數據分析、運營必須要上的一課：新用戶流失了怎麼辦？

昨天在給大家的直播里留了一個思考題：「新用戶的流失應該怎麼分析？」今天這篇文章就為大家簡單介紹一下，怎麼去分析用戶流失問題的思路。（會涉及到很多運營方面的知識，建議大家帶着數據分析的思維去看）

業務與新用戶產生關聯的過程，就像是談戀愛，一旦兩個人分手了，你很難再把對方追回來。所以我們不能指望着新用戶流失之後再進行分析，而應該提前進行流失預警，也就是說要提前防止對方離開自己。

而新用戶的獲客成本，一般是要比老用戶要多的多，所以流失率的降低就意味着營收的增加，我們可以類比一下談戀愛的過程，來分析一下為什麼會出現新用戶的流失。

一、新用戶真的流失了嗎

很多人談戀愛的時候一定見過這樣的場景：

女：我們分手吧

男：為什麼？

女：沒有為什麼，我再也不想看見你了

男：哦，好吧

很真實對不對？

但其實女方很可能只是在生氣，故意裝出來嚇唬一下男生而已，這時候如果我們不搞清楚對方的真實態度，可能就會假戲真做，造成我們對於形勢的誤判。

我們把這個場景代入到用戶分析上也是一樣的，新用戶的生命周期比較短，所以他們表現出來的行為特徵不一定就是真實的，也就是「假的流失」。

1、所以我們要先定義一下新用戶的流失！

究竟怎麼才算是流失？比如是1個星期沒有訪問的用戶？還是2個星期沒有下單的用戶？還是3個星期沒有登錄的用戶？

比如下圖，以1個月作為流失周期，那麼十月出現但十一月沒有出現（藍色圓點代表出現）的用戶在十一月流失了，而實際上，他在十二月又出現了，是一個回訪用戶（見回訪3），並沒有真實流失。

如果我們以2個月為周期，則「回訪3」的用戶在10~11月，12月以後兩個周期內都出現過，應該是一個留存用戶。周期劃分對用戶流失界定有着直接影響。

2、對於不同的流失定義，我們需要用不同的指標去衡量

比如進行促銷活動時用到的一般是當日留存率、7日流失率，零售行業一般用到的是月流失率，to B企業經常用的是季流失率、年流失率。

當然，為了更加準確地識別出可能流失的用戶，我們甚至可以建立一些數據模型，去預測新用戶的流失概率，比如下圖的二元邏輯方程。

這個定量流失研究的模型是網上某大神做的，他將一段時間內用戶的一系列行為特徵數據（如在線天數、充值金額、積分等級、點擊次數……），代入二元邏輯回歸方程中，就可以計算出相應的流失概率。

而這裡面涉及到的指標都需要通過業務給出才行，而除了流失的定義之外，我們一般還需要從業務手裡了解到下面這些信息：

新用戶在流失前具有什麼特徵？（女朋友在發火前有什麼表現？）

新用戶是否具有價值？要不要進行挽回？（要不要真的跟女朋友分手？）

針對新用戶流失的現有措施有哪些？效果如何？（平時是怎麼哄女朋友的？）

..........

這些問題和信息業務人員不會主動告訴你，所以我們在進行流失分析之前，必須要和業務部門進行反覆溝通，拿到我們所必須要拿到的指標，否則就是巧婦難為無米之炊了。

二、新用戶為什麼流失

用戶為什麼不再過來使用我們的產品或服務了呢？這肯定是有原因的，只不過有些原因可以從數據中知道，有些原因不得而知。

我們可以將新用戶的流失分為下面幾種類型，從不同的維度上找原因：

1、「來也匆匆，去也匆匆」型

這種類型的用戶並不能稱之為「用戶」，因為他們只是生成了一個用戶數據而已，不會產生任何的行為數據，自然也不會具有任何的挽留價值，所以這種類型的新用戶屬於我們數據清洗中的主要對象。

最常見的例子，就是各種促銷活動中拉來的羊毛黨，這種用戶的停留時間一般非常短，我們可以從停留（註冊）時長、點擊（行為）數據等上進行辨識，首先將這些髒數據去除掉。

2、「主動分手」型

新用戶主動不再接受你的產品或者服務，很大原因可能是我們自身運營出了問題，或者是產品服務接受時間太長，這種用戶是我們重點要進行挽留的人群。

如果按照昨天在直播里講到的5W2H方法，我們可以從下面幾個維度去挖掘原因：

what：是用戶不會用我們的產品？還是無法接受我們的服務？who：流失掉的新用戶有什麼特徵？消費水平如何？when：從成為新用戶到流失的時長是多久？平均3天流失掉？還是5天流失掉？why：自身原因，比如新用戶離開了本地？運營原因，比如我們價格太貴？外部原因，比如政策法規？where：那些地方產生了流失？與新用戶的關係是什麼？how much：新用戶對價格的敏感度很高，是否是價格問題？每一個維度我們都要進行不斷地下鑽和分解，比如新用戶的消費畫像，我們可以用金字塔原理去不斷拆解、細分成不同的指標：

消費意願=消費成本-價格消費成本=消費水平+距離成本+時間成本+其他成本

價格=物價係數*（成本-可控利潤）

..........

能否做到完全窮盡的維度拆解，是我們搭建數據分析體系的關鍵，也是我們進行用戶流失中最難的工作。

3、「戀戀不捨」型

用戶對產品的服務體驗很滿意但還是選擇了不消費，比如餐飲行業里經常有一些外地遊客，他們可能覺得服務、價格一切都好，但是沒辦法，他們無法產生持續性消費。

一般來講這些用戶之所以使用某個產品，都是因為他們有些專門需求，他們有可能只是為了舉辦一場活動，完成一項事件，或者單純為了做好一個短期項目。

識別客戶是不是這種流失，就看看有多少賬號在短期內又被重新付費激活就能知道個大概，也就是看一下用戶的消費頻率。比如一個用戶在10天內消費了5次，但是之後再也沒產生任何的消費記錄，那麼該用戶就可能屬於這種類型。

4、「無可奈何」型

這些原因是我們最難挽留的人群，相當於已經對你死心的女朋友，就很難再追回來了。這種情況的原因可能不是在價格等可調整的因素上，最常見的就是一些不可抗和難可抗的因素，比如：

信譽不好，用戶經常投訴服務人員態度差，或不夠熱情，引發用戶不滿競爭對手，例如，競爭對手推出更優惠的套餐，很多用戶都被吸引過去品牌形象下降，例如，經常曝出的經營問題，負面新聞多，用戶往往選擇離開外部原因，比如政策等等5、「預謀已久」型

這種類型主要是因為我們做了一些價格區間，讓用戶們進行選擇，如果用戶在其中一項功能或服務中得不到足夠價值，他們肯定會流失的行為。

比如說免費軟件突然開始收費，非常容易導致用戶流失，我們就可以分析一下哪個付費服務計劃下的客戶流失最嚴重？基本版的？高級版的？還是企業版的？

6、「成群結隊」型

集群分析是完整分析客戶流失的重要環節，它的價值在於既能夠顯示出公司在業務上的一般表現，也能顯示出公司在具體活動或決定之後的業務表現。

比如說客戶流失最多的月份是哪個？上季度的價格調整對客戶流失有何影響？

比如說在上圖中你能看到在第五個月（帶有數字5的那一豎排）時，客戶流失一直朝着更高水平發展，從中你就能知曉客戶在第五個月是很容易流失的。

如果說了解了這一點，你就能在第四和第五個月着重加大對客戶的客戶成功工作，從而預防已經使用了四五個月產品的客戶出現大規模流失。

三、怎麼預測流失

我們知道了流失問題的分析目標，也知道了可能的流失原因，自然有人會問，我們能不能提前知道哪些客戶會流失，這樣的話就可以採取措施挽回了。

客戶流失預測模型就是為了解決這個問題，是利用算法預測客戶流失的概率，概率越大，就越有可能流失。

那麼流失預測如何建立？建立主要流程如下：

搭建數據模型的關鍵在於行為數據的選擇，這也是最耗時耗力的地方。在建立模型之前，有必要和數據部門來一次促膝談心，避免發生誤解，比如：

流失新用戶的定義：是1個月、2個月，還是3個月？數據關聯原則：是按照用戶維度提取數據，還是按照設備維度提取數據？數據埋點：關鍵節點上是否具有埋點？數據狀態：能否獲取歷史數據？具體的模型建立過程比較複雜，因為篇幅原因這裡就不多說了，後面會花時間着重講一下模型建立，記得關注。