上篇文章?留存分析從入門到進階?中我們介紹了兩種不同的留存定義，以及各自適用的行為和分析場景。同時還基于模塊中的一些小功能講述了如何做進階版的分析，最后對正確使用分組查看的方法進行了說明。

對于非常熟悉用戶運營&留存分析功能的人員，以上的內容對于你來說，一定都是慣用的分析手段。但除了這些分析場景外，同學們一定還有很多目前留存分析不能滿足的訴求，是否有替代的辦法呢？

答案是，通過打出用戶分群、事件分析和預警分析組合拳，就能夠滿足極大多數分析場景！

（備注：本文中涉及的數據均為 demo 環境下模擬的虛擬數據）

• 我們現在來思考這樣一個問題：

對于那些已經流失的用戶，我們雖然有可能通過各種召回方式將他拉回產品內，但是需要成本。

而對于那些留下來的用戶，如果促使他留下來的因素一旦消失了，他一定會極大概率流失。對這部分用戶我們是能夠做到事前避免，事后預警，且運營成本也不高。

這類問題在直播行業、垂直領域產品經常性發生，例如在直播行業中，如果某個直播間的內容改變了，習慣去看這類內容的受眾一定去尋找替代品，若短期內在產品內尋找不到，流失是必然的。

本期我們以直播產品為例，通過打出用戶分群、事件分析和預警分析組合拳，來實現這類問題的事前預警和事后分析。

直播產品案例

1. 基準時間：

3 月 15 日

2. 本次訴求：

找出過去十五天至過去五天（3 月 1 日起，3 月 10 日止），這十天內進入直播間次數超過 7 天，但是在過去五天內（3 月 10 起，3 月 15 日止），再也不進入直播間的用戶，分析這批核心用戶沉默的人數、比例、促使他最初留下的因素，未來的此類事情再次發生的提前預警。

3. 使用方法：

用戶分群、事件分析、預警管理

▼

首先我們通過用戶分群圈選出這部分曾經留存的核心用戶，將其保存為“曾經留存”用戶分群，具體的配置如下：

其次我們根據訴求，圈選出這部分曾經留存目前沉默的核心用戶，將其保存為“曾經留存目前沉默”用戶分群，具體的配置如下：

用戶分群配置完畢后，我們進入事件分析，選擇自定義指標，計算出這群用戶的人數、比例，具體的配置如下：

我們發現，核心人群每天大概 5 千到 6 千，流失的人數每天小于 50，流失比率小于 5%。

為了避免流失人數和流失比率出現大幅增加，我們可以通過預警功能來實現對此用戶群體的時刻監控。具體的配置內容如下：

配置完成后，若流失比率高于 5%，將自動發送預警郵件，提醒運營同學防止事態惡化。

在設置完事前預警后，我們仍應分析促使這群用戶留存的原因與流失的原因，具體的分析方式，通過事件分析，按“直播間名稱”或“直播間標簽”分組查看即可。

知道了具體的流失直播間名稱，再結合業務上的一些策略變動，我們就可以制定一系列的響應措施。

例如圖中我們發現“元芳你怎么看”“火影忍者”等直播間流失人數較高，這可能是由于版權的因素導致的流失，而“華山論劍職業聯賽”則是因為賽事結束的因素，用戶不再進入直播間，不同類型的原因制定的策略自然也就不同。

?

總結

本文嘗試回答了當有限的留存分析功能不能滿足訴求時，是否有替代的辦法這個問題。

我們可以通過用戶分群和事件分析得以實現自定義的留存人數、流失比率的計算。

同時，神策分析提供了預警功能，通過設定流失預警線，在流失高于日常規律時，發送相應的預警郵件方式，實現風險的事前控制。

最后，通過事件分析的分組查看功能，我們能夠分析出導致流失的可能性因素，從而更加精準的制定運營策略。

■?作者?■

?

盼家只是在反思

神策數據分析師

*作者原創聲明，轉載請注明出處

?

▼▼▼

【更多干貨】

• 微信小程序增長慢？你的流量來源分析對了嗎？

• 實踐心得 | 運營活動中數據異常問題的排查實戰

• 漏斗分析究竟能夠給業務人員帶來什么？

?

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的用户流失的事前预警与事后分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。