“商業(yè)的目的在于創(chuàng)造和留住顧客?！薄说谩さ卖斂?/span>
流量紅利的消失，讓企業(yè)的獲客成本日益增高，同時，企業(yè)每流失一位用戶的損失也變得越來越大。企業(yè)盡早意識到自己產(chǎn)品的用戶留存問題并采取措施顯得尤為重要。
用戶的高留存率不僅可以帶來更多的收益，同時也可以讓產(chǎn)品的推廣之路更加順暢。因為用戶使用產(chǎn)品的時間越長，口碑營銷推薦的可能性也就越大。
如何做好留存，減少流失？華為預測服務將給你答案。
相信絕大多數(shù)人在初識流失預測的時候，都會發(fā)出如下幾連問：
如何界定該用戶將會流失？
預測出來的結果準確度如何？
預測出來的人群都有什么樣的屬性？
預測出來的結果能干什么？
下面我們來一探究竟。
一、如何界定該用戶將會流失
首先，我們需要確定在什么時間范圍內(nèi)用戶未活躍將被視為流失。因為，時間太短或者太長，對我們?nèi)Χ魇巳汉笳归_召回活動，都將產(chǎn)生直接影響。時間太短，雖然可以覆蓋更多的流失人群，但是這其中也包含了很多非流失人群，會帶來更多的召回成本；時間太長，用戶已徹底流失，召回動作的意義已然不大。
華為預測服務的流失預測任務，通過大量的實驗數(shù)據(jù)并洞察各行業(yè)的用戶生命周期特點，使用應用最近兩周內(nèi)用戶的活躍數(shù)據(jù)訓練模型，以預測應用最近一周的活躍用戶在未來一周內(nèi)流失的概率，如果在未來一周內(nèi)，您的用戶始終未活躍或者已卸載應用，都將被視作流失。
二、預測結果準確度如何
流失人群的定義，是一個動態(tài)的過程，隨著不同用戶每日應用內(nèi)行為的變化，其近期內(nèi)的流失概率其實是可以提前預測的。為了評估預測的準確性，我們提供了兩個指標，真正例率和假正例率。在流失預測任務中，真正例率，指被模型正確預測為流失的用戶占總的流失人群的比例；假正例率指未流失人群中，被模型誤預測為流失的用戶占總的未流失人群的比例。通過定義的字面理解，不難看出，真正例率越高，假正例率越低，預測的準確度也就越高。
另外，還可以通過查看近7天內(nèi)的歷史預測指標，來評估當前應用的整體數(shù)據(jù)上報質(zhì)量，因為預測模型的訓練是基于應用的歷史數(shù)據(jù)訓練，因此充足的數(shù)據(jù)上報將會使預測結果更加精準。
三、預測出來的人群都有什么特點
按照用戶未來流失的概率，系統(tǒng)定義了高、中、低三個比例區(qū)間，另外除了系統(tǒng)預置的比例區(qū)間，還支持自定義區(qū)間。因此，每完成1次流失預測，將生成4個預測群體。您可以對不同的群體從用戶屬性到用戶行為展開深度洞察。
以高概率流失用戶為例，首先，我們可以看到本次預測出來的高概率流失人群的數(shù)量，通過編輯，選擇屬性和行為卡片，可以在受眾看板上呈現(xiàn)出在產(chǎn)品運營過程中您所關注的指標。舉個例子，針對預測出來的高概率流失用戶，選擇“新用戶情況”、“累計會話次數(shù)”卡片，我們發(fā)現(xiàn)，這部分群體以老用戶為主且累計會話次數(shù)較多。
那么，我們是不是可以做出如下推斷：高概率流失用戶的原因不在于拉新受眾的不匹配，也不在于產(chǎn)品功能的設計，問題可能出在用戶已處于生命周期的沉默期，需要注入新的運營活力來喚醒用戶。
該如何喚醒他們呢？別急，接著往下看。
四、預測結果如何使用
配置一個折扣套餐、推送一個促活消息等運營行為，相信大家都不陌生，這也是最常見的用戶促活和召回手段。很多時候，我們都用在了已流失用戶的召回上，而用戶的召回率卻是極低的。
下面舉一個真實的案例，某游戲類應用，用戶的留存一直不太理想，限時禮包等營銷活動是他們嘗試召回已流失用戶的方法之一。但是，每做完一次禮包活動，分析后臺的數(shù)據(jù)后發(fā)現(xiàn)，參與限時禮包的用戶幾乎都是活躍用戶，而真正的目標流失用戶，參與度實在是有限。既沒有召回流失用戶還耗費了大量的時間、金錢、人力成本。
開通預測服務后，他們將預測出來的高概率流失人群，用于遠程配置。在選擇受眾人群時，僅僅將禮包活動配置給這部分用戶。次日查看后臺數(shù)據(jù)時，發(fā)現(xiàn)80%的目標用戶再次活躍。由此，我們不難發(fā)現(xiàn)，這樣的運營策略既成功挽回了將流失用戶，且花費了最少的成本。
讓運營動作精準觸達高概率流失用戶，在用戶流失之前及時挽留他們，是一種有效且成本最小化的運營策略，這也是使用預測結果的主要方式。
閩公網(wǎng)安備 35010202001226號
