流量红利天花板，用户流失预测很有必要

流量红利时代的消退，新增用户急剧减少、用户时间接近触顶。在这样“关注力稀缺”的市场环境下，运营想要成功冲量，就要做到“疏”、“堵”结合。运营既要吸引用户，抢占用户时间，也要精准防范用户的流失。

运营如何做到“精准”防范用户流失？作为用户运营，可以将用户流失的问题，看成是小学奥数里的蓄水池问题。首先，运营不可能做到用户不流失。那么，运营者要做的就是精准预测用户流失，通过有效的运营活动对流失概率较大的用户进行挽留，让用户流失率尽可能地低于用户增长率，这样就能保证用户量的向上增长，有了量，转化就有了基础。

那么运营如何精准预测用户流失，这需要逐一解决概念、数据、工具这三大问题：

问题一：流失用户怎么定义？ 

问题二：用什么样的数据来预测用户流失？

问题三：借助什么样的工具提高预测精准度？

流失用户怎么定义？

不同的产品对用户流失有着不同的定义，如果用统一的标准去定义，那就会出问题。举个例子， 用户流失率计算公式是用户流失数量与全部使用/消费产品（或服务）用户的数量的比例。

在实际操作中，如果仅按照字面定义去算，随着用户总量的增加，用户流失率会越来越低。换句话说，用户运营什么也没做， 但KPI却越来越漂亮。这样会制造出一种假象，以为用户越来越爱我们的产品。然而，结果并非如此。

运营在精准防范用户流失时，要做的第一步就是先明确流失用户定义。运营需要根据自身产品的类型、调性以及用户画像来定义流失用户的概念。如果是针对特定活动的用户流失，则需要从活动举办的目的和意义出发去定义用户流失概念。

比如，社交APP的价值在于解决沟通的问题，通常会以距离上次登陆的时间长短来定义流失用户。如果用户一、两个月不进行操作，则可以认为用户已经流失。这里有一点要注意，QQ和微信属于强社交的软件，即使我们不用，但还会安装在手机上。

再比如，电商APP通过用户购买来盈利，尤其是在双十一、双十二这种注重销量的特殊日子，通常以购买的活跃程度来定义流失用户。如果用户只看不买，对于电商来说就是一个可能会流失的用户。

只有流失用户的定义明确了，才能为用户流失预测制定好判断标准。

用什么样的数据来预测用户流失？

一个用户接下来将要流失的可能性有多大？从数学上来说，我们可以借助贝叶斯公式来估计用户流失的概率。该数学公式包含着朴素的真理：

当你不能准确知悉一个事物的本质时，你可以依靠与事物特定本质相关的事件出现的多少去判断其本质属性的概率。

这种流失预测的方式有点统计学+心理学的味道。以电商运营为例，如果，你看到一个用户在双十一时看得多，买得少，那么这个用户在双二十的时候不会购物的概率就很大。不过，这样的预测依旧不够精准。

随着大数据技术的发展，更精准的预测是通过数据分析，通过模型算法和深度学习的技术进行用户行为预测。在进行行为预测前，运营需要考虑哪些用户数据可以帮助预测用户流失。这是搭建计算模型至关重要的一步。

从数据层面来看，运营者至少需要详细的用户画像数据和行为数据等数据维度，即：

用户画像信息：ID、性别、年龄、地域、会员类型、用户来源等；

用户行为数据：登录天数、在线时长、登录频次、注册天数等；

用户消费数据：最近一单距今天数、累计单量、累计消费金额、客单价等。

这里要注意，每一个小维度的考量标准在不同APP中也是不一样的。社交类APP、视频类APP、打车类APP、音乐类APP等使用频次高的APP，登录频次要适当提高；阅读类APP、资讯类APP等重视用户时长的APP，在线时长要适当增加；电商类APP比较重视转化，运营可借助可视化埋点的技术精确统计购买页、支付页等转化数据。

借助什么样的工具提高预测精准度？

仅有上面说的这些数据还是不够，因为还有很多外部的因素会制约数据的准确性。

首先，所处环境、地理位置的不同会导致用户行为和兴趣偏好的不同。随着用户的地理位置的变化，他从一二线城市迁移到三四线城市，用户的APP的使用也会变化，而这些在APP自有数据中无法体现。

其次，在做流失预测时，APP本身自有数据的体量严重不足。用户都沉默流失了，不怎么打开APP使用了，怎么还能产生足够的数据呢？

再者，APP的自有数据具有局限性，无法告诉运营用户兴趣的变化。对于已经不感兴趣的用户，他们百分之百会流失，运营者也就不用去挽留这部分群体了。

因此，这时候运营就需要借助外部的力量，来提高预测的精准度。目前，比较可行的办法是与第三方大数据服务商合作，通过数据梳理找到对流失预测有效的数据，再进行双方，甚至是三方数据的整合来扩充数据体量和维度，最终完成精准的行为预测。

目前，在数据领域已经有少数公司推出了行为预测的产品。国际上做得比较靠前的是Google公司。在国内，个推是行业内较早研发行为预测的数据公司之一。除了广为人知的推送业务，个推还为开发者提供了移动APP数据统计分析产品“个数”，助力APP运营者更好地指导产品运营和推广决策。而用户行为预测是“个数”的一个重要功能，它可以为APP运营者提供流失、卸载等关键行为的预测，通过数据分析让运营者在预防用户流失的时候有据可依。另外，“个数”还具有可视化埋点统计、活跃统计、渠道统计和自定义事件统计等功能。

在大数据行为预测的帮助下，运营能够提前洞察到用户流失行为，提早进行干预，并通过相应的运营手段对即将流失的用户进行挽留，真正实现“堵”的作用。