關于用戶流失，數據分析可以挽回一線生機

關于流失，就不必過多的說明了，古往今來，從菜市場到互聯網，都是各行從業者所不想看到的。然而人有生老病死，新陳代謝式的流失是不可避免的。

有些流失是無法避免的，但也有可以挽留的。

流失的分類

剛性流失

可以進一步分為新用戶水土不服型和老用戶興趣轉移型，這部分流失用戶是無法挽留的，緣盡于此，花再多的錢也沒什么用，畢竟強扭的瓜兒它不甜。所以我們應該盡量將這部分用戶剝離出來，避免不必要的投入。

體驗流失

可能是應用體驗、服務體驗、交易體驗、商品體驗等等，總之就是在使用產品\服務的過程中，感到了一絲不爽，正所謂一言不合就流失。對于我們而言，當然是要找到哪個環節讓用戶感受到了不爽，并及時維護，盡最大程度減少體驗流失。

競爭流失

也就是用戶已經轉粉了?？赡苁歉偁帉κ值捏w驗更好，可能競爭對手推出了什么優惠的政策。我們也需要抓住行業的動態，針對競爭對手的搶粉行為做出相應的行動，來避免競爭所帶來的流失。

關于流失的定義

各公司對流失的定義不同，可能是7天內沒有登陸行為，一般一款游戲7天沒有再次登陸的基本就可以算是流失了；也可以是幾個月之內沒有交易行為，電商或者o2o公司的流失周期會比較長，它的流失也沒有像游戲或者內容應用那樣好判斷。那對于一個公司來說，怎樣一個沉默周期就算做是流失了呢？可以通過回流率來判斷，如果第8天的回流率依然很高，那么7天沉默就算作流失肯定就不合適了。（回流率＝時間周期內流失的再回訪的人數/時間周期內流失的人數）

關于流失的分析

關于流失的常規數據監控，一般都是和存留一起的，本身兩者也是分不開的（出門左轉，前面已經寫了存留相關的內容）。單獨針對流失的，最多可以利用finereport看到如下圖樣式的監控：

上圖對整體的流失情況進行一個總體的監控，關注點在于流失率是否穩定、新用戶流失與老用戶流失占比。一般來說，新用戶流失率比較高，而老用戶流失的嚴重性更大一些，當發現老用戶流失率較高的情況，應該針對流失用戶進行更近一步的分析，要對流失用戶進行聚類，另外關聯流失用戶的行為日志，將分析結果最終落地到產品。私以為，只有從產品的角度降低老用戶的流失率才是靠譜的，其他手段都是治標不治本。

關于新用戶的流失，今天跟朋友聊到，一款產品或者游戲的運營，避免不了新用戶的流失率是越來越高的。一款新的產品剛上線時，用戶質量一般比較高，而當一款產品運營一段時間后，所謂的新用戶有一定程度上是運營人員強行拉過來的，質量會有所下降。so，還是重視老用戶的存留，and，關于渠道的價值評估也是一定要加上存留率了如下圖（前面寫的僅僅有轉化率、roi、流量的相關的渠道價值評估，關于渠道的價值，應該綜合更多維度分析）。

另外可以針對流失的用戶類型進行近一步的分類如下，來為運營人員分析用戶流失分析提供初步假設：

當然，上面所描述的都是最基本的監控性報表，對于流失而言，更多的是深度的分析，需要對潛在流失用戶進行預測、對流失原因進行分析，各參數與用戶流失的相關性分析等。這些就需要考慮具體的業務場景進行建模分析了。

有朋友提醒，渠道是無處不在的，貫穿于整個運營體系之中，存留的曲線圖也需要按照渠道來進行細分對比。例如：當發現次日存留率較低，點擊圖標進入下一層，羅列出所有渠道的次日存留率，來達到對存留更全面的認識，也是對渠道價值的監控。