用户流失率直接反映了产品的市场接受程度如何,以及运营工作的好坏。预测流失率的目标在于预测用户将会在哪个时间点离开,从而提前准备好策略,留住他们。
什么是用户流失率?我们为什么需要关注用户流失率?
简单来说:用户流失率是指用户的流失数量与全部使用/消费产品(或服务)用户的数量的比例,是用户流失的定量表述,以及判断用户流失的主要指标,直接反映了产品的市场接受程度如何,以及运营工作的好坏。
一般来说,这个指标用在“订阅型产品”的情形居多,如信息订阅类App“锤子阅读”、绝大多数的在线SaaS产品,甚至传统的牛奶订购。
由于留住当前的用户要比获取新用户来的划算,所以预测流失率的目标在于:
预测用户将会在哪个时间点离开(在订阅期结束前),在合适的时间点对这些用户施加影响,挽留他们,如通过短信、邮件或APP,利用超低价商品吸引回访或者专属优惠券等,这些策略对于一些流失用户是很有效的!
接下来,笔者将利用简单的统计学知识,介绍一种基于用户不活跃记录的用户流失预测模型。
该模型在不使用机器学习算法的情况下,可以给出一个容易理解的用户流失预测,以便我们对将要离开的用户有一个相当准确的洞察。
废话不多说,进入正题吧~
一、用户活跃的操作性定义在我们正式开始预测用户流失率之前,我们需要记录用户的历史活跃情况。做这个的目的在于:了解用户是否在使用我们的产品或服务。
那么,问题就来了,用户的“活跃”该做怎样的操作性定义(即根据可观察、可测量、可操作的特征来界定变量含义的方法)?
实际上,“用户活跃”的定义取决于你的业务背景,跟产品或者服务场景密切相关,不同类型的产品对“用户活跃”有不同的定义。以新浪微舆情的“信息监测”为例,它是一款订阅型的大数据产品,用户通过各种关键词的组合检索到信息后,然后选择邮件或者客户端订阅,按照自定义的接收频次来收取订阅信息。
对于这款数据产品来说,用户的活跃可以这样定义:如果一个用户是活跃的,那么在指定时间段内(分析单位取决于分析者,可以是天、周、月、季度或年),应该包含如下付费、使用或者互动行为:
- 该用户对“信息监测”的订阅尚未过期;
- 该用户在web端或者移动端登录产品页面;
- 该用户使用了产品的部分或全部功能,如基于信息源或者地域的定向监测功能;
- 该用户在此期间产生了一些消费,如文本数据下载、订阅续费等;
- 该用户在此期间对该产品有各种反馈,包括投诉。
- …
对于这款产品来说,以月份为单位来分析用户行为是很有意义的,因为该产品最短的订阅期是一个月,最长的订阅期是一年。
一旦清晰的界定了“用户活跃”的定义,我们就可以用这些操作性定义来对每个月份的用户(不)活跃情况进行编码,利用二进制值(0,1)—假如在X月份,用户是活跃的,将ta的活跃值设定为1,否则设定为0。
二、建立“用户不活跃档案”现在,对于每位用户,我们有了一个以月为单位的“活跃标记”,接下来我们以此为基础,建立起“用户不活跃档案”。这意味着,对于每个用户,笔者想对他们连续不活跃的月份数进行计数统计。
在这里,笔者选择了一年的“分析窗口”(也就是把12个月作为分析的时间范围),将“活跃档案”和“不活跃档案”以表格的形式呈现—蓝色表单显示每位用户在各个月份上的活跃记录,绿色表单则显示用户的不活跃记录。
根据用户在此时间段内可能出现的活跃情形,笔者枚举出3种典型用户,如下表所示:
1.用户A:该用户在刚进入“分析窗口”时是活跃的,然而在5月变得不活跃(也就是说,5月份是第一个不活跃的月份)。接下来,这个用户的不活跃状态持续到了12月,也就一直持续到了“分析窗口”的末尾
因此,从5月到12月,“用户不活跃档案”对用户连续不活跃的月份进行逐月累加的计数统计。
2.用户B:跟用户A一样,该用户刚开始也是活跃的。不同的是,该用户在3~6月期间是不活跃的,在7月仅维持了一个月的活跃状态, 接着在8月和9月又进入不活跃状态,最后在“分析窗口”的10月、11月和12月又回到活跃状态。
在这种情况下,每当用户由不活跃状态返回活跃状态时,前面的不活跃月份计数需要重置。也就是说:当我们再次对该用户的连续不活跃月份进行计数时,需要重新从1开始计数,前面的不活跃月份计数不再累加。
3.用户C:与上述提及的两类用户不同,该用户刚进入“分析窗口”时,是不活跃的状态。这种情形的发生,可能是用户的订阅早已过期(最好在正式分析前排除这种情形,因为很难处理),或者该用户在“分析窗口”开始前就是不活跃的。
因为我们看不到“分析窗口”前的用户活跃情况,所以用户在此之前的活跃状态,我们是不了解的。鉴于此状况,我们对这些月份进行特殊的标记—使用-1标记用户C头几个不活跃的月份。该用户其他的不活跃情形,可以参照前面两类用户方式进行计数。
Note:后面绿色的表单,也就是“用户不活跃档案”,才是我们接下来建立用户流失模型所需要关注的数据。
三、构建用户流失模型有了上述的关于用户不活跃的操作性定义,我们就可以在“分析窗口”内(1月份到12月份)以月份为单位,对从0到12的连续不活跃月份数上的用户数量进行计数统计。
这个步骤可以通过数据透视表实现—通过聚合每个月、每个不活跃级别的用户数量。 如下表所示:
上表中,从列的方向上来看,每个单元格的数值表示每个月的连续不活跃X个月的用户的数量。
举个例子来说:上表中第一个高亮数值(574),代表1月份已经不活跃1个月的用户数量,该数值来自于前面12月份的4815个活跃用户;第二个高亮数值(425)表示在2月份已经连续不活跃2个月的用户数量—425来自于574(1月份不活跃1个月的用户数,它是2月份不活跃2个月的用户数的基数)。值得注意的是:第一行的0个连续不活跃月份数,其实表示的是基数中活跃用户的数量。
使用这些数据,我们可以计算出在“分析窗口”内,每个月连续不活跃月份数的用户占比情况。如下面的绿色表格所示:
上表中,高亮的数值(74%)表示2月份已经连续2个月不活跃的用户占比。
该百分比是这样计算得到的:
笔者想获得最具代表性的数值,由此可以对分析窗口的最末4个月(9月,10月,11月和12月)取平均值。我们可能没有足够的数据去计算这些平均值(比如10月份、11月份和12月份)—在这种情况下,我们取所有可用数值的平均值(用于计算平均值的数值区域以红色线框标记):
四、计算用户流失概率哈哈,如果你还在看这篇文章,那么恭喜你!我们将要探讨最激动人心的部分。在这部分,我们将用上一点统计学的小知识。
让我们回顾一下