流量紅利時代的消退，新增用戶急劇減少、用戶時間接近觸頂。在這樣“關注力稀缺”的市場環境下，運營想要成功衝量，就要做到“疏”、“堵”結合。運營既要吸引用戶，搶佔用戶時間，也要精準防範用戶的流失。
運營如何做到“精準”防範用戶流失？作為用戶運營，可以將用戶流失的問題，看成是小學奧數里的蓄水池問題。首先，運營不可能做到用戶不流失。那麼，運營者要做的就是精準預測用戶流失，通過有效的運營活動對流失概率較大的用戶進行挽留，讓用戶流失率儘可能地低於用戶增長率，這樣就能保證用戶量的向上增長，有了量，轉化就有了基礎。
那麼運營如何精準預測用戶流失，這需要逐一解決概念、數據、工具這三大問題：
問題一：流失用戶怎麼定義？
問題二：用什麼樣的數據來預測用戶流失？
問題三：藉助什麼樣的工具提高預測精準度？
- 流失用戶怎麼定義？
不同的產品對用戶流失有著不同的定義，如果用統一的標準去定義，那就會出問題。舉個例子， 用戶流失率計算公式是用戶流失數量與全部使用/消費產品（或服務）用戶的數量的比例。
在實際操作中，如果僅按照字面定義去算，隨著用戶總量的增加，用戶流失率會越來越低。換句話說，用戶運營什麼也沒做， 但KPI卻越來越漂亮。這樣會製造出一種假象，以為用戶越來越愛我們的產品。然而，結果並非如此。
運營在精準防範用戶流失時，要做的第一步就是先明確流失用戶定義。運營需要根據自身產品的類型、調性以及用戶畫像來定義流失用戶的概念。如果是針對特定活動的用戶流失，則需要從活動舉辦的目的和意義出發去定義用戶流失概念。
比如，社交APP的價值在於解決溝通的問題，通常會以距離上次登陸的時間長短來定義流失用戶。如果用戶一、兩個月不進行操作，則可以認為用戶已經流失。這裡有一點要注意，QQ和微信屬於強社交的軟件，即使我們不用，但還會安裝在手機上。
再比如，電商APP通過用戶購買來盈利，尤其是在雙十一、雙十二這種注重銷量的特殊日子，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，對於電商來說就是一個可能會流失的用戶。
只有流失用戶的定義明確了，才能為用戶流失預測制定好判斷標準。
2. 用什麼樣的數據來預測用戶流失？
一個用戶接下來將要流失的可能性有多大？從數學上來說，我們可以藉助貝葉斯公式來估計用戶流失的概率。該數學公式包含著樸素的真理：
當你不能準確知悉一個事物的本質時，你可以依靠與事物特定本質相關的事件出現的多少去判斷其本質屬性的概率。
這種流失預測的方式有點統計學+心理學的味道。以電商運營為例，如果，你看到一個用戶在雙十一時看得多，買得少，那麼這個用戶在雙二十的時候不會購物的概率就很大。不過，這樣的預測依舊不夠精準。
隨著大數據技術的發展，更精準的預測是通過數據分析，通過模型算法和深度學習的技術進行用戶行為預測。在進行行為預測前，運營需要考慮哪些用戶數據可以幫助預測用戶流失。這是搭建計算模型至關重要的一步。
從數據層面來看，運營者至少需要詳細的用戶畫像數據和行為數據等數據維度，即：
用戶畫像信息：ID、性別、年齡、地域、會員類型、用戶來源等；
用戶行為數據：登錄天數、在線時長、登錄頻次、註冊天數等；
用戶消費數據：最近一單距今天數、累計單量、累計消費金額、客單價等。
這裡要注意，每一個小維度的考量標準在不同APP中也是不一樣的。社交類APP、視頻類APP、打車類APP、音樂類APP等使用頻次高的APP，登錄頻次要適當提高；閱讀類APP、資訊類APP等重視用戶時長的APP，在線時長要適當增加；電商類APP比較重視轉化，運營可藉助可視化埋點的技術精確統計購買頁、支付頁等轉化數據。
3. 藉助什麼樣的工具提高預測精準度？
僅有上面說的這些數據還是不夠，因為還有很多外部的因素會制約數據的準確性。
首先，所處環境、地理位置的不同會導致用戶行為和興趣偏好的不同。隨著用戶的地理位置的變化，他從一二線城市遷移到三四線城市，用戶的APP的使用也會變化，而這些在APP自有數據中無法體現。
其次，在做流失預測時，APP本身自有數據的體量嚴重不足。用戶都沉默流失了，不怎麼打開APP使用了，怎麼還能產生足夠的數據呢？
再者，APP的自有數據具有侷限性，無法告訴運營用戶興趣的變化。對於已經不感興趣的用戶，他們百分之百會流失，運營者也就不用去挽留這部分群體了。
因此，這時候運營就需要藉助外部的力量，來提高預測的精準度。目前，比較可行的辦法是與第三方大數據服務商合作，通過數據梳理找到對流失預測有效的數據，再進行雙方，甚至是三方數據的整合來擴充數據體量和維度，最終完成精準的行為預測。
目前，在數據領域已經有少數公司推出了行為預測的產品。國際上做得比較靠前的是Google公司。在國內，個推是行業內較早研發行為預測的數據公司之一。除了廣為人知的推送業務，個推還為開發者提供了移動APP數據統計分析產品“個數”，助力APP運營者更好地指導產品運營和推廣決策。而用戶行為預測是“個數”的一個重要功能，它可以為APP運營者提供流失、卸載等關鍵行為的預測，通過數據分析讓運營者在預防用戶流失的時候有據可依。另外，“個數”還具有可視化埋點統計、活躍統計、渠道統計和自定義事件統計等功能。
在大數據行為預測的幫助下，運營能夠提前洞察到用戶流失行為，提早進行干預，並通過相應的運營手段對即將流失的用戶進行挽留，真正實現“堵”的作用。
在流量天花板已經顯現的今天，預測和防範用戶流失將變得更為重要，這就要求運營不僅需要有縝密的數據思維和對前沿數據技術的瞭解，還需要找到好的數據合作伙伴，共同挖掘運營數據深層次的價值，從用戶需求出發，以服務留住用戶，用體驗促進轉化。
閱讀更多 個推 的文章
