
怎樣合理地定義用戶流失
流失用戶的定義請參考“網(wǎng)站的活躍用戶與流失用戶”這篇文章,要解釋怎么樣合理地去定義用戶流失時(shí)間段長度的問題,需要先介紹一個(gè)新的指標(biāo)概念:回訪用戶。這里的回訪用戶不是指Google Analytics上面的Returning Visitor(與新用戶相對,指之前訪問過網(wǎng)站的用戶再次訪問網(wǎng)站),這里的回訪用戶指流失之后再次訪問網(wǎng)站的用戶,即用戶曾經(jīng)流失過,滿足流失時(shí)間期限內(nèi)完全沒有訪問/登錄網(wǎng)站的條件,但之后重新訪問/登錄網(wǎng)站。然后,根據(jù)回訪用戶數(shù)可以計(jì)算得到用戶回訪率,即:
用戶回訪率 = 回訪用戶數(shù) ÷ 流失用戶數(shù) × 100%
回訪用戶率的數(shù)值大小間接地可以驗(yàn)證對用戶流失定義的合理性。正常情況下,用戶的回訪率應(yīng)該是比較低的,從業(yè)務(wù)的角度考慮,如果對流失的定義是合理的,那么很難讓那些對你的網(wǎng)站已經(jīng)失去興趣的用戶重新來訪問你的網(wǎng)站。一般情況下,網(wǎng)站的用戶回訪率應(yīng)該在10%以下,在5%左右的數(shù)值是比較合理的,對于成熟的網(wǎng)站而言用戶回訪率會(huì)稍高,而新興的網(wǎng)站的用戶回訪率通常更低,尤其像手機(jī)APP這類用戶易流失的產(chǎn)品。
用戶流失的流失期限的長度與用戶的回訪率成反比,我們在定義用戶流失時(shí)使用的連續(xù)不訪問/登錄網(wǎng)站的期限越長,這批流失用戶之后回訪網(wǎng)站的概率就會(huì)越低,并且隨著定義的流失期限的增大,用戶回訪率一定是遞減的,并逐漸趨近于0。那么如果選擇合適的流失期間長度?我們可以設(shè)定不同的流失期限長度,進(jìn)一步統(tǒng)計(jì)每個(gè)流失期限的用戶回訪率,并觀察用戶回訪率隨定義的流失期限增大時(shí)的收斂速度。如果以“周”為單位設(shè)定流失期限:
根據(jù)設(shè)定的不同流失周期的用戶回訪率的變化曲線,我們可以使用拐點(diǎn)理論(Elbow Method)選擇最合適的流失周期。
拐點(diǎn)理論:X軸上數(shù)值的增加會(huì)帶來Y軸數(shù)值大幅增益(減益),直到超過某個(gè)點(diǎn)之后,當(dāng)X增加時(shí)Y的數(shù)據(jù)增益(減益)大幅下降,即經(jīng)濟(jì)學(xué)里面的邊際收益的大幅減少,那個(gè)點(diǎn)就是圖表中的“拐點(diǎn)”。比如上圖中流失周期增加到5周的時(shí)候,用戶回訪率的縮減速度明顯下降,所以這里的5周就是拐點(diǎn),我們可以用5周作為定義用戶流失的期限,即一個(gè)之前訪問/登錄過的用戶,如果之后連續(xù)5周都沒有訪問/登錄,則定義該用戶流失。
所以,有個(gè)這個(gè)辦法之后,就能更加合理地定義流失用戶的統(tǒng)計(jì)邏輯,而之前要做的就是選擇不同的流失期限分別計(jì)算用戶的回訪率,然后用統(tǒng)計(jì)的到的數(shù)值生成如上的一張帶平滑線的散點(diǎn)圖,問題就迎刃而解。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11