很久沒(méi)有更新博客了，這篇再寫(xiě)一些關(guān)于“用戶流失”的內(nèi)容。之前發(fā)布的網(wǎng)站的活躍用戶與流失用戶這篇文章對(duì)網(wǎng)站的活躍用戶、流失用戶及新用戶流失做了定義，這里修正下對(duì)流失用戶的英文叫法，一般對(duì)流失用戶常用的英文為“churn user”，之前用的wastage、away、lost等都不是太規(guī)范。后來(lái)陸續(xù)有做相關(guān)分析的朋友問(wèn)到流失用戶的流失時(shí)間長(zhǎng)度到底選擇多長(zhǎng)是合理的，尤其是《網(wǎng)站分析實(shí)戰(zhàn)》這本書(shū)出版之后，我在里面有提到如何更準(zhǔn)確地定義流失的時(shí)間長(zhǎng)度，可能解釋的比較簡(jiǎn)單，還是有朋友留言反饋這方面的問(wèn)題，所以這里再用一篇文章解釋一下。

流失用戶與回訪用戶

流失用戶的定義請(qǐng)參考“網(wǎng)站的活躍用戶與流失用戶”這篇文章，要解釋怎么樣合理地去定義用戶流失時(shí)間段長(zhǎng)度的問(wèn)題，需要先介紹一個(gè)新的指標(biāo)概念：回訪用戶。這里的回訪用戶不是指Google Analytics上面的Returning Visitor（與新用戶相對(duì)，指之前訪問(wèn)過(guò)網(wǎng)站的用戶再次訪問(wèn)網(wǎng)站），這里的回訪用戶指流失之后再次訪問(wèn)網(wǎng)站的用戶，即用戶曾經(jīng)流失過(guò)，滿足流失時(shí)間期限內(nèi)完全沒(méi)有訪問(wèn)/登錄網(wǎng)站的條件，但之后重新訪問(wèn)/登錄網(wǎng)站。然后，根據(jù)回訪用戶數(shù)可以計(jì)算得到用戶回訪率，即：

用戶回訪率 = 回訪用戶數(shù) ÷ 流失用戶數(shù) × 100%

回訪用戶率的數(shù)值大小間接地可以驗(yàn)證對(duì)用戶流失定義的合理性。正常情況下，用戶的回訪率應(yīng)該是比較低的，從業(yè)務(wù)的角度考慮，如果對(duì)流失的定義是合理的，那么很難讓那些對(duì)你的網(wǎng)站已經(jīng)失去興趣的用戶重新來(lái)訪問(wèn)你的網(wǎng)站。一般情況下，網(wǎng)站的用戶回訪率應(yīng)該在10%以下，在5%左右的數(shù)值是比較合理的，對(duì)于成熟的網(wǎng)站而言用戶回訪率會(huì)稍高，而新興的網(wǎng)站的用戶回訪率通常更低，尤其像手機(jī)APP這類用戶易流失的產(chǎn)品。

流失期限與用戶回訪率

用戶流失的流失期限的長(zhǎng)度與用戶的回訪率成反比，我們?cè)诙x用戶流失時(shí)使用的連續(xù)不訪問(wèn)/登錄網(wǎng)站的期限越長(zhǎng)，這批流失用戶之后回訪網(wǎng)站的概率就會(huì)越低，并且隨著定義的流失期限的增大，用戶回訪率一定是遞減的，并逐漸趨近于0。那么如果選擇合適的流失期間長(zhǎng)度？我們可以設(shè)定不同的流失期限長(zhǎng)度，進(jìn)一步統(tǒng)計(jì)每個(gè)流失期限的用戶回訪率，并觀察用戶回訪率隨定義的流失期限增大時(shí)的收斂速度。如果以“周”為單位設(shè)定流失期限：

根據(jù)設(shè)定的不同流失周期的用戶回訪率的變化曲線，我們可以使用拐點(diǎn)理論（Elbow Method）選擇合適的流失周期。

拐點(diǎn)理論：X軸上數(shù)值的增加會(huì)帶來(lái)Y軸數(shù)值大幅增益（減益），直到超過(guò)某個(gè)點(diǎn)之后，當(dāng)X增加時(shí)Y的數(shù)據(jù)增益（減益）大幅下降，即經(jīng)濟(jì)學(xué)里面的邊際收益的大幅減少，那個(gè)點(diǎn)就是圖表中的“拐點(diǎn)”。比如上圖中流失周期增加到5周的時(shí)候，用戶回訪率的縮減速度明顯下降，所以這里的5周就是拐點(diǎn)，我們可以用5周作為定義用戶流失的期限，即一個(gè)之前訪問(wèn)/登錄過(guò)的用戶，如果之后連續(xù)5周都沒(méi)有訪問(wèn)/登錄，則定義該用戶流失。

所以，有個(gè)這個(gè)辦法之后，就能更加合理地定義流失用戶的統(tǒng)計(jì)邏輯，而之前要做的就是選擇不同的流失期限分別計(jì)算用戶的回訪率，然后用統(tǒng)計(jì)的到的數(shù)值生成如上的一張帶平滑線的散點(diǎn)圖，問(wèn)題就迎刃而解。

http://79806.xyz/youhuazixun/2788.html 怎樣合理地定義用戶流失