流失用户预警分析

为什么流失用户重要

流失用户对于平台来说都是非常重要的（电商类平台为例）

1. 用户流失直接造成了gmv的下降
2. 用户流失使用户结构动态变化，对平台的策略有潜在风险
3. 调查用户流失的原因，防止或者减缓流失
   这三条不是独立的，而是互相支持相辅相成

流失预警及判定

无法衡量它，就无法增长它
很多人看到这个都会说，流失不就是离开平台了嘛，电商类的就是不再买了，功能类的就是不再使用了，很简单的定义啊。但是，这只是定性，如何定义用户离开？用户离开多久后还会回来？不同的平台离开的定义不同，离开10天和30天的用户也不同。

此处选取一个互金行业的经典场景：用户赎回资金后，有多大概率及多久会将赎回的资金再次投资？

数据获取及处理

1. 选取4个月前将资金完全赎回的用户（时间范围为一个月）
2. 用户赎回后的第一笔投资情况，如果没有投资返回null值

分析思路

1. 将用户样本锚定在一批预流失用户中
2. 观察这批用户的赎回后行为

• 赎回后继续投资
  • 赎回当日投资
  • 赎回后一周内投资
  • 赎回后两周内投资
• 赎回后至今没有投资
  • 赎回日期距今天数

3. 计算集中的流失概率（此处为后验结果）
4. 定义流失：计算赎回后天数的阈值
5. 预警流失：使用贝叶斯公式计算 赎回后xx日未投资的用户属于流失用户的概率

可视化呈现

由于数据量不大（样本数据15000条），计算和可视化都是在Tableau中完成的。上一张最后的流失概率计算图 图中数据已经作脱敏处理

[email protected]

除了计算流失概率，还将样本用户做了一次流失价值判断图中数据已经作脱敏处理

[email protected]

业务场景应用

流失判定的业务场景基本可以分类

1. 在判断用户流失前预警
2. 用户转变为流失用户后进行分层召回及回访

在用户的整个生命周期中，相比流失后的策略，窃以为最重要的还是潜在流失及流失预警，将用户的生命周期（Life Circel）不断延长，才能贡献更多的GMV和利润。
因为，用户一旦达到流失的某个阈值，召回难度和成本都将大幅上升。

---

我的tableau public :https://public.tableau.com/profile/yangliang7968#!/