与其等用户流失后通过运营手段进行召回,不如一开始就准备好一套用户流失预警体系,可以更有效降低用户流失率。本文对于一款社区o2o社区产品来说,用户流失是一直是市场、运营、产品为关心的问题之一。一般用户运营过程中,围绕流失用户的解决方案是将平台一段时间内未有消费行为的用户定义为流失用户,并对流失用户进行活动召回。
这种运营模式是在用户流失后采取的干预行为,往往具有滞后性,对于已经卸载APP用户难以触达或者召回的可能性微乎其微。
那么一套行之有效的用户流失预警体系对防止用户流失意义非凡,在无需借助数据运营平台及机器学习的前提下如何搭建用户流失预警模型是本文探讨的主要课题。
我们在实际运营过程中把用户流失预测归结为3个问题:
- 问题一:预测哪些用户会流失?
- 问题二:用什么样的数据模型来预测?
- 问题三:可能流失用户的特征是什么?
以一个实例来讨论这个问题,平台洗衣频道发现近客户流失严重,打算组织一场用户活动来遏制这种趋势,可是这个客户挽留活动是频道众多市场活动中的一个,预算也有限,需要用户部门通过数据挖掘的方法找到可能流失的高价值用户,并刻画这部分用户的特征,从而利用流失用户的特征找到其他可能要流失的用户进行分群运营。以下5个步骤来探讨流失用户具体运营方法:
一、如何定义用户流失?首先对样本用户进行流失定义,可以根据样本用户的流失特征帮助我们预测相似性用户流失的概率。
经过与洗衣频道的运营人员沟通,首先将洗衣频道用户定义为流失用户与非流失用户两大类型,以3个月内是否有消费行为对用户进行初步流失划分。在数据层面,流失用户用1表示,非流失用户用0表示。
二、哪些用户数据可以刻画用户流失特征?需要考虑哪些用户数据可以影响到用户流失?这是搭建用户预警模型至关重要的一步。从数据层面需要用户画像数据和行为数据两个维度,即:
- 用户画像信息:ID、性别、年龄、地域、会员类型、用户