01 誤區篇

首先，我們要知道兩個做使用者流失分析常見的誤區：

第一，試圖挽留每一個使用者。 強扭的瓜不甜，很多使用者的流失是無法避免，比如使用者興趣的轉移，比如使用者與產品目標受眾不符，這些使用者花再多地錢，做再多的最佳化可能都沒啥用，對於這部分使用者，乾脆就放棄，避免無效投入。

第二，試圖弄懂每一個流失原因。 比如某天流失率突然比以往多了，這些偶然的波動屬於正常情況，萬一很多使用者就是那天心情不好呢，如果我們們非要把分析做的那麼細緻反而不容易抓到關鍵因素。對我們們來說，只要把流失率控制在可以接受的範圍內就可以了。

02 思路篇

其次是使用者流失分析的思路。我們的目的無非就在於找出流失原因和提出改進建議，我們這裡把使用者流失的原因大體分成三類，並給出對應的對策：

1）系統型原因

如果業務整體的流失率都低於同行，則很可能是系統型原因，主要是因為業務做的比對手差，比如微視比抖音的流失整體都高，這時可以引入漏斗模型，層層拆解分析是哪個環節出了問題，然後並提出對應的最佳化建議。

App中使用者的留存可以分成三個階段，進入期、成長期、成熟期，這三個階段需要關注的重點也不同。

在進入期，我們要重點關注使用者啟用，無差別改善，不斷最佳化新使用者體驗的流程，讓新使用者快速低成本感受到產品價值。

在成長期，就需要根據使用者價值對使用者區別對待，對於非目標受眾和羊毛黨，流失了就算了，一味挽留浪費資源；而對於目標受眾和重度使用者，就需要特別關注活躍度和流失率，而且通常使用者不活躍的時候，真實的流失就可能發生了。這時針對核心使用者的行為進行分析，對流失大的細節進行細緻的排查和最佳化。

在成熟期，就要思考產品對使用者的長期價值了，分析的目的就是洞察使用者潛在的相關需求，主動滿足使用者更多需求，反覆讓使用者體驗到產品價值。

2）事件型原因

如果流失資料短期出現異常波動，很可能是突發事件引起的使用者流失，比如當機、漲價、負面新聞、競爭對手打壓。事件性原因引發的使用者流失，通常在事件發生後先體現在活躍率上，再過一段時間，流失率才會抬升。所以使用者流失分析不僅要關注流失率，也要對活躍率進行監控。

對這類流失分析時，觀察到異常後，首先要收集相關負面事件；然後假設論證，找到核心的影響因素；再找到受影響的使用者群體，最好打上標籤以備觀察；根據影響因素進行最佳化調整，並觀察使用者活躍率的變化；觀察流失率在一段時間後是否重回正常水平，如果沒有則重複之前的步驟最佳化。

3）趨勢型原因

流失率在可接受範圍內波動可以不用在意，但是如果持續緩慢走高或者降低，就應該引起關注。這種變化有時連業務人員都解釋不清，我們們哪怕用之前的兩種原因也分析不出啥，這時候就要考慮是不是趨勢的原因。

比如說內容電商平臺正在慢慢掠奪某寶的市場，這種趨勢在初期是緩慢的，如果沒有及時感知到，造成的後果很可能就是顛覆性的。不過，相比於前兩種原因，趨勢造成的使用者流失識別難度和解決難度都更高。這時如果窮盡了現有分析方法還沒有找出線索，就要考慮多看行業資料分析報告、多設幾個觀察指標，先追蹤起來，積累足夠了就能看清局勢了。

03 工具篇

最後，做使用者流失分析最好使用專業的資料分析工具，就拿主流的FineBI來說，優點就是高效、好用，內建了大量分析模型和公式，像當日留存率這些常見的指標用內建的公式就能快速計算出來，免去了很多資料處理的步驟，非常方便。

而且FineBI內建了豐富的圖表，做視覺化的時候可以把多張分析圖表放到一起，設定好聯動關係，就可以做出一張分析大屏，無論是分析還是演示都非常好用。

在今天產品高度同質化的階段，企業間的競爭越來越體現在對使用者的爭奪上，可見使用者流失的資料分析是越來越重要了。但常常有小夥伴私信我說不懂做使用者流失分析，我想主要是因為對使用者生命週期瞭解不全面，建議是多去和前方的業務或者使用者運營人員討教，以及善用分析工具。

分析工具

最後，分享一下分析工具， 回個“資料分析”就能獲得資料分析工具！