较大的用户进行挽留，让用户流失率低于用户增长率，这样也能保证用户量的向上增长。
有了量，转化就有了基础。
用户挽留的第一步就是建立用户流失模型，只有建立一个准确的用户流失模型，才能让后续的工作，如梳理用户流失节点、通过各种渠道对用户进行召回，事半功倍。
一、用户建模的底层逻辑首先，为什么要建模？
因为使用一个产品的用户千千万，每个人的兴趣、性格千差万别，产品端不可能做到对每一个人的1V1服务。
但是互联网用户又是很挑剔的，越来越多的精准推送、个性化营销、个人特权，都是在满足每个人独特的口味。可以说现在的互联网环境下，精准，是产品和服务能否有机会与用户连接的核心。
因此要用户建模，其目的是明确用户特征，在最低成本、涵盖最大范围的基础上，实现最高效率的运营。
好，那如何做呢？
用户建模的切入点有两个：用户属性、用户行为。
用户属性特征就是用户一时难以改变的基础信息，包括地域、性别、年龄、文化程度、社会身份等等。
比如：一个一线城市的女大学生，和一个四线城市的全职妈妈，对产品的使用需求、信息的接受程度可能就有很大的不同。
而用户的行为特征就更有价值了：她喜不喜欢我们的产品？是怎么在使用我们的产品？使用过程中有没有明显的偏好？使用频率如何等等。
有了以上这两个基础，我们能够大概率地还原这个用户的真实画像。
用户建模，就是要把不同属性和行为的用户拆分开来，再依据不同的目标进行区别化运营。
比如：针对活跃度这一指标，用户建模的具体应用场景是：针对不活跃的用户启动针对性的活跃度提升的运营策略，针对活跃用户启动针对性的加强忠诚度，引导带动不活跃用户的运营策略。
二、用户流失模型的搭建当我们在进行用户流失建模的时候，要点就是把流失用户根据一定的属性或行为特征进行分类，为流失用户进行属性或行为特征的拆解，找到对于流失用户的关键性指标。
主要应用在两个方面：流失用户召回、现有活跃用户防流失。
具体步骤：
1. 定义流失用户精准防范用户流失时，要做的第一步就是先明确流失用户定义，需要根据自身产品的类型、调性以及用户画像来定义流失用户的概念。
但是不同类型的产品对用户活跃程度的要求不一样，所以也无法设定一个统一的标准。在这里我提出两个标准，以作参考。
标准1 ：针对社交类产品，以DAU/MAU的指标定义流失用户
社交类产品对用户黏性有着极高的要求，因此用户活跃度是重要考核标准。DAU/MAU的数值是一个介于0.03-1之间数字，数字越高，活跃度越高（DAU取当月的每日DAU的平均值）。
如果DAU/MAU=1，那么说明用户每天都来，所以DAU和MAU相等，而这个值的最低线就是0.03左右，即所有的用户一个月只来一天，低于0.03的用户基本上可以被定义为流失用户。
除了微信、QQ这样每天都必须要用的社交产品（微信的DAU/MAU的比例从2016年以来一直维持在075-0.8左右的比例，用户的粘性极强），基本上DAU/MAU达到0.3左右就是比较活跃的，就是用户基本上每三天会打开一次。
标准2：针对电商类产品，以购买活跃度的指标定义流失用户
产品的使用场景决定了它基础的使用频次，并不是所有的东西都要每天使用才算有价值的。在另一端还有一些产品虽然使用是偶尔使用的，但每一次互动都具有很高的价值，针对这些产品DAU/MAU就不是合适的指标。
淘宝的活跃度只有0.29，平均活跃度基本上是一周三天左右，但是淘宝是一个电商应用，本就不可能让用户每天打开浏览，其购买活跃度才是更重要的指标。
电商APP通过用户购买来盈利，所以通常以购买的活跃程度来定义流失用户。如果用户只看不买，对于电商来说就是一个可能会流失的用户。
2. 建构用户流失模型应用于参考不同频次的用户的行为特征来构建行为模型的做法，为流失用户进行行为特征的拆解，找到对于流失用户的关键性指标。
【什么是用户流失模型用户流失模型的2大操作】建立模型的一大便利是可以清晰地看出流失用户具体的临界值，我们都知道DAU/MAU的值越高越好，但是低于多少才算是流失呢？
这时候就可以利用图表来判断：当流失率到达一个比较稳定的趋势时，定义这个时间点的流失用户比较合理。
这批新用户的流失率达到40%，且在第28天后达到一个稳定趋势，即证明了“30天内没访问”就认定为流失用户的这个定义还是比较合理的。
而且从图中还可以看出：用户在激活后的两周内流失率是比较高的，如果熬过这两周，流失的用户也大大降低。
接下来，就是细分这批流失用户画像，包括他们和活跃用户的行为差异、进入app的渠道、在流失之前对app的访问频次、在app的使用行为（如：是在哪个环节跳走后而流失），从而推断用户流失的原因。
举个例子：对用户行为进行分析，发现用户A在流失前访问频次很高，每周会访问3-5次，但是几次从app跳走的页面都是支付页，那么极有可能支付环节出了大问题。
可能是支付经常提示错误造成用户厌烦，可能是支付流程复杂让用户觉得困扰。不好的体验造成了用户A流失的主要原因。
再举个例子：

某产品在经过一次更新以后发现用户流失率增加，经过用户属性分析发现：其中女性流失用户占比较大，那么可能是产品改版以后UI界面不讨女性用户喜爱。
或者经过行为分析发现：新注册用户流失比例很大，那可能是改版以后的新手引导没有做好。

3. 找到产品留存关键点，通过各种渠道召回定义了流失用户、也建立了用户流失模型，找到了用户流失原因，接下来就是要召回用户了。
常见的有：短信、email、站内push、微信服务号等。
在这个环节中，用户流失模型同样能派上大用场。
比如：根据购买频次和金额来细分。
1次也没购买过的用户可派发大额度优惠券、大促活动或超低价商品吸引回访，成为首单新客。
购买1—2次且客单价较低的用户，可精准推送优惠专场或在这个客单水平的好货。
购买3次及以上的用户，可推送用户偏好的品牌或品类，额外增加会员专属优惠券等形式。
总而言之，根据用户流失模型区分不同行为和属性的用户，以及他们流失的节点、原因，运营才可以做到有的放矢，强化用户召回的效果。
对流失用户的挽回是很难的。更有效的思路是：既然我们已经知道了流失用户的特征，那么当不活跃用户出现了流失用户的特征的时候，说明出现了流失预警，需要启动相应的防流失策略。
用户运营工作贵在“针对性”，无论建立何种的用户模型，都需要根据产品的特性，与数据产品团队多次磨合，才能找到一个比较合适的模型建立方式。在对用户进行细分后，针对性地提出解决方案，才是成功的用户运营。