数据分析 - 如何界定用户流失时间点（学习笔记）

老板提用户流失，可能是对于行业流量见顶的焦虑，深感阻止用户流失刻不容缓；运营提用户流失，可能是觉得花老大劲儿拉来的用户，总得做点什么，不能让他们白白流失，不过更多时候，是kpi没完成，想把锅甩给用户流失的大趋势；数据分析师提用户流失，可能是对用户做了分层／分类之后，发现其中有那么一两类用户即将流失，需要针对性做点什么动作来挽回。所以说虽然大家聊的都是“用户流失”四个大字，但往往不在一个频道。

用户流失的两个关键：

一是“动作”，二是“时间范围”。动作的判断标准可能是登陆、在线时长、购买行为；时间范围是超过某个时间范围就当作用户流失。动作很容易在内部达成共识。下面主要分析如何界定时间范围。拍脑袋法可能会说是阈值是120天，150天，180天或是1年，以经验为借口。严谨点的会说是行业通用法则或者是参考产品消耗周期，但这么回答的，大概率是没有真正调研过行业具体情况，更没有拉过各种产品消耗周期数据的。

如何用数据科学界定流失？

先说个体。因为对产品、品牌无感，或者经历了很差的购物体验，有的用户虽然最后一次购买距今只有15天，但其实已经流失了。有的用户沉寂150多天，就是为了等下波大促囤货。还有用户已经1年多未复购过，但是一年半后他又回来复购了。还有用户已经1年多未复购过，但是一年半后他又回来复购了。

再说总体。量化的核心逻辑，是挖掘出不同时间范围用户，在此后一段时间的回购率分布。通过用户最近一次交易行为距离某个时间点的远近，以及对应回购的概率，来描绘分布，找到拐点（魔法数字）。

分析方法：

第一步，设定一个时间锚点，界定区间。

比如2021年1月1日。以此时间点为分界锚点，确定流失分析的时间区间和回购分析的时间区间。区间的界定有一定灵活性，回购分析区间的时间要尽量覆盖锚点前用户的预期复购时间，不能太短，一般会在3个月以上。假设案例中的品牌消耗周期较长，有大促囤货心智，所以回购分析区间长度是一年。

第二步，在流失区间内分析用户距锚点的时间差。

第三步，判断回购区间内是否回购。

第四步，跳出个体用户视角，分析 距锚点的时间差 和 回购区间是否购买 的分布关系。

有了个体用户视角的明细数据，根据距锚点的时间差和回购区间内是否回购这两列数据，很容易透视得到汇总的数据：

用可视化刻画更加清晰：

结果显而易见：不同的时间差区间，回购的概率差异很大。最近一次购买时间距离锚点30天以内的用户，在锚点之后的时间范围，回购概率高达35%。最后一次购买时间越远，其后回购的可能性也越低。根据分布图，有两种方法可以帮助我们解决“到底几天才算是流失”的问题。

可接受阈值法：

不同的业务模式、阶段，对用户流失的容忍度是不同的。有的业务模式认为用户回购概率低于15%，就应该算流失，做相关的预警和召回动作。那从图上来看，150天是一个合适的阈值。因为一旦超过150天，用户的回购率就低于15%。

拐点法：

通过观察曲线拐点，我们发现211-240天之后，用户回购率有一个明显的崎岖（下拐），从11%下跌至不足7%。意味着超过240天，用户回购率有一个明显到肉眼可见的下降幅度，突破了原有的平滑趋势。可以把240天这个突破点（拐点）作为用户是否流失的阈值。如果用户最近一次购买距今已经超过240天，那他很可能已经流失。拐点法除了要判断拐点，在用的时候，也要结合不同区间的量级分布。