如何用数据表现确定流失用户

source: 用数据表现确定流失用户 - 知乎 (zhihu.com)

主题:

流失用户的判定

 

摘要:

可以从两个方面着手: 流失的标志性行为; 时间周期.

1.标志性行为

标志性可以是: 登录、访问、付费. 选择哪种行为, 与产品形态有关.

对理财类产品, 流失指用户不再投资, 回撤资金; 对工具类产品, 流失指用户不再登录; 对新闻类产品, 流失指用户不再看新闻.

2.时间周期

时间周期依据具体场景和行为来给定. 例如多久不登录算作流失?

对社交类产品, 连续30天不登录为流失; 对游戏类/新闻类等高粘度产品, 连续7天不登录为流失; 对淘宝/京东等电商工具类产品, 本身使用不频繁, 几个月不登录为流失.

3.用数据表现确定流失

如何定义流失周期, 这里引入一个概念: 流失回访用户, 即用户曾经流失过, 流失期间内未访问产品, 后续重新访问产品.

于是我们可以定义一个关键指标, 流失用户回访率 = 流失回访用户数 / 流失用户数.

 

存疑:

对于全量用户群, 或核心用户群(例如充值/非充值用户), 借助流失用户回访率指标, 和"该指标-时间"曲线, 我们可以定义流失周期.

原文中, 回访率使用流失用户群体人数作为分母(同时是统计周期初期的总人数).

随着时间流逝, 流失用户回访率呈现下降趋势,

以回访率小于某个值(比如5%)时对应的时刻(比如8周), 来确定用户流失周期为8周, 即连续8周未登陆的用户判定为流失.

而初期的用户群体本身就需根据"流失"来判断. 初期无法定义哪些是用户是"流失"的, 也无法得到用户流失周期.

于是原文关于流失和流失周期的定义都不是well-defined.