客户流失分析：五步方法和一个例子

客户流失分析回答三个问题：谁走了、什么时候走的、走之前做了（或没做）什么。起步不需要预测模型。本文给出一套用普通事件数据就能做的五步方法、要对比的信号，以及一个最后落到具体改进的示例。

流失分析是做什么的

流失分析回头看已经离开的客户，找出能采取行动的规律。它回答：

• 谁在流失：哪些套餐、渠道、规模或分群。
• 什么时候流失：在客户生命的第几周、第几个月。
• 在什么之后流失：离开之前出现了什么行为，或者缺了什么行为。

流失率告诉你流失了多少；流失分析告诉你为什么、该在哪里干预。

第 1 步：定义流失

选定一个定义并写下来：

• 订阅类：取消，或到期没有续费。
• 使用类：连续若干天没有活动，比如 30 天。

按使用来定的产品，不活跃的天数要参照正常的使用节奏。每周用的工具可以定 14 天；每月看一次报表的工具可以定 45 天。

第 2 步：按群组衡量

按客户开始使用的月份分组，跟踪每个月还活跃的比例。混在一起的一个流失率，看不出新群组比老群组好还是差。曲线怎么看见留存指标。

第 3 步：找出流失发生在什么时候

把流失按账户存续时长分段，看每一段占全部流失的多少。

一个完整的例子

一个订阅制软件团队看到月流失率 4.8%。按账户存续时长拆开后，61% 的流失发生在前 60 天。这说明问题在新手引导，而不是价格或竞争。

第 4 步：对比流失和留存客户的行为

把前 60 天内流失的账户和留下来的账户分成两组，对比各自在第一周做了什么。示例里差距最大的是完成设置和核心功能用过 3 次以上。生命后期去看账单页更像是预警信号，而不是原因。

表里是对比结果。差距是线索，不是证据：要用一次改动和测试来确认。

示例数据：一个季度的新账户。

第 5 步：动手并重新衡量

1. 选团队能影响的、差距最大的一项，这里是早期使用核心功能。
2. 改产品或新手引导来缩小差距，比如加一个带引导的入门任务。
3. 拿之后的群组和之前的群组，在同样的存续时长上比较。

在 TapCub 里怎么做

留存群组可以按天、周或月。生命周期把每一期的人分成新增、留存、回流和流失，流失预警统计 7、14、30、60、90 天没有活动的人数，可以帮你选定不活跃的天数。

常见问题

流失分析和流失预测有什么区别？

分析用描述性数据解释过去的流失；预测给现有客户的流失风险打分。先做分析：它会告诉你哪些信号值得拿来做预测。

需要多少数据？

每组里要有足够的流失客户才看得出规律，一般每个对比的分群至少几十个。

降级算不算流失？

单独作为收入流失来跟踪。客户流失只算完全离开的人或账户。

另见：取消原因。

另见：客户需求分析。

另见：流失预防：按客户离开的原因，对症用好 12 种方法。