上篇文章?留存分析從入門到進(jìn)階?中我們介紹了兩種不同的留存定義，以及各自適用的行為和分析場景。同時還基于模塊中的一些小功能講述了如何做進(jìn)階版的分析，最后對正確使用分組查看的方法進(jìn)行了說明。

對于非常熟悉用戶運營&留存分析功能的人員，以上的內(nèi)容對于你來說，一定都是慣用的分析手段。但除了這些分析場景外，同學(xué)們一定還有很多目前留存分析不能滿足的訴求，是否有替代的辦法呢？

答案是，通過打出用戶分群、事件分析和預(yù)警分析組合拳，就能夠滿足極大多數(shù)分析場景！

（備注：本文中涉及的數(shù)據(jù)均為 demo 環(huán)境下模擬的虛擬數(shù)據(jù)）

• 我們現(xiàn)在來思考這樣一個問題：

對于那些已經(jīng)流失的用戶，我們雖然有可能通過各種召回方式將他拉回產(chǎn)品內(nèi)，但是需要成本。

而對于那些留下來的用戶，如果促使他留下來的因素一旦消失了，他一定會極大概率流失。對這部分用戶我們是能夠做到事前避免，事后預(yù)警，且運營成本也不高。

這類問題在直播行業(yè)、垂直領(lǐng)域產(chǎn)品經(jīng)常性發(fā)生，例如在直播行業(yè)中，如果某個直播間的內(nèi)容改變了，習(xí)慣去看這類內(nèi)容的受眾一定去尋找替代品，若短期內(nèi)在產(chǎn)品內(nèi)尋找不到，流失是必然的。

本期我們以直播產(chǎn)品為例，通過打出用戶分群、事件分析和預(yù)警分析組合拳，來實現(xiàn)這類問題的事前預(yù)警和事后分析。

直播產(chǎn)品案例

1. 基準(zhǔn)時間：

3 月 15 日

2. 本次訴求：

找出過去十五天至過去五天（3 月 1 日起，3 月 10 日止），這十天內(nèi)進(jìn)入直播間次數(shù)超過 7 天，但是在過去五天內(nèi)（3 月 10 起，3 月 15 日止），再也不進(jìn)入直播間的用戶，分析這批核心用戶沉默的人數(shù)、比例、促使他最初留下的因素，未來的此類事情再次發(fā)生的提前預(yù)警。

3. 使用方法：

用戶分群、事件分析、預(yù)警管理

▼

首先我們通過用戶分群圈選出這部分曾經(jīng)留存的核心用戶，將其保存為“曾經(jīng)留存”用戶分群，具體的配置如下：

其次我們根據(jù)訴求，圈選出這部分曾經(jīng)留存目前沉默的核心用戶，將其保存為“曾經(jīng)留存目前沉默”用戶分群，具體的配置如下：

用戶分群配置完畢后，我們進(jìn)入事件分析，選擇自定義指標(biāo)，計算出這群用戶的人數(shù)、比例，具體的配置如下：

我們發(fā)現(xiàn)，核心人群每天大概 5 千到 6 千，流失的人數(shù)每天小于 50，流失比率小于 5%。

為了避免流失人數(shù)和流失比率出現(xiàn)大幅增加，我們可以通過預(yù)警功能來實現(xiàn)對此用戶群體的時刻監(jiān)控。具體的配置內(nèi)容如下：

配置完成后，若流失比率高于 5%，將自動發(fā)送預(yù)警郵件，提醒運營同學(xué)防止事態(tài)惡化。

在設(shè)置完事前預(yù)警后，我們?nèi)詰?yīng)分析促使這群用戶留存的原因與流失的原因，具體的分析方式，通過事件分析，按“直播間名稱”或“直播間標(biāo)簽”分組查看即可。

知道了具體的流失直播間名稱，再結(jié)合業(yè)務(wù)上的一些策略變動，我們就可以制定一系列的響應(yīng)措施。

例如圖中我們發(fā)現(xiàn)“元芳你怎么看”“火影忍者”等直播間流失人數(shù)較高，這可能是由于版權(quán)的因素導(dǎo)致的流失，而“華山論劍職業(yè)聯(lián)賽”則是因為賽事結(jié)束的因素，用戶不再進(jìn)入直播間，不同類型的原因制定的策略自然也就不同。

?

總結(jié)

本文嘗試回答了當(dāng)有限的留存分析功能不能滿足訴求時，是否有替代的辦法這個問題。

我們可以通過用戶分群和事件分析得以實現(xiàn)自定義的留存人數(shù)、流失比率的計算。

同時，神策分析提供了預(yù)警功能，通過設(shè)定流失預(yù)警線，在流失高于日常規(guī)律時，發(fā)送相應(yīng)的預(yù)警郵件方式，實現(xiàn)風(fēng)險的事前控制。

最后，通過事件分析的分組查看功能，我們能夠分析出導(dǎo)致流失的可能性因素，從而更加精準(zhǔn)的制定運營策略。

■?作者?■

?

盼家只是在反思

神策數(shù)據(jù)分析師

*作者原創(chuàng)聲明，轉(zhuǎn)載請注明出處

?

▼▼▼

【更多干貨】

• 微信小程序增長慢？你的流量來源分析對了嗎？

• 實踐心得 | 運營活動中數(shù)據(jù)異常問題的排查實戰(zhàn)

• 漏斗分析究竟能夠給業(yè)務(wù)人員帶來什么？

?

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的用户流失的事前预警与事后分析的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。