泰一数据：大数据告诉你，为什么你的用户不断在流失

运营最怕听到的一句话就是：访问量减少了，互动减少了，甚至产品使用度也减少了。关于用户流失，不论是菜市场卖肉的，还是 互联网 APP，都是一道千古难题。

有研究表明：“发展一个新客户的成本是维护一个老客户的3-8倍，一个老客户贡献的利润是新客户的10倍以上。用户参与度每下降5%，则企业的利润将下降25%。获得新用户的代价要远高于保留住现有用户，而重新获得已经流失的用户代价更高。事实上，经过一系列的测试以及研究证实，用户流失是对公司利润的最大破坏。

l为什么用户会流失？

根据流失原因大概可以分成四类：刚性流失、受挫流失、自然流失、市场环境流失。

一、刚性流失

在分析刚性流失概念之前，我们先来看下刚性需求的定义。刚性需求指的是在商品供求关系中受价格影响较小的需求。刚性需求通常表现为新用户水土不服和老用户兴趣转移型。

二、受挫流失

这部分流失一般发生在接触期和探索期，流失原因复杂，当新用户在使用过程中感受到超出承受范围的不舒适就会受挫离开。

三、自然流失

是指用户使用产品一段时间后，对内容或对产品功能失去兴趣，进入疲惫期产生流失。

四、市场环境流失

比较难以控制，不仅仅是产品本身的问题，还有来自外界替代产品的冲击。

以APP举例子：

 

l大数据是如何帮助预测潜在流失的？

大数据技术解决了数据管理问题，通过解决存储、分析、检索大量多样化的结构化非结构化的数据，并且随着数据的增加可以弹性的扩展，使得可以很方便地接触到用户的实时行为，能更好的提供流失预警。

Step1：用户流失分析

用户流失，需要从根本原因入手，一方面基于产品本身的数据分析，了解用户对产品的需求，知道用户要什么，什么样的产品受欢迎。另一方面，从用户体验角度对各个环节进行数据分析，比如页面设计、产品布局、场景等找出关键环节用户流失的原因。

Step2：建立预测流失模型

建立一套基于数据挖掘技术的，及时预测客户流失率的模型非常有必要。

1）确定用户流失模型目标：预测可能流失的客户名单；

2）收集用于建模的数据；

3）对数据进行清洗、格式化，转换成建模数据集；

4）建立预测流失模型

5）模型评估

Step3：完善客户分类，实施精细化客户管理

建立最精确的用户角色模型，从而精准定位消费者需求。

市场 营销 著名28定律：20%的客户创造80%的价值。如何锁定和维护最有价值的20%用户，如何利用大数据分析精准划分用户层级？区别与传统线下渠道衡量用户的价值——仅仅在于购买数量和支付金额，大数据分析用户的意义：从习惯偏好、频次、 社交 行为数据、基础数据等综合评估用户价值，具有完整性和更高的精确度。

把巨量数据组织成数据资源体系，并进行客群初步的层次、类别划分，引入客群标签体系，划分多维度属性标签，针对客群的贡献值——在线时长、支付金额、营销及维护成本、预测其市场销售容量等，勾勒和精确分类客户层级如：重要客户、普通客户、小客户、随机客户等，引导企业建立个性化营销策略和服务机制。

简单来说，基于大数据的用户精细化管理，让企业在预测以及阻止用户流失，推行个性化推荐和提高用户忠诚度上取得一个全新、更有竞争力的进步。

关于泰一数据：

泰一数据是泰一指尚（股票简称:浙江富润，股票代码：600070：SH）旗下数据 商业 服务品牌，依托于泰一指尚大数据技术实力和应用能力，拥有覆盖 金融 、教育、房产、 汽车 、电商、快消、3C、娱乐等行业，千万级基础数据积累（品牌×商品）。利用独有的数据挖掘算法、个性化的标签体系、全网实时数据监测分析以及可视化展现技术，通过连续性的数据构建形成营销闭环，为客户实际的全业务场景提供消费者洞察、品牌研究与媒介研究。基于大数据的商业信息洞察，帮助客户实现大数据分析与应用，建构数据价值发现和应用创新能力。