在做用戶運(yùn)營(yíng)的時(shí)候，除了要了解用戶，為用戶建立畫像外，另一個(gè)重要的方向就是用戶流失分析，對(duì)可能流失的用戶進(jìn)行分析、預(yù)警，及時(shí)采取措施進(jìn)行用戶挽留，最大可能的減少企業(yè)的損失。

通常情況下，企業(yè)挽留一個(gè)老用戶相比于拉動(dòng)一個(gè)新用戶，在增加營(yíng)業(yè)收入、產(chǎn)品周期維護(hù)方面都是有好處的。眾多實(shí)踐證明，提升用戶留存率，減少用戶流失，對(duì)于任何一家企業(yè)來(lái)說(shuō)都是非常重要的。隨著互聯(lián)網(wǎng)的高速發(fā)展，對(duì)于企業(yè)來(lái)說(shuō)，用戶留存也逐漸成為了反映企業(yè)及產(chǎn)品核心競(jìng)爭(zhēng)力的關(guān)鍵要素。

如何進(jìn)行用戶流失分析與預(yù)警？主要包括識(shí)別流失用戶、定位流失原因、預(yù)警即將流失的用戶，最終提供用戶流失名單給運(yùn)營(yíng)人員做重點(diǎn)運(yùn)營(yíng)。

一、定義流失用戶

不同的產(chǎn)品對(duì)用戶流失有著不同的定義，一般情況下，用戶流失其實(shí)指的是在一段時(shí)間內(nèi)不再使用產(chǎn)品的用戶，可以通過(guò)回流率來(lái)判斷，即：回流用戶數(shù)/流失用戶數(shù)*100%。在分析時(shí)，需先找出可以定義用戶的核心行為，例如用戶多久沒有瀏覽網(wǎng)頁(yè)算流失；用戶多久不使用產(chǎn)品算流失。在根據(jù)回流率采用拐點(diǎn)理論來(lái)確定流失周期，如下圖可以看出第4周后回流率下降速度減慢，后期回流率趨于平緩，因此將第4周定義為流失周期，這樣就可以通過(guò)流失周期將用戶劃分為流失與非流失用戶。

用戶運(yùn)營(yíng)必看！三步教你搭建用戶流失分析與預(yù)警模型

二、流失原因分析

流失原因分析可從兩個(gè)方面著手，一方面可利用構(gòu)建的用戶流失預(yù)測(cè)模型，定量的探索找出影響用戶流失的主要原因，從而針對(duì)性的進(jìn)行用戶挽回。另一方面考慮到數(shù)據(jù)分析的局限性，采用用戶調(diào)研問(wèn)卷、競(jìng)品調(diào)研、客戶反饋評(píng)價(jià)等定性的分析用戶流失的原因。兩者相結(jié)合，可幫助運(yùn)營(yíng)人員深入了解流失原因，為后續(xù)預(yù)防用戶流失制定運(yùn)營(yíng)策略。

三構(gòu)建流失預(yù)警模型

在建立模型時(shí)，我們需要從歷史數(shù)據(jù)中獲取到一定時(shí)間內(nèi)的用戶基礎(chǔ)數(shù)據(jù)（性別、年齡、地域、會(huì)員類型、用戶來(lái)源等）、用戶行為數(shù)據(jù)（登錄天數(shù)、在線時(shí)長(zhǎng)、登錄頻次等）以及用戶消費(fèi)數(shù)據(jù)（最近一單距今天數(shù)、累計(jì)單量、累計(jì)消費(fèi)金額、客單價(jià)等），同時(shí)需要將用戶按是否為流失用戶貼標(biāo)簽。在數(shù)據(jù)預(yù)處理后可采用機(jī)器學(xué)習(xí)的方法建立模型，由于是二分類問(wèn)題，同時(shí)需要用戶的流失規(guī)則及各特征指標(biāo)的重要性排序，因此可以選擇隨機(jī)森林、決策樹、邏輯回歸等算法。最后通過(guò)模型評(píng)價(jià)指標(biāo)例如正確率、召回率、精確度等，篩選出最優(yōu)模型進(jìn)行模型部署，對(duì)未來(lái)用戶流失做預(yù)警。

接下來(lái)舉一個(gè)電信的實(shí)例，眾所周知，客戶在電信運(yùn)營(yíng)商戶群中的地位十分重要，如何有效地保留現(xiàn)有客戶、開發(fā)潛在客戶、回流已流失客戶是電信運(yùn)營(yíng)商市場(chǎng)競(jìng)爭(zhēng)中的三個(gè)重要環(huán)節(jié)，因此對(duì)電信客戶流失進(jìn)行預(yù)測(cè)尤為重要。

已知從運(yùn)營(yíng)商獲取數(shù)據(jù)：

1、用戶基礎(chǔ)數(shù)據(jù)，包括性別、年齡、職業(yè)、教育程度、所在地區(qū)等；

2、用戶的行為數(shù)據(jù)，包括入網(wǎng)時(shí)間、投訴次數(shù)、通話時(shí)長(zhǎng)、基本月租、話費(fèi)額等。

首先需要先定義流失用戶，確定哪些用戶的核心行為可以代表流失，是連續(xù)欠費(fèi)不交還是號(hào)碼長(zhǎng)期不用？定義完核心行為后，就可以根據(jù)公式計(jì)算回流率，利用拐點(diǎn)理論找出流失周期，

從而為用戶貼標(biāo)簽。貼完標(biāo)簽后利用Yonghong Z-Suite中的深度分析模塊建立的用戶流失預(yù)警模型界面如下：

以上采用的是邏輯回歸的算法進(jìn)行建模，模型需要選擇自變量包括性別、年齡、職業(yè)、入網(wǎng)時(shí)間等，因變量表示是否流失，確定好訓(xùn)練集和驗(yàn)證集的比例后便可以運(yùn)行模型，訓(xùn)練集用于訓(xùn)練模型，驗(yàn)證集用于驗(yàn)證模型以便輸出最優(yōu)模型，模型運(yùn)行完輸出的結(jié)果包括模型系數(shù)，還有訓(xùn)練集、驗(yàn)證集的正確率、召回率、精確度等，如下圖：

建立完模型后可通過(guò)產(chǎn)品自帶的調(diào)度任務(wù)，利用模型應(yīng)用，定期自動(dòng)執(zhí)行實(shí)驗(yàn)，對(duì)未來(lái)的用戶預(yù)測(cè)，并將模型預(yù)測(cè)結(jié)果存入到數(shù)據(jù)集中，方便數(shù)據(jù)分析人員分析及運(yùn)營(yíng)人員采取相應(yīng)的挽留措施。

在進(jìn)行完用戶流失分析與預(yù)警后，我們拿到了流失名單，可通過(guò)聚類、RFM模型等將用戶分群，如下圖給出各類客戶流失率的占比，也可以進(jìn)一步細(xì)分客戶按性別、年齡等分析用戶的流失率，實(shí)現(xiàn)對(duì)不同的用戶采用不同的召回策略。

總之，在日益嚴(yán)峻的競(jìng)爭(zhēng)環(huán)境下，企業(yè)及時(shí)的預(yù)警和防范用戶流失將變得尤為重要，這就要求運(yùn)營(yíng)不僅需要有數(shù)據(jù)思維和對(duì)前沿?cái)?shù)據(jù)技術(shù)的了解，還需挖掘數(shù)據(jù)深層的價(jià)值，以用戶為中心，深入理解用戶需求，增加用戶體驗(yàn)，用體驗(yàn)促進(jìn)轉(zhuǎn)化。

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的干货：如何进行用户流失分析与预警？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。