如果按照每天渠道投放获客1000名，次日留存率40%来算，每天会有60%的用户，第二天就再也不打开我们的APP，最终成为了流失用户。平均每日损失几百到数万元不等。

虽然相比动辄几百万到几千万的融资，看起来损失很小，但比较遗憾的是：大部分产品的次日留存率，远远达不到40%。

这就意味着会有更多的用户流失掉！

并且对于很多交易型产品来说，引导用户下载激活注册，仅仅是个开始，后面还需要继续引导其转化成为付费用户。

由于大部分产品的付费转化率一般在10%以下，所以每日实际的损失，只会比你看到的更多。

任何公司在用户增长方面，如果只做到了不断砸钱推广，而对于流失用户漠不关心的话，那这不仅是巨大的资源浪费，更是一种慢性自杀。所以，建立起“完整的流失用户召回体系”就显得非常重要。

为什么要进行流失用户画像？

当然是为了更好的了解他们，只有足够的了解才能投其所好，才有可能召回他们。

一般来说，流失用户画像可以从人口属性和行为属性两个方面展开分析。

第一步可以从流失用户的性别、地域、职业、年龄层等人口属性出发，勾勒出流失用户画像的基本框架；

第二步再结合用户注册渠道、访问途径、内容偏好、主要行为，以及用户最后一次交互行为来提炼流失用户的群体特征。

注意，重点关注流失用户的最后交互行为的具体动作是什么、对象是什么、时间点是什么，这对于我们了解该用户群体的偏好有极大参考意义。

总之，流失用户画像是流失用户召回体系中的行动指南。流失用户画像越细致，代表性越强，召回成功率越高。

建立用户操作路径图

在召回流失用户前我们要先清楚用户是如何使用产品的，从而分析用户在使用过程中是否有破坏体验的缺陷，导致了用户的流失。以视频APP为例，我们具体分析一下用户的使用操作过程。

视频APP主要的功能就是播放，对于新用户来说首页的元素展示和搜索功能都能抵达播放。如果新用户没有完成播放，我们就要思考是否是首页的内容不够吸引人，还是搜索时没有找到自己感兴趣的内容。对于老用户来说，搜索功能弱化了，更重要的在于离线缓存、观看历史以及继续观看等板块。由此来看新老用户的使用路径要区分开，比如新用户更加注重搜索功能，而老用户则可以重视历史、下载等功能。

建立用户流失预警模型

理顺用户操作路径后，我们就能大致了解了产品中的重要节点，这时就要将这些节点的重要度进行分级。如果有一定的数据支撑，可视化图表以及热力图会有很大的帮助。当然如果数据不够，我们也可以借助用户反馈进行弥补，这主要涉及大量的信息整理分析的工作，需要在事先将思路理顺，不要被繁杂的信息所干扰导致本末倒置。模式的维度可根据使用频次和使用单次时长等维度来界定，可以结合自身的产品特点而灵活定义。