用户流失的事前预警与事后分析

上篇文章 留存分析从入门到进阶 中我们介绍了两种不同的留存定义，以及各自适用的行为和分析场景。同时还基于模块中的一些小功能讲述了如何做进阶版的分析，最后对正确使用分组查看的方法进行了说明。

对于非常熟悉用户运营&留存分析功能的人员，以上的内容对于你来说，一定都是惯用的分析手段。但除了这些分析场景外，同学们一定还有很多目前留存分析不能满足的诉求，是否有替代的办法呢？

答案是，通过打出用户分群、事件分析和预警分析组合拳，就能够满足极大多数分析场景！

（备注：本文中涉及的数据均为 demo 环境下模拟的虚拟数据）

• 我们现在来思考这样一个问题：

对于那些已经流失的用户，我们虽然有可能通过各种召回方式将他拉回产品内，但是需要成本。

而对于那些留下来的用户，如果促使他留下来的因素一旦消失了，他一定会极大概率流失。对这部分用户我们是能够做到事前避免，事后预警，且运营成本也不高。

这类问题在直播行业、垂直领域产品经常性发生，例如在直播行业中，如果某个直播间的内容改变了，习惯去看这类内容的受众一定去寻找替代品，若短期内在产品内寻找不到，流失是必然的。

本期我们以直播产品为例，通过打出用户分群、事件分析和预警分析组合拳，来实现这类问题的事前预警和事后分析。

直播产品案例

1. 基准时间：

3 月 15 日

2. 本次诉求：

找出过去十五天至过去五天（3 月 1 日起，3 月 10 日止），这十天内进入直播间次数超过 7 天，但是在过去五天内（3 月 10 起，3 月 15 日止），再也不进入直播间的用户，分析这批核心用户沉默的人数、比例、促使他最初留下的因素，未来的此类事情再次发生的提前预警。

3. 使用方法：

用户分群、事件分析、预警管理

▼

首先我们通过用户分群圈选出这部分曾经留存的核心用户，将其保存为“曾经留存”用户分群，具体的配置如下：

其次我们根据诉求，圈选出这部分曾经留存目前沉默的核心用户，将其保存为“曾经留存目前沉默”用户分群，具体的配置如下：

用户分群配置完毕后，我们进入事件分析，选择自定义指标，计算出这群用户的人数、比例，具体的配置如下：

我们发现，核心人群每天大概 5 千到 6 千，流失的人数每天小于 50，流失比率小于 5%。

为了避免流失人数和流失比率出现大幅增加，我们可以通过预警功能来实现对此用户群体的时刻监控。具体的配置内容如下：

配置完成后，若流失比率高于 5%，将自动发送预警邮件，提醒运营同学防止事态恶化。

在设置完事前预警后，我们仍应分析促使这群用户留存的原因与流失的原因，具体的分析方式，通过事件分析，按“直播间名称”或“直播间标签”分组查看即可。

知道了具体的流失直播间名称，再结合业务上的一些策略变动，我们就可以制定一系列的响应措施。

例如图中我们发现“元芳你怎么看”“火影忍者”等直播间流失人数较高，这可能是由于版权的因素导致的流失，而“华山论剑职业联赛”则是因为赛事结束的因素，用户不再进入直播间，不同类型的原因制定的策略自然也就不同。

 

总结

本文尝试回答了当有限的留存分析功能不能满足诉求时，是否有替代的办法这个问题。

我们可以通过用户分群和事件分析得以实现自定义的留存人数、流失比率的计算。

同时，神策分析提供了预警功能，通过设定流失预警线，在流失高于日常规律时，发送相应的预警邮件方式，实现风险的事前控制。

最后，通过事件分析的分组查看功能，我们能够分析出导致流失的可能性因素，从而更加精准的制定运营策略。

■ 作者 ■

 

盼家只是在反思

神策数据分析师

*作者原创声明，转载请注明出处

 

▼▼▼

【更多干货】

• 微信小程序增长慢？你的流量来源分析对了吗？

• 实践心得 | 运营活动中数据异常问题的排查实战

• 漏斗分析究竟能够给业务人员带来什么？