用户量流失预测模型 python 用户流失率分析

 

本文是对“用户流失原因”问题进行的思考整理，仅作记录，欢迎讨论。

思维框架

图版：

文版：

内部原因：

1. 数据验证

• 先确认指标逻辑计算和数据提取是否存在问题；
• 数据提取无误后，则需向相关技术同学确认数据采集、传输、存储过程是否问题，是否有丢数据或者正在更新数据的情况。

确认数据准确后，进行下一步分析。

2. 周期性排查

• 延长时间线查看是否存在数据周期性波动（如是开学季、淡季、社会热点较之前较少）。

在否认是上述原因后，继续进行下一步分析。

3.运营分析

• 产品近期是否有新的调整，比如是否新上功能效果较差、视觉设计有调整、广告是否较多、关卡难度变高、道具数值不合理等，具体原因结合用户数据进行分析。
• 考虑是否有新开启的运营活动，用户对活动的喜恶程度也影响着用户活跃。结合第四点用户详细数据分析，可以查看用户活动参与率、用户流失前活跃行为是否和新上活动有关。
• 技术bug也是导致用户流失的重要原因，具体可分析用户加载成功率是否有所降低以及流失用户是否存在丢档问题等。

4. 用户分析

• 分析流失用户画像，如性别、年龄、职业、设备型号、生命周期等。
• 用户分层分析流失率。
  按渠道分，是否因为投放为非目标用户，所以导致流失率较高。
  按活跃度分，高活跃度用户流失可能是因为游戏内容或者生命周期已到衰退期，低活跃度用户流失可能因为非潜在目标用户。
  按付费层级分，付费用户流失多是因为消费点饱和或技术bug导致体验感较差，非付费用户流失可以查看产品、运营是否有调整，是否有技术bug等问题。
  按区域分，查看是否由于不同运营策略或者政策导致。
• 游戏内行为特征分析。包括流失时间点和流失状态。查看流失时间点是否有玩家热议话题、产品是否有调整、是否有活动、是否存在技术bug等。流失状态可分析用户流失前停留的关卡、等级，剩余货币量，以及最后一次行为等。

外部原因：

5. 竞品

• 调研市场上是否有强有力的竞品出现，是否也在同渠道进行投放，从而抢占了用户资源等；
• 竞品是否有新功能、新活动上线，吸引了用户。

6. 行业经济

• 调研行业现状，是否遇到风口，一片欣欣向荣或行业受挫，整体行业经济都不景气。

7. 舆论影响（各社交平台）

• 是否受社会舆论影响，可查看各社交平台，微博、贴吧、博客、知乎等是否存在差评，影响了用户量。

8. 政策影响

• 是否有限制政策出台，影响了产品和用户。