用戶流失周期分析之拐點(diǎn)法和分位數(shù)法

?? ?

01

?? ?

背景

? ? 互聯(lián)網(wǎng)的用戶是存在一定的生命周期的, 每一個產(chǎn)品都會經(jīng)歷去獲取用戶, 用戶成長, 用戶不斷成熟, 然后用戶衰退的過程。

? ?

? ? 產(chǎn)品經(jīng)理和運(yùn)營都希望能夠在用戶流失之前, 通過一些福利體系去干預(yù)用戶, ?福利體系包括 比如天貓的滿減券, 游戲中的游戲禮包, 游戲道具, 游戲金幣等等, 都是為了去喚醒流失的用戶。

? ? 但因為我們的福利對應(yīng)的禮物是有成本的, 我們希望的是可以去干預(yù)即將流失的用戶, 以及喚回剛流失不久的用戶, 所以我們需要用科學(xué)的方法去找到這部分用戶。??

? ? 所以我們要定一個合理的周期, 這個周期就是流失周期, 流失周期指的就是如果用戶在這個時期內(nèi)沒有進(jìn)行活躍, 在這個流失周期左右的時間是我們最好去干預(yù)用戶的時間。

?? ?

02

??? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ?? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ?

流失周期確定

? ??流失周期的確定一共有兩種方法, 一種是分位數(shù)法, 一種是拐點(diǎn)法。

1. 分位數(shù)法:

   
   

   ? ? 首先先計算用戶活躍的時間間隔, 比如用戶a 活躍的時間日期分別是?2020-12-01 和 2020-12-14 那么間隔就是13天,?我們把所有用戶的活躍的時間間隔都計算好, 然后找出間隔的 90% 分位數(shù).

   
   

   ? ? 為什么是90% 分位數(shù)呢？這是因為如果有90% 的活躍時間間隔都在某個周期以內(nèi)的話, 那么這個周期內(nèi)不活躍的話, 之后活躍的可能性也不高。

? ? ? ??

? ??如上圖所示,?橫軸是?所有用戶的活躍的時間間隔, 從小到大排列, 縱軸是不同時間間隔的人數(shù)占比, 從藍(lán)線我們可以發(fā)現(xiàn)大多數(shù)的用戶充值時間間隔都在前面, 從紅線我們可以發(fā)現(xiàn)充值時間間隔在72天以內(nèi)的占比數(shù)達(dá)90%?,所以我們把72天作為用戶的流失周期

2. 拐點(diǎn)法

? ??拐點(diǎn)法要依賴留存率(留存的人數(shù)/之前活躍的人數(shù)) 指標(biāo), 整體的思路是取一段時間內(nèi)(一般取一周或者一個月)活躍過的用戶, 判斷在未來每一天的?留存人數(shù), 或者每一周的留存人數(shù), 或者每個月的留存人數(shù)。

? ? 這里我們要計算以后的每天還是每周還是每個月依賴于用戶在這個產(chǎn)品的活躍情況, 一般來說對于比較活躍的產(chǎn)品, 流失周期就是比較短這時候我們可以看天, 對于不那么活躍的產(chǎn)品, 我們就看周或者月。

? ? 這里以取周?為例,?我們?nèi)?月1號到1月31號這一個月所有活躍人數(shù), 看他在第1周, 第二周, 第三周, 第四周, 第五周, 第六周.... 每一周的留存人數(shù),?因為隨著時間的遞增, 留存的人數(shù)一般來說會越來越少,?也就是流失的人數(shù)越來越多, 但用戶的留存率不在發(fā)生變化

? ? 如上圖所示, 橫軸的數(shù)字代表每一周, 縱軸代表留存率, 我們發(fā)現(xiàn)隨著時間的推移, 留存人數(shù)越來越少, 大概是到了第十周以后, 留存人數(shù)處于比較穩(wěn)定的水平。

? ? 這個10周就是一個明顯的拐點(diǎn), 我們把10周叫做流失的分界點(diǎn)也就是流失周期

?? ?

03

??? ??? ? ??? ? ? ? ? ? ? ? ? ?? ? ? ? ?? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ?

總結(jié)

? ??拐點(diǎn)法和分位數(shù)法除了找活躍用戶的流失周期以為, 我們還可以應(yīng)用在比如找付費(fèi)的用戶的流失周期, 電商產(chǎn)品中購買的用戶的流失周期, 視頻內(nèi)容類的觀看的用戶的流失周期。