什么是用戶(hù)流失模型？（用戶(hù)流失模型的2大操作）
做好用戶(hù)運營(yíng)，什用失模失模第一步就是戶(hù)流戶(hù)流要建(jian)立好用戶(hù)流失模型，(°□°)只有建立一個(gè)(′?ω?`)準確的型用型用戶(hù)流失模型，才能更好地繼續后續的大操工作。
用戶(hù)運營(yíng)就像兩個(gè)水龍頭同時(shí)打開(kāi)的什用失模失模蓄水池，有進(jìn)就有出。戶(hù)流戶(hù)流任何一個(gè)(ge)產(chǎn)(′_ゝ`)品，型用型用戶(hù)流失都是大操一種必然現象。
運營(yíng)的什用失模失模工作之一就是做到精準預測用戶(hù)流失，通過(guò)有效的戶(hù)流戶(hù)流運營(yíng)活動(dòng)對流失概率較大的用戶(hù)進(jìn)行挽留，讓用戶(hù)流失率低于用(?????)戶(hù)增長(cháng)率，型用型這樣也能保證用戶(hù)量的大操向上增長(cháng)。
用戶(hù)挽留的型用型第一步就是建立用戶(hù)流失模型，只有建立一個(gè)準確的用戶(hù)流失模型，才能讓后續的工作，如梳理用戶(hù)流失節點(diǎn)、通過(guò)各種渠道對用戶(hù)進(jìn)行召回，事半功倍。ヽ(′ー｀)ノ
一、用戶(hù)建模的底層邏輯首先，為什么要建模？
因為使用一個(gè)產(chǎn)品的用戶(hù)千千萬(wàn)，每個(gè)人的興趣(′▽?zhuān)?、性格千差萬(wàn)別，產(chǎn)品端不可能做到對每一個(gè)人的1V1服務(wù)。
但是互聯(lián)網(wǎng)用戶(hù)又是很挑剔的，越來(lái)越多(duo)的精準推送、個(gè)性化營(yíng)銷(xiāo)、個(gè)人特權，都是在滿(mǎn)足每個(gè)人獨特的口味?？梢哉f(shuō)現在的互聯(lián)網(wǎng)環(huán)境下，精準，是產(chǎn)品和服務(wù)能否有機會(huì )與?用戶(hù)連接的核心。
因此要用戶(hù)建模，其目的是明確用戶(hù)特征，在最低成本、涵蓋最大范圍的基礎上，實(shí)現最高效率的運營(yíng)。
好，那如何做呢？
用戶(hù)屬性特征就(jiu)是用戶(hù)一時(shí)難以改變的基礎信息，包括地域、(╬?益?)性別、年齡、文(wen)化程度、社會(huì )身(shen)份等??等。
比如：一個(gè)一線(xiàn)城市的女大學(xué)生，和一個(gè)四線(xiàn)城市的(′ω｀)全職媽媽?zhuān)瑢Ξa(chǎn)品的使用需求、信息的接受程度可能就有很大的不同。
而用戶(hù)??的行為特征就更有價(jià)值了：她喜不喜歡我們的產(chǎn)品？是怎么在使用我(╯°□°）╯們的產(chǎn)品？使用過(guò)程中有沒(méi)有明顯的偏好？使用頻率如何等等。
用戶(hù)建模??，就是要(′?_?`)把不同屬性和行為的用戶(hù)拆分開(kāi)來(lái)，再依據不同的目標進(jìn)行(xing)區別化運營(yíng)。
比如：針對活躍度這一指標，用戶(hù)建模的具體應用場(chǎng)景是：ヾ(＾-＾)ノ針對不活躍的用戶(hù)啟動(dòng)針對性的活躍度提升的運營(yíng)策略，針對活躍用戶(hù)啟動(dòng)針對性的加強忠誠度，引導帶動(dòng)不活躍用戶(hù)的運營(yíng)策略。
二、用戶(hù)流失模型的搭建當我們在(zai)進(jìn)行用戶(hù)流失建模的時(shí)候，要點(diǎn)就是把流失用戶(hù)根據一定的屬性或行為特征進(jìn)行分類(lèi)，為流失用戶(hù)進(jìn)行屬性或行為特征的拆解??，找到對于流失用戶(hù)的關(guān)鍵性指標。
主要應用在兩個(gè)方面：流失用戶(hù)召回、現有活躍用戶(hù)防流失。
具體步驟：
1. 定義流失用戶(hù)精準防范用戶(hù)流失時(shí)，要做的第一步就是先明確流失用戶(hù)定義，需要根據自身產(chǎn)品的類(lèi)型、調性以及用戶(hù)畫(huà)像來(lái)定義流失用戶(hù)的概念。
但是不同類(lèi)型的產(chǎn)品對用戶(hù)活躍程度的要求不一樣，所以也(ye)無(wú)法設定(?Д?)一個(gè)統一的標準。在這里我提出兩個(gè)標準，以作參考。
標準1 ：針對社交類(lèi)產(chǎn)品，以DAU/MAU的指標定義流失用戶(hù)
社交類(lèi)產(chǎn)品對用戶(hù)黏性有著(zhù)極高的要求，因此用戶(hù)活躍度是??重要考核標準ヾ(′▽?zhuān)??。DAU/MAU的數值是一個(gè)介(′?_?`)于0.03-1之間數字，數字越高，活躍度越高（DAU取當月的每日DAU的平均值）。
如果DAU/MAU=1，那么說(shuō)明用戶(hù)每天都來(lái)，所以DAU和MAU相等，而這個(gè)值的最低線(xiàn)就是0.03左右，即所有的用??戶(hù)一個(gè)月只來(lái)一天，低于0.03的用戶(hù)基本上可以??被定義為流失用戶(hù)。
除了微信、QQ這樣每天都必須要用的社交產(chǎn)品（微信的DAU/MAU的比例從2016年以來(lái)一直維持在075-0.8左右的比例，用戶(hù)的粘性極強），基本上DAU/MAU達到0.3左右就是比較活躍的，就是用戶(hù)基本上每三天會(huì )打開(kāi)一次。
標準2： 針對電商類(lèi)產(chǎn)品，以購買(mǎi)活躍度的?指標定義流失用戶(hù)
產(chǎn)品的使用場(chǎng)景決定了它基礎的使用頻次，并不是所有的東西都要每天使用才算有價(jià)值的。在另一端還有一些產(chǎn)品雖然使用是偶爾使用的，但每一次互動(dòng)都具有??很高的價(jià)值，針對這些產(chǎn)品DAU/MAU就不是合適的指標。
淘寶的活躍度只有0.29，平均活躍度基本上是一周三?天左右，但是淘寶是一個(gè)電商應用(yong)，本就不可能讓用戶(hù)每天打開(kāi)瀏覽，其購買(mǎi)活躍度才是更重要的指標。
電商APP通過(guò)用戶(hù)購買(mǎi)來(lái)盈利(li)，所以通常以購買(mǎi)的活躍程??度來(lái)定義流失(╬?益?)用戶(hù)。如果用戶(hù)只看不買(mǎi)，對于電商來(lái)說(shuō)就是一個(gè)可能會(huì )流失的用戶(hù)。
2. 建構用戶(hù)流失模型應用于參考不同頻次的用戶(hù)的行為特征來(lái)構建行為??(′?ω?`)模型(′ω｀*)的做法，為流失用戶(hù)進(jìn)行行(xing)為特征的拆解??，找到對于流失用戶(hù)的關(guān)鍵性指標。
建立模型的一大便利是可以清晰地看出流失用戶(hù)具體的臨界值，我們都知道DA(???)U/MAU的值越高越好，但是低于多少(shao)才算是流失(′▽?zhuān)?呢？
這時(shí)候就可以利??用圖表來(lái)判斷：當流失率到達一個(gè)比較穩定的趨勢時(shí)，定義這個(gè)時(shí)間點(diǎn)的流失用戶(hù)比較合理。
而且從圖中還可以看出：用戶(hù)在激活后的兩周內流失率是比較高的，如果熬過(guò)這兩周，流失的用戶(hù)也大大??降低。
接下來(lái)，就是細分這批流失用戶(hù)畫(huà)像，包括他們和??活躍用戶(hù)的行為差異、進(jìn)入app的渠道、在流失之前對app的訪(fǎng)問(wèn)頻次、在app的ヽ(′▽?zhuān)?ノ使用行為(wei)（如：是在哪個(gè)環(huán)節跳走后??而流失），從而推斷用戶(hù)流失的原因。
舉個(gè)例子：對用戶(hù)行為進(jìn)行分析，發(fā)現用戶(hù)A在流失前訪(fǎng)問(wèn)頻次很高，每周會(huì )訪(fǎng)問(wèn)3-5次，但是幾次從app跳走的頁(yè)面都是支付頁(yè)，那么極有可能支付環(huán)??節出了大問(wèn)ヽ(′?｀)ノ題。
可能是支付經(jīng)常??提示錯誤造成用戶(hù)厭煩，可能是支付流程復雜讓用戶(hù)覺(jué)得困擾。不好的體驗造成了用戶(hù)A流失的(de)主要原因。
再舉???個(gè)例子：
常??見(jiàn)的有：短信、email、??站內push、微信服務(wù)號等。
比如：根據購買(mǎi)頻次和金額來(lái)細分。
1次也沒(méi)購買(mǎi)過(guò)的用戶(hù)可派發(fā)大額度優(yōu)惠券、大促活動(dòng)或超低價(jià)商品吸引回訪(fǎng)，成為首單新客。
購買(mǎi)1—2次且客單價(jià)較低的用戶(hù)，可精準推送優(yōu)惠專(zhuān)場(chǎng)或在這個(gè)客單水平??的好貨。
總而言之，根據用戶(hù)流失模型區分不同行為和屬ˉ\_(ツ)_/ˉ性的用戶(hù)，以及他們流失的節點(diǎn)、原因，運營(yíng)才可以做到有的放矢，強化用戶(hù)召回的效果。
對流失用(′?_?`)戶(hù)的挽回是很難的。更有效的思路是：既然我們已經(jīng)知道了流失用戶(hù)的特征，那么當不(?Д?)活躍用戶(hù)出現了流失用戶(hù)的特征的時(shí)候，說(shuō)明出現了流失預警，需要啟動(dòng)相應的防流失策略。
用戶(hù)運營(yíng)工作貴在“針對性”，無(wú)論建立何種的用戶(hù)模型，都需要根據產(chǎn)品的特性，與數據產(chǎn)品團??隊多次磨合，才能找到一個(gè)比較合適的模型建立方式。在對用戶(hù)進(jìn)行細分后，針對性地提出解決方案，才是成功的用戶(hù)運營(yíng)。