做好用戶運(yùn)營(yíng)，第一步就是要建立好用戶流失模型，只有建立一個(gè)準(zhǔn)確的用戶流失模型，才能更好地繼續(xù)后續(xù)的工作。

用戶運(yùn)營(yíng)就像兩個(gè)水龍頭同時(shí)打開的蓄水池，有進(jìn)就有出。任何一個(gè)產(chǎn)品，用戶流失都是一種必然現(xiàn)象。

運(yùn)營(yíng)的工作之一就是做到精準(zhǔn)預(yù)測(cè)用戶流失，通過(guò)有效的運(yùn)營(yíng)活動(dòng)對(duì)流失概率較大的用戶進(jìn)行挽留，讓用戶流失率低于用戶增長(zhǎng)率，這樣也能保證用戶量的向上增長(zhǎng)。

有了量，轉(zhuǎn)化就有了基礎(chǔ)。

用戶挽留的第一步就是建立用戶流失模型，只有建立一個(gè)準(zhǔn)確的用戶流失模型，才能讓后續(xù)的工作，如梳理用戶流失節(jié)點(diǎn)、通過(guò)各種渠道對(duì)用戶進(jìn)行召回，事半功倍。

一、用戶建模的底層邏輯

首先，為什么要建模？

因?yàn)槭褂靡粋€(gè)產(chǎn)品的用戶千千萬(wàn)，每個(gè)人的興趣、性格千差萬(wàn)別，產(chǎn)品端不可能做到對(duì)每一個(gè)人的1V1服務(wù)。

但是互聯(lián)網(wǎng)用戶又是很挑剔的，越來(lái)越多的精準(zhǔn)推送、個(gè)性化營(yíng)銷、個(gè)人特權(quán)，都是在滿足每個(gè)人獨(dú)特的口味?？梢哉f(shuō)現(xiàn)在的互聯(lián)網(wǎng)環(huán)境下，精準(zhǔn)，是產(chǎn)品和服務(wù)能否有機(jī)會(huì)與用戶連接的核心。

因此要用戶建模，其目的是明確用戶特征，在最低成本、涵蓋最大范圍的基礎(chǔ)上，實(shí)現(xiàn)最高效率的運(yùn)營(yíng)。

好，那如何做呢？

用戶建模的切入點(diǎn)有兩個(gè)：用戶屬性、用戶行為。

用戶屬性特征就是用戶一時(shí)難以改變的基礎(chǔ)信息，包括地域、性別、年齡、文化程度、社會(huì)身份等等。

比如：一個(gè)一線城市的女大學(xué)生，和一個(gè)四線城市的全職媽媽，對(duì)產(chǎn)品的使用需求、信息的接受程度可能就有很大的不同。

而用戶的行為特征就更有價(jià)值了：她喜不喜歡我們的產(chǎn)品？是怎么在使用我們的產(chǎn)品？使用過(guò)程中有沒(méi)有明顯的偏好？使用頻率如何等等。

有了以上這兩個(gè)基礎(chǔ)，我們能夠大概率地還原這個(gè)用戶的真實(shí)畫像。

用戶建模，就是要把不同屬性和行為的用戶拆分開來(lái)，再依據(jù)不同的目標(biāo)進(jìn)行區(qū)別化運(yùn)營(yíng)。

比如：針對(duì)活躍度這一指標(biāo)，用戶建模的具體應(yīng)用場(chǎng)景是：針對(duì)不活躍的用戶啟動(dòng)針對(duì)性的活躍度提升的運(yùn)營(yíng)策略，針對(duì)活躍用戶啟動(dòng)針對(duì)性的加強(qiáng)忠誠(chéng)度，引導(dǎo)帶動(dòng)不活躍用戶的運(yùn)營(yíng)策略。

二、用戶流失模型的搭建

當(dāng)我們?cè)谶M(jìn)行用戶流失建模的時(shí)候，要點(diǎn)就是把流失用戶根據(jù)一定的屬性或行為特征進(jìn)行分類，為流失用戶進(jìn)行屬性或行為特征的拆解，找到對(duì)于流失用戶的關(guān)鍵性指標(biāo)。

主要應(yīng)用在兩個(gè)方面：流失用戶召回、現(xiàn)有活躍用戶防流失。

具體步驟：

1. 定義流失用戶

精準(zhǔn)防范用戶流失時(shí)，要做的第一步就是先明確流失用戶定義，需要根據(jù)自身產(chǎn)品的類型、調(diào)性以及用戶畫像來(lái)定義流失用戶的概念。

但是不同類型的產(chǎn)品對(duì)用戶活躍程度的要求不一樣，所以也無(wú)法設(shè)定一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。在這里我提出兩個(gè)標(biāo)準(zhǔn)，以作參考。

標(biāo)準(zhǔn)1 ：針對(duì)社交類產(chǎn)品，以DAU/MAU的指標(biāo)定義流失用戶

社交類產(chǎn)品對(duì)用戶黏性有著極高的要求，因此用戶活躍度是重要考核標(biāo)準(zhǔn)。DAU/MAU的數(shù)值是一個(gè)介于0.03-1之間數(shù)字，數(shù)字越高，活躍度越高（DAU取當(dāng)月的每日DAU的平均值）。

如果DAU/MAU=1，那么說(shuō)明用戶每天都來(lái)，所以DAU和MAU相等，而這個(gè)值的最低線就是0.03左右，即所有的用戶一個(gè)月只來(lái)一天，低于0.03的用戶基本上可以被定義為流失用戶。

除了微信、QQ這樣每天都必須要用的社交產(chǎn)品（微信的DAU/MAU的比例從2016年以來(lái)一直維持在075-0.8左右的比例，用戶的粘性極強(qiáng)），基本上DAU/MAU達(dá)到0.3左右就是比較活躍的，就是用戶基本上每三天會(huì)打開一次。

標(biāo)準(zhǔn)2： 針對(duì)電商類產(chǎn)品，以購(gòu)買活躍度的指標(biāo)定義流失用戶

產(chǎn)品的使用場(chǎng)景決定了它基礎(chǔ)的使用頻次，并不是所有的東西都要每天使用才算有價(jià)值的。在另一端還有一些產(chǎn)品雖然使用是偶爾使用的，但每一次互動(dòng)都具有很高的價(jià)值，針對(duì)這些產(chǎn)品DAU/MAU就不是合適的指標(biāo)。

淘寶的活躍度只有0.29，平均活躍度基本上是一周三天左右，但是淘寶是一個(gè)電商應(yīng)用，本就不可能讓用戶每天打開瀏覽，其購(gòu)買活躍度才是更重要的指標(biāo)。

電商APP通過(guò)用戶購(gòu)買來(lái)盈利，所以通常以購(gòu)買的活躍程度來(lái)定義流失用戶。如果用戶只看不買，對(duì)于電商來(lái)說(shuō)就是一個(gè)可能會(huì)流失的用戶。

? 2. 建構(gòu)用戶流失模型

應(yīng)用于參考不同頻次的用戶的行為特征來(lái)構(gòu)建行為模型的做法，為流失用戶進(jìn)行行為特征的拆解，找到對(duì)于流失用戶的關(guān)鍵性指標(biāo)。

建立模型的一大便利是可以清晰地看出流失用戶具體的臨界值，我們都知道DAU/MAU的值越高越好，但是低于多少才算是流失呢？

這時(shí)候就可以利用圖表來(lái)判斷：當(dāng)流失率到達(dá)一個(gè)比較穩(wěn)定的趨勢(shì)時(shí)，定義這個(gè)時(shí)間點(diǎn)的流失用戶比較合理。

這批新用戶的流失率達(dá)到40%，且在第28天后達(dá)到一個(gè)穩(wěn)定趨勢(shì)，即證明了“30天內(nèi)沒(méi)訪問(wèn)”就認(rèn)定為流失用戶的這個(gè)定義還是比較合理的。

而且從圖中還可以看出：用戶在激活后的兩周內(nèi)流失率是比較高的，如果熬過(guò)這兩周，流失的用戶也大大降低。

接下來(lái)，就是細(xì)分這批流失用戶畫像，包括他們和活躍用戶的行為差異、進(jìn)入app的渠道、在流失之前對(duì)app的訪問(wèn)頻次、在app的使用行為（如：是在哪個(gè)環(huán)節(jié)跳走后而流失），從而推斷用戶流失的原因。

舉個(gè)例子：對(duì)用戶行為進(jìn)行分析，發(fā)現(xiàn)用戶A在流失前訪問(wèn)頻次很高，每周會(huì)訪問(wèn)3-5次，但是幾次從app跳走的頁(yè)面都是支付頁(yè)，那么極有可能支付環(huán)節(jié)出了大問(wèn)題。

可能是支付經(jīng)常提示錯(cuò)誤造成用戶厭煩，可能是支付流程復(fù)雜讓用戶覺(jué)得困擾。不好的體驗(yàn)造成了用戶A流失的主要原因。

再舉個(gè)例子：

某產(chǎn)品在經(jīng)過(guò)一次更新以后發(fā)現(xiàn)用戶流失率增加，經(jīng)過(guò)用戶屬性分析發(fā)現(xiàn)：其中女性流失用戶占比較大，那么可能是產(chǎn)品改版以后UI界面不討女性用戶喜愛(ài)。

或者經(jīng)過(guò)行為分析發(fā)現(xiàn)：新注冊(cè)用戶流失比例很大，那可能是改版以后的新手引導(dǎo)沒(méi)有做好。

3. 找到產(chǎn)品留存關(guān)鍵點(diǎn)，通過(guò)各種渠道召回

定義了流失用戶、也建立了用戶流失模型，找到了用戶流失原因，接下來(lái)就是要召回用戶了。

常見的有：短信、email、站內(nèi)push、微信服務(wù)號(hào)等。

在這個(gè)環(huán)節(jié)中，用戶流失模型同樣能派上大用場(chǎng)。

比如：根據(jù)購(gòu)買頻次和金額來(lái)細(xì)分。

1次也沒(méi)購(gòu)買過(guò)的用戶可派發(fā)大額度優(yōu)惠券、大促活動(dòng)或超低價(jià)商品吸引回訪，成為首單新客。

購(gòu)買1—2次且客單價(jià)較低的用戶，可精準(zhǔn)推送優(yōu)惠專場(chǎng)或在這個(gè)客單水平的好貨。

購(gòu)買3次及以上的用戶，可推送用戶偏好的品牌或品類，額外增加會(huì)員專屬優(yōu)惠券等形式。

總而言之，根據(jù)用戶流失模型區(qū)分不同行為和屬性的用戶，以及他們流失的節(jié)點(diǎn)、原因，運(yùn)營(yíng)才可以做到有的放矢，強(qiáng)化用戶召回的效果。

對(duì)流失用戶的挽回是很難的。更有效的思路是：既然我們已經(jīng)知道了流失用戶的特征，那么當(dāng)不活躍用戶出現(xiàn)了流失用戶的特征的時(shí)候，說(shuō)明出現(xiàn)了流失預(yù)警，需要啟動(dòng)相應(yīng)的防流失策略。

用戶運(yùn)營(yíng)工作貴在“針對(duì)性”，無(wú)論建立何種的用戶模型，都需要根據(jù)產(chǎn)品的特性，與數(shù)據(jù)產(chǎn)品團(tuán)隊(duì)多次磨合，才能找到一個(gè)比較合適的模型建立方式。在對(duì)用戶進(jìn)行細(xì)分后，針對(duì)性地提出解決方案，才是成功的用戶運(yùn)營(yíng)。