流失率怎麼計算公式

運營需要做到預測並防範使用者流失，概念、資料、工具，可以從這幾個方面入手解決這個問題。

“雙十二”大促拉開了年末衝量的序幕。接踵而來的聖誕、元旦雙節，為APP年末衝量提供了各種各樣的機會。在這樣的市場環境下，運營想要成功衝量，就要做到“疏”、“堵”結合。運營既要在眾多活動和噱頭中脫穎而出，吸引使用者，搶佔使用者時間，更需要精準防範使用者的流失。

運營如何做到“精準”防範使用者流失？作為使用者運營，我們可以將使用者流失的問題，看成是小學奧數里蓄水池問題。首先，我們不可能做到使用者不流失。那麼，

我們要做的就是精準預測使用者流失，透過有效的運營活動對流失機率較大的使用者進行挽留，讓使用者流失率儘可能地低於使用者增長率，這樣就能保證使用者量的向上增長，有了量，轉化就有了基礎。

那麼運營如何精準預測使用者流失，這需要逐一解決概念、資料、工具這三大問題：

問題一：流失使用者怎麼定義？

問題二：用什麼樣的資料來預測使用者流失？

問題三：藉助什麼樣的工具提高預測精準度？

一、流失使用者怎麼定義？

不同的產品對使用者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， 使用者流失率計算公式是使用者流失數量與全部使用/消費產品（或服務）使用者的數量的比例。

在實際操作中，如果僅按照字面定義去算，隨著使用者總量的增加，使用者流失率會越來越低。換句話說，使用者運營啥也沒做， 但KPI卻越來越漂亮。這樣會製造出一種假象，以為使用者越來越愛我們的產品。然而，結果並不是這樣的。

運營在精準防範使用者流失時，要做的第一步就是先明確流失使用者定義。運營需要根據自身產品的型別、調性以及使用者畫像來定義流失使用者的概念。如果是針對特定活動的使用者流失，則需要從活動舉辦的目的和意義出發去定義使用者流失概念。

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使用者。如果使用者一、兩個月不進行操作，則可以認為使用者已經流失。這裡有一點要注意，QQ和微信屬於強社交的軟體，即使我們不用，但還會安裝在手機上。

再比如，電商APP透過使用者購買來盈利，尤其是在雙十一、雙十二這種看銷量的特殊日子，通常以購買的活躍程度來定義流失使用者。如果使用者只看不買，對於電商來說就是一個可能會流失的使用者。

流失使用者的定義明確了，才能為使用者流失預測制定好判斷標準。

二、用什麼樣的資料來預測使用者流失？

一個使用者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使用者流失的機率。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機率。

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，你看到一個使用者在雙十一時看得多，買得少，那麼這個使用者在雙二十的時候不會購物的機率就很大。不過，這樣的預測還是不夠精準。

隨著大資料技術的發展，更精準的預測是透過資料分析，透過模型演算法和深度學習的技術進行使用者行為預測。在進行行為預測前，運營需要考慮哪些使用者資料可以幫助我們預測使用者流失？這是搭建計算模型至關重要的一步。

從資料層面來看，至少需要詳細的使用者畫像資料和行為資料等資料維度，即：

使用者畫像資訊：ID、性別、年齡、地域、會員型別、使用者來源……

使用者行為資料：登入天數、線上時長、登入頻次、註冊天數……

使用者消費資料：最近一單距今天數、累計單量、累計消費金額、客單價……

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、影片類APP、打車類APP、音樂類APP等使用頻次高的APP，登入頻次要適當提高；閱讀類APP、資訊類APP等重視使用者時長的APP，線上時長要適當增加；電商類APP比較重視轉化，運營可藉助視覺化埋點的技術精確統計購買頁、支付頁等轉化資料。

三、 藉助什麼樣的工具提高預測精準度？

僅有上面說的這些資料還是不夠，因為還有很多外部的因素在制約著資料的準確性。

首先，所處環境、地理位置的不同會導致使用者行為和興趣偏好的不同。隨著使用者的地理位置的變化，他從一二線城市遷移到三四線城市，使用者的APP的使用也會變化，而這些在APP自有資料中無法體現。

其次，在做流失預測時，APP本身自有資料的體量嚴重不足。使用者都沉默流失了，不怎麼開啟APP使用了，怎麼還能產生足夠的資料呢？

再者，APP的自有資料具有侷限性，無法告訴運營使用者興趣的變化。已經不感興趣的使用者百分之百會流失，也就不用去挽留了。

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資料服務商合作，透過資料梳理找到對流失預測有效的資料，再進行雙方，甚至是三方資料的整合來擴充資料體量和維度，最終完成精準的行為預測。

目前，在資料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資料公司之一，並在其應用統計產品“個數”中開設了相應功能，可以為APP運營提供流失、解除安裝等關鍵行為的預測。另外，“個數”還能提供視覺化埋點工具，實現自定義事件的統計，並在統計的同時進行資料分析，提供購買、分享等自定義事件的行為預測。

在大資料行為預測的幫助下，運營能夠提前洞察到使用者流失行為，提早進行干預，並透過相應的運營手段對即將流失的使用者進行挽留，真正實現“堵”的作用。

總之

，無論是年末衝量月，還是年中大促，還是各種活動節日，運營都要有“疏堵結合”的運營理念。尤其是在流量天花板已經顯現的今天，預測和防範使用者流失將變得更為重要，這就要求運營不僅需要有縝密的資料思維和對前沿資料技術的瞭解，更需要找到好的資料合作伙伴，共同挖掘運營資料深層次的價值，從使用者需求出發，以服務留住使用者，用體驗促進轉化。

本文由 @蝦運營 原創釋出於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議