首页 > SEO建站 > 营销百科流失预测模型是指什么?流失预测模型的内容、建立步骤及作用

流失预测模型是指什么?流失预测模型的内容、建立步骤及作用

2023-12-06 09:41:23

流失预测模型是指什么

一、流失预测模型是指什么

流失预测模型(英文:Churn Model)是一个预测模型,在个人用户的层面上估计用户流失的倾向(或易感性)。通过流失模型,可以得知每个用户在未来流失的风险有多大。从技术上讲,流失模型是一个二元分类器,将客户分为两组(类)——已流失的和未流失的。除了进行分组,该模型通常还会告诉我们客户属于某一组的概率。

用户生命周期,可以划分为六个阶段:潜客期、新用户期、成长期、成熟期、衰退期、流失期,流失预测模型是当用户出现流失迹象时,如何预警并加以干预,从而降低用户的流失率。

二、流失预测模型的内容

1、定义用户流失周期

目的是判断用户是否流失。这里引入回访率(即某日登陆的用户中在其后再次登录的用户数/当时登录的用户数*100%)。

用户流失期限越长,用户的回访率越低,存在一个时间拐点,在该周期后用户回访率随周期的延长而下降缓慢,下降缓慢的这批用户即为平台长期活跃用户,而该周期即为用户流失周期。

2、抽取建模样本

抽取的用户是已经过了上述的流失周期(即可定义用户是否流失)。

参与建模的指标维度:用户基本信息、访问行为、消费行为。

3、使用决策树预测用户是否流失

模型首先需要将用户分成训练集和测试集(默认划分为13比7),然后用训练集的数据来训练模型,在用来预测测试集,最后用预测的准确性(AUC)来评估模型。

流失用户的原因分析以人(平台用户)、货(如电商商品)、场(平台、竞品等)三个维度为主。

用来评估客户流失预测模型预测效果好坏的一个重要指标,就是提升度。

所谓提升度,是指使用模型预测客户流失比不使用模型要好多少。

三、流失预警的建立步骤

流失预警流程可以划分为四个步骤,分别为流失预警、策略召回、AB实验、评估沉淀,形成一个闭环体系。

1、流失预警

流失预警是所有步骤的起始,根据用户的行为特征及属性特征,预测用户在未来一段时间内是否流失以及流失可能性的大小,树模型以及Wide&Deep模型均是比较常用的,将所得到的用户标识、label、置信度输出给下游业务方。

2、召回策略

业务方根据预测的数据,合理匹配「用户」、「触达方式」、「触达内容」,不同产品、不同业务场景的匹配方案均不相同,而探索最优匹配方案,往往是根据尝试获取的。原则只有一个:以最小的成本召回最多的用户。具体干预体系,会在后面和大家分享,先附上小火龙绘制的简易思路图。

3、AB实验

在进行策略召回时,效果是业务方最关心的问题。而AB实验是最直接的评估方式,将一部分随机用户作为基线桶不采取任何策略,另一部分随机用户通过策略进行召回,为了保证用户群体的一致性,可配合DID(双重拆分法),将「用户差异」、「时间差异」、「策略因素」有效剥离,从而得到策略的效果。该步的目的,是度量不同策略的优劣,连同步骤二的召回形成闭环,持续优化「用户」、「触达方式」、「触达内容」的匹配。

4、评估沉淀

对以上每个环节的内容进行优化,沉淀总结经验,在有条件的情况下,落盘至平台,提升后续预警召回的准确率及效率。

以上就是用户流失预警的核心流程,虽然不同产品可能会有一些细节上的差异,但万变不离其宗。

四、常见的流失预测模型

1、基于用户属性的预警模型

用户流失与产品的用户定位有关。对于精准的目标用户,留存率就高;对于宽泛的目标用户,流失率就高。所以,流失率与用户质量是强相关的。基于用户属性的预警模型就是通过分析用户的属性,找到与流失相关的因子。该模型仅需用户的基本属性,不涉及使用行为,能在最早期预测用户的流失。有点根据骨骼惊奇,预测武学大师的味道。

● 基于用户属性的预警模型,因变量是用户流失,自变量是用户属性,预测的结果是每一个用户的流失概率。

● 用户的基本属性:手机品牌、手机分值(跑分)、系统版本、运营商;性别、年龄、学历、职业;网络依赖程度、上网时长。

● 先计算出满足单一条件的流失概率,再计算出满足几个条件组合时的流失概率,最后计算满足某些条件且不满足某些条件时的流失概率。最后,通过计算用户与该模型的匹配程度,得出该用户的流失概率。

● 对于潜在用户,可以根据用户质量,对渠道买量进行差异化定价。对于真实用户,可以及早预防,提供差异化的产品解决方案。

2、基于关键事件的预警模型

产品的设计中存在诸多的流程,每个流程中都有关键点。当用户在某个关键点上遇到阻力的时候,就容易导致产品体验不深入,进而影响到用户的留存。基于关键事件的预警模型,就是通过分析核心流程中关键事件的完成度,来预测用户的流失概率。

● 基于关键事件的预警模,因变量是用户流失,自变量是关键流程的完成度,预测结果是每一个用户的流失概率。

● 首先,梳理关键流程,定义流程中的关键节点。这个不是技术活,但需要对产品有深刻的理解。

● 然后,根据关键节点的达成情况,定义该流程的完成度。比如,订阅事件流中,完整的流程应该是:浏览推荐→关注→互动(点赞/评论)→转发→取关→主动查找→批量关注。如果用户停留在转发阶段,那么该流程的完成度就是4/7=57%;如果用户进行过批量关注,那么完成度就是100%。

● 最后,通过分析各流程完成度与流失率之间的关系,来预测用户的流失。

3、基于负体验的用户预警模型

负体验是产品功能和体验上,给用户造成不爽的经历,是用户流失的重要原因,没有之一。基于负体验的预流失警,能帮我们分析各因素对流失的影响程度,便于按照重要性排列优先级。

● 基于负体验的用户预警模型,因变量是流失率,自变量是各类负体验次数,预测结果是负体验用户的流失概率。

● 具体操作上需要先收集用户反馈,梳理产品中的负体验。根据负体验的出现次数,建立基本的流失模型。常见的负体验有:客户端崩溃、耗电快、打开速度慢、推荐内容差、内容虚假、图片不清晰、推送骚扰等等。

4、基于业务粘性的预警模型

该模型主要是分析用户在核心功能上的活跃度表现。用户使用产品,往往集中在几个核心功能。一旦发现用户在核心功能上的活跃行为有下降,就必须预防了。所以,用户粘性的下降,是用户流失的早期表现。

● 基于业务粘性的预警模型,因变量是流失率,自变量是各业务的活跃度。分析各核心业务粘性下降对于滞后几期用户的流失影响。该模型的重点是定义核心业务,定义活跃行为,以及保持各业务之间的独立性。

5、基于活跃度的预警模型

用活跃度来预测用户流失,这恐怕是数学表现最好的指标了。因为流失就是依据用户的活跃度来界定的。你说,用户都30天没有来了,那他离流失还远吗?但是,活跃度是结果指标,是因变量,不是自变量。这样的预测是找不到对应的原因的,只能是让你知道这个用户要流失了,赶快在他流失前做些措施吧。

所以,我觉得基于活跃度的预警意义不大,如果一定要分析,建议先将用户分群,再组预警。比如:

● 持续不活跃的用户。这类用户的活跃度一直比较低,可以说从来没有高活跃过。那么,这里先要做的是刺激活跃,然后才是防流失。

● 活跃度缓慢下降的。说明产品对用户的吸引力越来越小了,这类用户的预警最好结合业务粘性预警模型来分析。

● 活跃度骤降的。之前很活跃,突然间不活跃了。推理,应该是某个外部原因导致的,比如竞品更给力了,用户换手机了等等。

五、流失预测模型的应用说明

1、流失预警是数学问题,更是业务问题

● 流失预警模型,不应该只是单一的模型,而应该是一系列模型。预警模型的优劣通常用准确率、召回率来衡量。准确率:预测为流失的用户中,有多少真的流失。召回率:真实的流失用户中,有多少被预测为流失。

● 对于结果类的预测模型,只关注预测的准确性。比如,预测股票的涨跌,只要模型预测准确,按预测结果操作即可。但对于策略类的预测模型,预测只是第一步,还需要后续的一系列手段来完成目的。比如,流失预警的最终目标是挽留用户,预测流失还只是找对目标,如何挽留还得对症下药。

● 要做到对症下药,就要寻找流失的因果关系。因为能直接找对原因,可以直接研究对策。但也不能倒果为因。比如,周琦上场,火箭队赢球的概率是80%。但不能据此得出:提升周琦的出场率来促成赢球的目的。

2、流失预警应该预测导致用户流失的早期原因,而不是晚期现象

● 预测高考。最有效的指标是高考前的一模、二模、三模成绩。分数越高的,考上的概率越大;分数越低的考上的概率越低。但是,因为离高考太近,针对高概率考不上的学生,其实已经没撤了!相反,用高一、高二的成绩来预测高考,虽然准确率不高,但对于高一高二的同学来说,还有加油努力的时间。

● 预防疾病。对于病症越显著的用户,判断得病的可能性就越高。因为他们基本已经得病了,需要的是有效治疗,简单的预防策略基本无效。

● 预测员工流失。发现提交离职申请的人95%的会离职,离职的人99%都提交了离职申请。这样的模型是没有价值的。

六、流失预测模型的作用

通过了解哪些客户流失的风险最大,我们可以更有针对性地进行补救。例如,我们可以通过营销活动接触这些客户,提醒他们他们已经很久没有从我们这里购买产品,甚至为他们提供优惠。

除了知道要定位哪些客户之外,我们还可以使用流失模型来计算用户觉得划算的最大收益价格。例如,如果我们知道某个客户离开的概率是 10%,来自他的年收入为 100 美元,那么未来年收入的预期值则为 90 美元。因此,在我们营销成本不超过5美元时,新的产品报价能把流失概率降至5%(预期收益是95美元),那么该报价对该客户来说就是划算的。

总结

优化猩SEO:建立流失预警模型,把流失挽回变成流失预警。建立预警模型的目的是提前识别潜在流失用户,为挽留用户赢得时间。

参考链接:

流失预测模型

https://www.niaogebiji.com/wiki/1644

常见的几种流失预警模型

https://zhuanlan.zhihu.com/p/40131248

用户流失的预测模型——Churn Model

https://baijiahao.baidu.com/s?id=1716816872026583635

干货!用户流失预警模型及策略干预

https://baijiahao.baidu.com/s?id=1727602983090371482

修改于2023-12-06

想了解更多营销百科的内容,请访问:营销百科

本文来源:https://www.youhuaxing.cn/seojianzhan/18059.html

免责声明:部分文章信息来源于网络以及网友投稿,本网站只负责对文章进行整理、排版、编辑,是出于传递更多信息之目的,并不意味着赞同其观点或证实其内容的真实性,不承担任何法律责任。
用我们的专业,做您满意的SEO+高端网站建设服务商!