最近做了一些用戶流失、生命周期分析相關的項目（電商領域）。些許實戰經驗，趁周末和大家聊聊。

經常聽到有人提起“用戶流失”這個概念。

有時候出自老板之口，他可能參與了幾場業內交流會，聽到“拉一個新用戶的成本是維護老用戶的10倍”，亦或是對于行業流量見頂的焦慮，深感阻止用戶流失刻不容緩。

有時候出自運營之口，他們覺得花了老大勁兒拉來的用戶，總得做點什么，不能讓用戶白白流失掉。不過更多時候，是KPI沒完成，想把鍋甩給用戶流失的大趨勢。

有時候出自分析師之口，對用戶做了分層/分類之后，發現其中有那么一兩類用戶即將流失，需要針對性做點什么動作挽回。

我發現，大家雖然聊的都是“用戶流失”四個大字，但往往不在一個頻道。

究其根源，不同行業，不同崗位，對“什么樣的用戶行為算流失”這個問題的理解，千差萬別。

注：不同行業，對用戶的叫法會有些差別，例如電商行業會把購買的消費者叫做客戶。本文為了易于理解，統一稱為用戶。

用戶流失的兩個關鍵

我們聊用戶流失，首先要搞清楚的是“什么樣的用戶行為才算是流失”

這個問題，看似很難回答，不過只要抓住兩個關鍵點，就能從容破題。

一是“動作”，二是“時間范圍”。

用戶什么動作，對我們來說是關鍵行為？

可能是登錄，可能是使用時長，在電商行業更關注的是購買。

有了動作，還需要時間范圍來判斷流失與否。

通常用“是否超過了某個時間范圍”來判斷。

如果是電商品牌，一個用戶，最近一次購買我們的產品，距離今天已經超過2年了，那他大概率已經流失，再也不會購買我們的產品了。

這兩個關鍵點都很容易確定。動作嘛，大家很容易在內部達成共識；時間范圍嘛，則是很容易吵得焦頭爛額。

“憑什么你覺得一個用戶2年沒復購算流失？能不能有點危機意識！我偏要覺得2個月沒復購就算流失！”

那，怎么樣通過具體的時間范圍來定義用戶流失狀態呢？

簡單粗獷地界定

對于沒什么數據參考，追求快決策，或者說大家不那么重視數據的公司，拍腦袋決策永不過時。

根據所謂的行業經驗，直接拍一個數字。例如超過120天未回購的用戶是流失用戶，或者拍一個超過1年沒回購的用戶是流失用戶，需要一波喚醒操作。

至于為什么閾值是120天，150天，180天或是1年，答曰經驗。

嚴謹點的會說是行業通用法則或者是參考產品消耗周期，但這么回答的，大概率是沒有真正調研過行業具體情況，更沒有拉過各種產品消耗周期數據的。

拍腦袋界定用戶流失周期的方法，簡單，粗暴，結果的可執行程度和拍腦袋人的層級有關。如果是老板拍的，那必然是蘊含了豐富的行業經驗，大家也會找一些數據來佐證合理性。如果是實習生拍的，那必然要被拍一頓。

怎么用量化的方式，更科學的界定流失時間范圍呢？

如何用數據科學界定流失

先聊聊個體。

因為對產品、品牌無感，或者經歷了很差的購物體驗，有的用戶雖然最后一次購買距今只有15天，但其實已經流失了。

有的用戶沉寂150多天，就是為了等下波大促囤貨。

還有用戶已經1年多未復購過，但是一年半后他又回來復購了。

個體視角，能刻畫出非常多有趣、生動的用戶購買行為。不過要做分析，還得跳脫出個體，在更宏觀的層面把握整體脈絡。

量化的核心邏輯，是挖掘出不同時間范圍用戶，在此后一段時間的回購率分布。

通過用戶最近一次交易行為距離某個時間點的遠近，以及對應回購的概率，來描繪分布，找到拐點（魔法數字）。

第一步，設定一個時間錨點，界定區間。

比如2021年1月1日。以此時間點為分界錨點，確定流失分析的時間區間和回購分析的時間區間。

區間的界定有一定靈活性，回購分析區間的時間要盡量覆蓋錨點前用戶的預期復購時間，不能太短，一般會在3個月以上。

假設案例中的品牌消耗周期較長，有大促囤貨心智，所以回購分析區間長度是一年。

第二步，在流失區間內分析用戶距錨點的時間差。

說起來有點拗口，通過一張圖來總結就很形象了。

在流失分析區間內，我們統計出每個用戶最后一次的購買時間，并計算最后一次購買時間，和時間錨點的間隔天數（距錨點的時間差）。

例如A用戶，他在2021年1月1日之前購買了非常多次，但我們關注的是他最近一次購買時間2020年1月1日，這個日期距離時間錨點2021年1月1日，間隔了366天。B、C和其他用戶也是一樣的道理。

第三步，判斷回購區間內是否回購。

A用戶，雖然在流失分析區間的時間范圍內，最后一次購買距離時間錨點已經間隔了366天，但是他在回購分析的區間內（2021年1月1日——2021年12月31日）又回來購買了。

這一步是在前面流失分析的基礎上，判斷每一個用戶在回購分析區間內是否復購。

第四步，跳出個體用戶視角，分析 距錨點的時間差 和 回購區間是否購買 的分布關系

有了個體用戶視角的明細數據，根據距錨點的時間差和回購區間內是否回購這兩列數據，很容易透視得到匯總的數據：

用可視化刻畫更加清晰：

結果顯而易見：不同的時間差區間，回購的概率差異很大。

最近一次購買時間距離錨點30天以內的用戶，在錨點之后的時間范圍，回購概率高達35%。最后一次購買時間越遠，其后回購的可能性也越低。

根據分布圖，有兩種方法可以幫助我們解決“到底幾天才算是流失”的問題。

可接受閾值法：

不同的業務模式、階段，對用戶流失的容忍度是不同的。有的業務模式認為用戶回購概率低于15%，就應該算流失，做相關的預警和召回動作。那從圖上來看，150天是一個合適的閾值。因為一旦超過150天，用戶的回購率就低于15%。

拐點法：

還有一種拐點法。

通過觀察曲線拐點，我們發現211-240天之后，用戶回購率有一個明顯的崎嶇（下拐），從11%下跌至不足7%。意味著超過240天，用戶回購率有一個明顯到肉眼可見的下降幅度，突破了原有的平滑趨勢。

可以把240天這個突破點（拐點）作為用戶是否流失的閾值。如果用戶最近一次購買距今已經超過240天，那他很可能已經流失。

拐點法除了要判斷拐點，在用的時候，也要結合不同區間的量級分布。

后話

時間和篇幅有限，今天主要和大家聊了如何界定用戶流失這個小話題。方法有通用性和科學性，但還是需要結合實際場景，才能發揮出更大的價值。

用戶分析是個很大的命題。界定用戶流失只是第一步，接下來的一段時間，會不定期分享我的所做，所感，所悟。

對比Excel系列圖書累積銷量達15w冊，讓你輕松掌握數據分析技能，感興趣的同學可以點擊下方鏈接了解：

總結

以上是生活随笔為你收集整理的总算是把用户流失分析讲清楚了！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。