数据分析、运营必须要上的一课:新用户流失了怎么办?( 三 )


比如说免费软件突然开始收费 , 非常容易导致用户流失 , 我们就可以分析一下哪个付费服务计划下的客户流失最严重?基本版的?高级版的?还是企业版的?
数据分析、运营必须要上的一课:新用户流失了怎么办?
本文插图

6、“成群结队”型
集群分析是完整分析客户流失的重要环节 , 它的价值在于既能够显示出公司在业务上的一般表现 , 也能显示出公司在具体活动或决定之后的业务表现 。
比如说客户流失最多的月份是哪个?上季度的价格调整对客户流失有何影响?
数据分析、运营必须要上的一课:新用户流失了怎么办?
本文插图

比如说在上图中你能看到在第五个月(带有数字5的那一竖排)时 , 客户流失一直朝着更高水平发展 , 从中你就能知晓客户在第五个月是很容易流失的 。
如果说了解了这一点 , 你就能在第四和第五个月着重加大对客户的客户成功工作 , 从而预防已经使用了四五个月产品的客户出现大规模流失 。
三、怎么预测流失
我们知道了流失问题的分析目标 , 也知道了可能的流失原因 , 自然有人会问 , 我们能不能提前知道哪些客户会流失 , 这样的话就可以采取措施挽回了 。
客户流失预测模型就是为了解决这个问题 , 是利用算法预测客户流失的概率 , 概率越大 , 就越有可能流失 。
那么流失预测如何建立?建立主要流程如下:
数据分析、运营必须要上的一课:新用户流失了怎么办?
本文插图
搭建数据模型的关键在于行为数据的选择 , 这也是最耗时耗力的地方 。 在建立模型之前 , 有必要和数据部门来一次促膝谈心 , 避免发生误解 , 比如:

  • 流失新用户的定义:是1个月、2个月 , 还是3个月?
  • 数据关联原则:是按照用户维度提取数据 , 还是按照设备维度提取数据?
  • 数据埋点:关键节点上是否具有埋点?
  • 数据状态:能否获取历史数据?
具体的模型建立过程比较复杂 , 因为篇幅原因这里就不多说了 , 后面会花时间着重讲一下模型建立 , 记得关注 。


推荐阅读