用戶一旦流失了就很難被召回。這如同對(duì)方主動(dòng)的分手，因?yàn)樗粣哿耍阕鍪裁炊疾粚?duì)。所以，解決流失問題應(yīng)該把時(shí)間提前，建立流失預(yù)警模型，把流失挽回變成流失預(yù)警。建立預(yù)警模型的目的是提前識(shí)別潛在流失用戶，為挽留用戶贏得時(shí)間。

　　我們認(rèn)為，用戶流失與產(chǎn)品的用戶定位有關(guān)。對(duì)于精準(zhǔn)的目標(biāo)用戶，留存率就高；對(duì)于寬泛的目標(biāo)用戶，流失率就高。所以，流失率與用戶質(zhì)量是強(qiáng)相關(guān)的。基于用戶屬性的預(yù)警模型就是通過分析用戶的屬性，找到與流失相關(guān)的因子。該模型僅需用戶的基本屬性，不涉及使用行為，能在最早期預(yù)測用戶的流失。有點(diǎn)根據(jù)骨骼驚奇，預(yù)測武學(xué)大師的味道。

　　產(chǎn)品的設(shè)計(jì)中存在諸多的流程，每個(gè)流程中都有關(guān)鍵點(diǎn)。當(dāng)用戶在某個(gè)關(guān)鍵點(diǎn)上遇到阻力的時(shí)候，就容易導(dǎo)致產(chǎn)品體驗(yàn)不深入，進(jìn)而影響到用戶的留存。基于關(guān)鍵事件的預(yù)警模型，就是通過分析核心流程中關(guān)鍵事件的完成度，來預(yù)測用戶的流失概率。

　　用活躍度來預(yù)測用戶流失，這恐怕是數(shù)學(xué)表現(xiàn)最好的指標(biāo)了。因?yàn)榱魇Ь褪且罁?jù)用戶的活躍度來界定的。你說，用戶都30天沒有來了，那他離流失還遠(yuǎn)嗎？但是，活躍度是結(jié)果指標(biāo)，是因變量，不是自變量。這樣的預(yù)測是找不到對(duì)應(yīng)的原因的，只能是讓你知道這個(gè)用戶要流失了，趕快在他流失前做些措施吧。