任何一個産品，使用者流失都是一種必然現象。
使用者挽留的第一步就是建立使用者流失模型，隻有建立一個準确的使用者流失模型，才能讓後續的工作，如梳理使用者流失節點、通過各種管道對使用者進行召回，事半功倍。
一 使用者模組化的底層邏輯
首先，為什麼要模組化？
因為使用一個産品的使用者千千萬，每個人的興趣、性格千差萬别，産品端不可能做到對每一個人的1V1服務。
但是網際網路使用者又是很挑剔的，越來越多的精準推送、個性化營銷、個人特權，都是在滿足每個人獨特的口味。可以說現在的網際網路環境下，精準，是産品和服務能否有機會與使用者連接配接的核心。
是以要使用者模組化，其目的是明确使用者特征，在最低成本、涵蓋最大範圍的基礎上，實作最高效率的營運。
好，那如何做呢？
使用者模組化的切入點有兩個：使用者屬性、使用者行為。
使用者屬性特征就是使用者一時難以改變的基礎資訊，包括地域、性别、年齡、教育程度、社會身份等等。
比如：一個一線城市的女大學生，和一個四線城市的全職媽媽，對産品的使用需求、資訊的接受程度可能就有很大的不同。
而使用者的行為特征就更有價值了：她喜不喜歡我們的産品？是怎麼在使用我們的産品？使用過程中有沒有明顯的偏好？使用頻率如何等等。
有了以上這兩個基礎，我們能夠大機率地還原這個使用者的真實畫像。
使用者模組化，就是要把不同屬性和行為的使用者拆分開來，再依據不同的目标進行差別化營運。
比如：針對活躍度這一名額，使用者模組化的具體應用場景是：針對不活躍的使用者啟動針對性的活躍度提升的營運政策，針對活躍使用者啟動針對性的加強忠誠度，引導帶動不活躍使用者的營運政策。
二 使用者流失模型的搭建
當我們在進行使用者流失模組化的時候，要點就是把流失使用者根據一定的屬性或行為特征進行分類，為流失使用者進行屬性或行為特征的拆解，找到對于流失使用者的關鍵性名額。
主要應用在兩個方面：流失使用者召回、現有活躍使用者防流失。
具體步驟：
1. 定義流失使用者
精準防範使用者流失時，要做的第一步就是先明确流失使用者定義，需要根據自身産品的類型、調性以及使用者畫像來定義流失使用者的概念。
但是不同類型的産品對使用者活躍程度的要求不一樣，是以也無法設定一個統一的标準。在這裡我提出兩個标準，以作參考。
标準1:針對社交類産品，以DAU/MAU的名額定義流失使用者
社交類産品對使用者黏性有着極高的要求，是以使用者活躍度是重要考核标準。DAU/MAU的數值是一個介于0.03-1之間數字，數字越高，活躍度越高（DAU取當月的每日DAU的平均值）。
如果DAU/MAU=1，那麼說明使用者每天都來，是以DAU和MAU相等，而這個值的最低線就是0.03左右，即所有的使用者一個月隻來一天，低于0.03的使用者基本上可以被定義為流失使用者。
除了微信、QQ這樣每天都必須要用的社交産品（微信的DAU/MAU的比例從2016年以來一直維持在075-0.8左右的比例，使用者的粘性極強），基本上DAU/MAU達到0.3左右就是比較活躍的，就是使用者基本上每三天會打開一次。
标準2:針對電商類産品，以購買活躍度的名額定義流失使用者
産品的使用場景決定了它基礎的使用頻次，并不是所有的東西都要每天使用才算有價值的。在另一端還有一些産品雖然使用是偶爾使用的，但每一次互動都具有很高的價值，針對這些産品DAU/MAU就不是合适的名額。
淘寶的活躍度隻有0.29，平均活躍度基本上是一周三天左右，但是淘寶是一個電商應用，本就不可能讓使用者每天打開浏覽，其購買活躍度才是更重要的名額。
電商APP通過使用者購買來盈利，是以通常以購買的活躍程度來定義流失使用者。如果使用者隻看不買，對于電商來說就是一個可能會流失的使用者。
2. 建構使用者流失模型
應用于參考不同頻次的使用者的行為特征來建構行為模型的做法，為流失使用者進行行為特征的拆解，找到對于流失使用者的關鍵性名額。
建立模型的一大便利是可以清晰地看出流失使用者具體的臨界值，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？
這時候就可以利用圖表來判斷：當流失率到達一個比較穩定的趨勢時，定義這個時間點的流失使用者比較合理。
這批新使用者的流失率達到40%，且在第28天後達到一個穩定趨勢，即證明了“30天内沒通路”就認定為流失使用者的這個定義還是比較合理的。
而且從圖中還可以看出：使用者在激活後的兩周内流失率是比較高的，如果熬過這兩周，流失的使用者也大大降低。
接下來，就是細分這批流失使用者畫像，包括他們和活躍使用者的行為差異、進入app的管道、在流失之前對app的通路頻次、在app的使用行為（如：是在哪個環節跳走後而流失），進而推斷使用者流失的原因。
舉個例子：對使用者行為進行分析，發現使用者A在流失前通路頻次很高，每周會通路3-5次，但是幾次從app跳走的頁面都是支付頁，那麼極有可能支付環節出了大問題。
可能是支付經常提示錯誤造成使用者厭煩，可能是支付流程複雜讓使用者覺得困擾。不好的體驗造成了使用者A流失的主要原因。
再舉個例子：某産品在經過一次更新以後發現使用者流失率增加，經過使用者屬性分析發現：其中女性流失使用者占比較大，那麼可能是産品改版以後UI界面不讨女性使用者喜愛。或者經過行為分析發現：新注冊使用者流失比例很大，那可能是改版以後的新手引導沒有做好。
3. 找到産品留存關鍵點，通過各種管道召回
定義了流失使用者、也建立了使用者流失模型，找到了使用者流失原因，接下來就是要召回使用者了。
常見的有：短信、email、站内push、微信服務号等。
在這個環節中，使用者流失模型同樣能派上大用場。
比如:根據購買頻次和金額來細分
- 1次也沒購買過的使用者可派發大額度優惠券、大促活動或超低價商品吸引回訪，成為首單新客。
- 購買1—2次且客單價較低的使用者，可精準推送優惠專場或在這個客單水準的好貨。
- 購買3次及以上的使用者，可推送使用者偏好的品牌或品類，額外增加會員專屬優惠券等形式。
總而言之，根據使用者流失模型區分不同行為和屬性的使用者，以及他們流失的節點、原因，營運才可以做到有的放矢，強化使用者召回的效果。
對流失使用者的挽回是很難的。更有效的思路是：既然我們已經知道了流失使用者的特征，那麼當不活躍使用者出現了流失使用者的特征的時候，說明出現了流失預警，需要啟動相應的防流失政策。
使用者營運工作貴在“針對性”，無論建立何種的使用者模型，都需要根據産品的特性，與資料産品團隊多次磨合，才能找到一個比較合适的模型建立方式。在對使用者進行細分後，針對性地提出解決方案，才是成功的使用者營運。
End.
作者：福祿網絡