做好用戶運營，第一步就是要建立好用戶流失模型，只有建立一個準確的用戶流失模型，才能更好地繼續(xù)后續(xù)的工作。

用戶運營就像兩個水龍頭同時打開的蓄水池，有進就有出。任何一個產(chǎn)品，用戶流失都是一種必然現(xiàn)象。

運營的工作之一就是做到精準預測用戶流失，通過有效的運營活動對流失概率較大的用戶進行挽留，讓用戶流失率低于用戶增長率，這樣也能保證用戶量的向上增長。

有了量，轉化就有了基礎。

用戶挽留的第一步就是建立用戶流失模型，只有建立一個準確的用戶流失模型，才能讓后續(xù)的工作，如梳理用戶流失節(jié)點、通過各種渠道對用戶進行召回，事半功倍。

一、用戶建模的底層邏輯

首先，為什么要建模？

因為使用一個產(chǎn)品的用戶千千萬，每個人的興趣、性格千差萬別，產(chǎn)品端不可能做到對每一個人的1V1服務。

但是互聯(lián)網(wǎng)用戶又是很挑剔的，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?？梢哉f現(xiàn)在的互聯(lián)網(wǎng)環(huán)境下，精準，是產(chǎn)品和服務能否有機會與用戶連接的核心。

因此要用戶建模，其目的是明確用戶特征，在最低成本、涵蓋最大范圍的基礎上，實現(xiàn)最高效率的運營。

好，那如何做呢？

用戶建模的切入點有兩個：用戶屬性、用戶行為。

用戶屬性特征就是用戶一時難以改變的基礎信息，包括地域、性別、年齡、文化程度、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，對產(chǎn)品的使用需求、信息的接受程度可能就有很大的不同。

而用戶的行為特征就更有價值了：她喜不喜歡我們的產(chǎn)品？是怎么在使用我們的產(chǎn)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，我們能夠大概率地還原這個用戶的真實畫像。

用戶建模，就是要把不同屬性和行為的用戶拆分開來，再依據(jù)不同的目標進行區(qū)別化運營。

比如：針對活躍度這一指標，用戶建模的具體應用場景是：針對不活躍的用戶啟動針對性的活躍度提升的運營策略，針對活躍用戶啟動針對性的加強忠誠度，引導帶動不活躍用戶的運營策略。

二、用戶流失模型的搭建

當我們在進行用戶流失建模的時候，要點就是把流失用戶根據(jù)一定的屬性或行為特征進行分類，為流失用戶進行屬性或行為特征的拆解，找到對于流失用戶的關鍵性指標。

主要應用在兩個方面：流失用戶召回、現(xiàn)有活躍用戶防流失。

具體步驟：

1. 定義流失用戶

精準防范用戶流失時，要做的第一步就是先明確流失用戶定義，需要根據(jù)自身產(chǎn)品的類型、調性以及用戶畫像來定義流失用戶的概念。

但是不同類型的產(chǎn)品對用戶活躍程度的要求不一樣，所以也無法設定一個統(tǒng)一的標準。在這里我提出兩個標準，以作參考。

標準1 ：針對社交類產(chǎn)品，以DAU/MAU的指標定義流失用戶

社交類產(chǎn)品對用戶黏性有著極高的要求，因此用戶活躍度是重要考核標準。DAU/MAU的數(shù)值是一個介于0.03-1之間數(shù)字，數(shù)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，那么說明用戶每天都來，所以DAU和MAU相等，而這個值的最低線就是0.03左右，即所有的用戶一個月只來一天，低于0.03的用戶基本上可以被定義為流失用戶。

除了微信、QQ這樣每天都必須要用的社交產(chǎn)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，用戶的粘性極強），基本上DAU/MAU達到0.3左右就是比較活躍的，就是用戶基本上每三天會打開一次。

標準2： 針對電商類產(chǎn)品，以購買活躍度的指標定義流失用戶

產(chǎn)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。在另一端還有一些產(chǎn)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，針對這些產(chǎn)品DAU/MAU就不是合適的指標。

淘寶的活躍度只有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，本就不可能讓用戶每天打開瀏覽，其購買活躍度才是更重要的指標。

電商APP通過用戶購買來盈利，所以通常以購買的活躍程度來定義流失用戶。如果用戶只看不買，對于電商來說就是一個可能會流失的用戶。

2. 建構用戶流失模型

應用于參考不同頻次的用戶的行為特征來構建行為模型的做法，為流失用戶進行行為特征的拆解，找到對于流失用戶的關鍵性指標。

建立模型的一大便利是可以清晰地看出流失用戶具體的臨界值，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(wěn)定的趨勢時，定義這個時間點的流失用戶比較合理。

這批新用戶的流失率達到40%，且在第28天后達到一個穩(wěn)定趨勢，即證明了“30天內沒訪問”就認定為流失用戶的這個定義還是比較合理的。

而且從圖中還可以看出：用戶在激活后的兩周內流失率是比較高的，如果熬過這兩周，流失的用戶也大大降低。

接下來，就是細分這批流失用戶畫像，包括他們和活躍用戶的行為差異、進入app的渠道、在流失之前對app的訪問頻次、在app的使用行為（如：是在哪個環(huán)節(jié)跳走后而流失），從而推斷用戶流失的原因。

舉個例子：對用戶行為進行分析，發(fā)現(xiàn)用戶A在流失前訪問頻次很高，每周會訪問3-5次，但是幾次從app跳走的頁面都是支付頁，那么極有可能支付環(huán)節(jié)出了大問題。

可能是支付經(jīng)常提示錯誤造成用戶厭煩，可能是支付流程復雜讓用戶覺得困擾。不好的體驗造成了用戶A流失的主要原因。

再舉個例子：

某產(chǎn)品在經(jīng)過一次更新以后發(fā)現(xiàn)用戶流失率增加，經(jīng)過用戶屬性分析發(fā)現(xiàn)：其中女性流失用戶占比較大，那么可能是產(chǎn)品改版以后UI界面不討女性用戶喜愛。

或者經(jīng)過行為分析發(fā)現(xiàn)：新注冊用戶流失比例很大，那可能是改版以后的新手引導沒有做好。

3. 找到產(chǎn)品留存關鍵點，通過各種渠道召回

定義了流失用戶、也建立了用戶流失模型，找到了用戶流失原因，接下來就是要召回用戶了。

常見的有：短信、email、站內push、微信服務號等。

在這個環(huán)節(jié)中，用戶流失模型同樣能派上大用場。

比如：根據(jù)購買頻次和金額來細分。

1次也沒購買過的用戶可派發(fā)大額度優(yōu)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次且客單價較低的用戶，可精準推送優(yōu)惠專場或在這個客單水平的好貨。

購買3次及以上的用戶，可推送用戶偏好的品牌或品類，額外增加會員專屬優(yōu)惠券等形式。

總而言之，根據(jù)用戶流失模型區(qū)分不同行為和屬性的用戶，以及他們流失的節(jié)點、原因，運營才可以做到有的放矢，強化用戶召回的效果。  

對流失用戶的挽回是很難的。更有效的思路是：既然我們已經(jīng)知道了流失用戶的特征，那么當不活躍用戶出現(xiàn)了流失用戶的特征的時候，說明出現(xiàn)了流失預警，需要啟動相應的防流失策略。

用戶運營工作貴在“針對性”，無論建立何種的用戶模型，都需要根據(jù)產(chǎn)品的特性，與數(shù)據(jù)產(chǎn)品團隊多次磨合，才能找到一個比較合適的模型建立方式。在對用戶進行細分后，針對性地提出解決方案，才是成功的用戶運營。