wordpress后台 菜单,网站seo与网站没关,手机网页小游戏,深圳做高端网站建设公司建立预警模型的目的是提前识别潜在流失用户#xff0c;为挽留用户赢得时间。 流失预警模型#xff0c;不应该只是单一的模型#xff0c;而应该是一系列模型。预警模型的优劣通常用准确率、召回率来衡量。准确率#xff1a;预测为流失的用户中#xff0c;有多少真的流失。召…建立预警模型的目的是提前识别潜在流失用户为挽留用户赢得时间。 流失预警模型不应该只是单一的模型而应该是一系列模型。预警模型的优劣通常用准确率、召回率来衡量。准确率预测为流失的用户中有多少真的流失。召回率真实的流失用户中有多少被预测为流失。 对于结果类的预测模型只关注预测的准确性。比如预测股票的涨跌只要模型预测准确按预测结果操作即可。但对于策略类的预测模型预测只是第一步还需要后续的一系列手段来完成目的。比如流失预警的最终目标是挽留用户预测流失还只是找对目标如何挽留还得对症下药。 流失预警应该预测导致用户流失的早期原因而不是晚期现象。
基于用户属性的预警模型。
我们认为用户流失与产品的用户定位有关。对于精准的目标用户留存率就高对于宽泛的目标用户流失率就高。所以流失率与用户质量是强相关的。基于用户属性的预警模型就是通过分析用户的属性找到与流失相关的因子。该模型仅需用户的基本属性不涉及使用行为能在最早期预测用户的流失。 基于用户属性的预警模型因变量是用户流失自变量是用户属性预测的结果是每一个用户的流失概率。如用户的基本属性手机品牌、手机分值跑分、系统版本、运营商性别、年龄、学历、职业网络依赖程度、上网时长。先计算出满足单一条件的流失概率再计算出满足几个条件组合时的流失概率最后计算满足某些条件且不满足某些条件时的流失概率。最后通过计算用户与该模型的匹配程度得出该用户的流失概率。对于潜在用户可以根据用户质量对渠道买量进行差异化定价。对于真实用户可以及早预防提供差异化的产品解决方案。
基于关键事件的预警模型。
产品的设计中存在诸多的流程每个流程中都有关键点。当用户在某个关键点上遇到阻力的时候就容易导致产品体验不深入进而影响到用户的留存。基于关键事件的预警模型就是通过分析核心流程中关键事件的完成度来预测用户的流失概率。 基于关键事件的预警模因变量是用户流失自变量是关键流程的完成度预测结果是每一个用户的流失概率。首先梳理关键流程定义流程中的关键节点。这个不是技术活但需要对产品有深刻的理解。然后根据关键节点的达成情况定义该流程的完成度。比如订阅事件流中完整的流程应该是浏览推荐→关注→互动点赞/评论→转发→取关→主动查找→批量关注。如果用户停留在转发阶段那么该流程的完成度就是4/757%如果用户进行过批量关注那么完成度就是100%。最后通过分析各流程完成度与流失率之间的关系来预测用户的流失。
基于负体验的用户预警模型。
负体验是产品功能和体验上给用户造成不爽的经历是用户流失的重要原因没有之一。基于负体验的预流失警能帮我们分析各因素对流失的影响程度便于按照重要性排列优先级。 基于负体验的用户预警模型因变量是流失率自变量是各类负体验次数预测结果是负体验用户的流失概率。具体操作上需要先收集用户反馈梳理产品中的负体验。根据负体验的出现次数建立基本的流失模型。常见的负体验有客户端崩溃、耗电快、打开速度慢、推荐内容差、内容虚假、图片不清晰、推送骚扰等等。
基于业务粘性的预警模型。
该模型主要是分析用户在核心功能上的活跃度表现。用户使用产品往往集中在几个核心功能。一旦发现用户在核心功能上的活跃行为有下降就必须预防了。所以用户粘性的下降是用户流失的早期表现。 基于业务粘性的预警模型因变量是流失率自变量是各业务的活跃度。分析各核心业务粘性下降对于滞后几期用户的流失影响。该模型的重点是定义核心业务定义活跃行为以及保持各业务之间的独立性。
基于活跃度的预警模型。
用活跃度来预测用户流失这恐怕是数学表现最好的指标了。因为流失就是依据用户的活跃度来界定的。你说用户都30天没有来了那他离流失还远吗但是活跃度是结果指标是因变量不是自变量。这样的预测是找不到对应的原因的只能是让你知道这个用户要流失了赶快在他流失前做些措施吧。 所以我觉得基于活跃度的预警意义不大如果一定要分析建议先将用户分群再做预警比如持续不活跃的用户。这类用户的活跃度一直比较低可以说从来没有高活跃过。那么这里先要做的是刺激活跃然后才是防流失。活跃度缓慢下降的。说明产品对用户的吸引力越来越小了这类用户的预警最好结合业务粘性预警模型来分析。活跃度骤降的。之前很活跃突然间不活跃了。推理应该是某个外部原因导致的比如竞品更给力了用户换手机了等等。
转载地址常见的几种流失预警模型
