把流失的用户找回来

设想一下：你做了一个用户喜欢的产品，留存策略有效，参与度也高，一切看起来都很理想。然后，用户开始一个个消失。这就是流失（churn），再有前途的产品也躲不开。好消息是，弄清用户为什么走、知道怎么把他们找回来（回流，resurrection），这个问题就能变成增长的机会。

这一章讲流失分析和用户召回：怎么预测谁可能要走，怎么提前防止，以及怎么把已经走远的人重新拉回来。说白了，就是学会识别早期的预警信号，并且提前准备好补救方案。

流失

总会有一些用户离开，这是第二章讲过的增长周期里很自然的一部分。但流失不都一样，主要有三种：

• 使用流失：用户不再用产品了；
• 付费流失：用户不再付钱了；
• 非自然流失：因为外部原因离开，比如账号被删除，或者因为违规被处理。

分清流失的类型，才能有针对性地制定留存策略。

一个用户是不是「永远」走了，就像预测未来，没法确定。我们不能无限期地等下去，所以要用有时间边界的定义。有时候看起来像流失，其实只是用户本来的使用节奏。比如一个用户每三个月才用一次，你用28天的窗口去看，他就会被误判为「流失」了。

用户离开的原因和用户本身一样多样。通过调研，我们总结出几类常见原因：

• 价格太高；
• 竞争对手有更好的选择；
• 产品没有跟上用户不断变化的需求；
• 性能问题让人恼火；
• 客户支持跟不上。

好消息是，这些原因都能变成改进产品的线索。每一条都在告诉团队，怎样做出更好、更有黏性的功能，最终提高用户满意度和留存。

防止流失最关键的时刻，是在流失发生之前。对使用流失，我们没法总是预测用户什么时候会彻底离开，但能识别出一些危险信号，比如app崩溃、性能问题。这时候主动、及时地告诉用户问题怎么解决了，效果会很不一样。付费流失更直接：用户点下「取消订阅」的那一刻，是你最后一次挽留的机会。这时可以提醒他付费功能的价值，也可以给一些有针对性的优惠，比如一个月的折扣，说不定他就留下了。

但如果一个原本每天都用的用户正在慢慢淡出，等他点「取消订阅」时，可能已经太晚了，他大概已经不满意好几周了。所以要密切观察用户行为，在他们决定离开之前就发现淡出的迹象。这就是流失分析的意义。

流失分析

我们看留存时会问：注册7天后、28天后、90天后用户还在吗？流失是同一枚硬币的另一面。留存问的是「他们还在吗」，流失问的是「他们走了吗」。两个问题都要有明确的时间范围，才有意义。

衡量和理解流失，有两种不同的方式：

• growth accounting里的流失是一个回头看的指标，告诉我们已经失去了多少用户。说「上个月流失了5%的用户」，就是在用growth accounting评估过去的表现和用户群的整体健康。
• 流失分析是往前看的。它不只数已经走了多少人，而是预测谁可能会走、为什么走。分析行为模式和风险因素，就能找出高风险用户，及时调整策略。比如你知道连续三次支付失败的用户，下个月有80%的可能会离开，就可以在他们离开之前去改进支付体验。

难点在于，什么时候可以认定一个用户真的「走了」。有的产品很简单：用户取消订阅，就结束了。有的产品就复杂得多：每天用的app，用户一周没来可能就算流失；季节性的产品，可能几个月没动静才需要警觉。就像我们按产品类型选择用日活还是月活衡量留存，流失的时间窗口也要和产品自然的使用节奏一致。

在做得好的产品里，预测流失有一个特别的难处：流失的样本很少，可供学习的例子不多，就像在一大片噪音里找一个微弱的信号。关键是建立足够灵敏的系统，在用户真正决定离开之前，识别出不满意或淡出的细微迹象。

处理这种样本不平衡的问题，有几种常用的工具：

• 重采样：用SMOTE（合成少数类过采样技术）这类方法，在少数的流失样本之间插值，合成出新的样本，让模型有更多可学的例子。
• 类别权重：给流失用户的样本更高的权重，让模型更重视它们。
• 换评估指标：别只看准确率，要看精确率（precision）和召回率（recall）。流失的人很少时，一个把所有人都判成「不会流失」的模型，准确率也很高，但毫无用处。
• 集成方法：综合随机森林、梯度提升这类不同算法的结果，不只依赖一种方法。

但有一个好的预测模型只是开始。真正的作用，来自把预测变成行动：

• 有针对性的干预：给高风险用户设计个性化的体验，就像医生开预防性的处方。
• 分配资源：让客户成功团队把精力放在最需要帮助的用户身上。
• 改进产品：从数据规律里找到该做的功能，在船沉之前把漏洞补上。
• 主动沟通：在合适的时间，用合适的内容联系用户。
• 人工介入：对最有价值的客户，由人亲自跟进。有时候，什么都比不上真诚的人际联系。

流失分析成不成功，看能不能在为时已晚之前，根据这些信号采取行动。这需要数据团队和直接面对客户的同事一起配合，把可能的损失变成留下来的用户。

真实案例：一个AI聊天app

设想你要预测，一个AI聊天app的哪些用户下个月可能离开。我们会看这几类信号：

• 使用模式：多久聊一次？每次待多久？使用的节奏是什么样的？
• 参与度：对话有没有完整地进行下去？看起来满意吗？
• 技术指标：有没有遇到过、或者报告过让人恼火的错误和延迟？
• 用户特征：订阅的是哪一档？用了多久？历史记录怎么样？

分析下来，我们发现一件有意思的事：第一周遇到好几次技术问题的用户，离开的可能性要高得多。有了这个发现，团队上线了自动的错误检测，并开始给受影响的用户补偿，比如送额外的使用额度。我们还加了一些让对话更有意思的功能，把很多可能流失的用户变成了忠实用户。

回流

用户流失了，是不是就永远走了？大多数情况下不是。流失之后又回到产品的用户，叫回流用户。

召回为什么有用？因为这些用户已经熟悉产品，也在产品里留下了一些东西，可能会让他们愿意回来，比如在社交app里建立的关系网。如果用户没有退订邮件，你可以用有吸引力的优惠和新功能去联系他们。一条关于朋友动态的推送，也可能勾起好奇，让他们回到app。还有一些你追踪不到的因素也在起作用，比如用户在YouTube上看到了你的新功能广告，决定再试一次。

用好通知

通知是召回用户的利器，但要用得聪明。下面讲怎么做出用户真正愿意收到的通知。

通知主要有四种：推送（push），适合需要马上互动、尤其是不太活跃的用户；邮件，适合详细的内容；短信，适合紧急的事；站内通知，适合正在用产品的活跃用户。召回流失用户，主要靠前三种，因为它们能直接触达沉睡用户。

站内通知是产品内部的消息系统，从页面顶部不显眼的横幅，到醒目的弹窗都算。目标是把这些触点安排得井井有条，而不是东一下西一下地打断用户。

站外通知，也就是推送、邮件和短信，要格外小心。这就像去敲别人家的门，打扰别人之前，得有一个足够好的理由。

做好通知，有三条基本原则：

• 相关：每条通知都要针对这个人。「我们想你了！」没用，「你的朋友刚发了一条你最关心的话题」可能就有用。
• 频率：在「让用户记得你」和「让用户烦你」之间找到平衡。很多时候，少就是多。
• 控制权：让用户能细致地设置自己想收什么通知。信任带来忠诚。

下面一条一条讲。

写出有效的通知。法律要求必须发的通知另说，它们有别的规则。其他通知主要看两个指标：点击率（CTR）和转化率（CVR）。它们说明用户觉得这条通知值不值得点开、值不值得行动。

机器学习在这里很有用。分析用户行为、发送时间和内容的规律，就能预测哪些通知会打动哪类用户。但也别被数据框死：有些最有影响力的通知，比如Facebook的「有人赞了你」，不要求用户做什么，只是让人开心。

找到合适的频率。小心通知疲劳。不管是每天设一个严格的上限，还是按用户的活跃度动态调整，目标都是提供价值，而不是把用户淹没。

大型科技公司的研究发现了一个反直觉的现象：通知多到一定程度，用户会产生耐受，把通知当成背景噪音，不再当回事。

守住通知权限。要考虑平台差异，比如在iOS上，用户关掉通知往往比在Android上更容易。聪明的公司会按平台调整策略，并用预测模型保护自己的通知权限：如果用户有可能关掉通知，就在他们忍无可忍之前，主动调整做法。

少就是多。你可能会担心，少发通知会不会让活跃度下降。这里有一个很有意思的反差。Facebook的通知数据科学团队发现，减少通知数量，反而能同时提高用户满意度和app的使用。¹他们只发高质量、相关的通知，结果比大量发送的效果更好。

研究还发现，收到通知更少、更精准的用户，用得更投入。这和前面讲的通知疲劳、相关性的重要，完全一致。Facebook的经验说明，在通知频率上克制一点，反而能加强用户的参与和忠诚。

这个例子印证了通知策略的几条原则：质量比数量重要，尊重用户的注意力，每条通知都要对用户有用。照着做，召回活动才会是用户真心欢迎的。

用好多个产品之间的联动

如果公司有多个app，交叉推广是一个战略优势。用户离开了一个app，但还在用另一个，你就有一个很好的机会召回他，因为：

• 用户已经信任你的产品体系；
• 丰富的用户数据可以做到高度个性化的触达；
• 召回老用户的成本，比获取新用户低。

交叉推广要做好，有三个关键：

• 时机对：在用户最愿意接受的时候联系他；
• 价值清楚：讲明白被推广的app能怎样让他的体验更好；
• 切换顺畅：在两个app之间来回要毫不费力。

推广太激进会适得其反，所以要仔细盯住整体的参与度。一次过火的活动，可能让用户离开你整个产品体系。记住，目标是让体验更好，而不是打断它。

本章要点

理解和管理流失，同时做好召回，对可持续增长至关重要：

• 流失分析不简单：要用重采样等专门的技术和合适的评估指标，才能建出有效的预测模型。
• 早干预是关键：用预测模型找出高风险用户，有针对性地干预，防止流失。
• 流失的用户能找回来：通过精心设计的通知和跨产品推广，把流失的用户找回来。
• 通知要聪明：通知系统要把相关性、合适的频率和用户的设置放在首位。
• 跨产品推广：用好已有的产品体系，同时盯住整体参与度，确保推广让体验更好，而不是更差。

管好流失和召回，要在数据洞察和以用户为中心之间找到平衡。不要只想着不让用户走，而要让用户回来时，得到更好的体验。

练习

假设你是一家冥想app公司的产品经理。数据显示：

• 月活10,000人；
• 月流失率7%；
• 已流失用户的回流率2%；
• 流失的用户里，25%在第一周遇到过技术问题；
• 每天收到5条以上通知的用户，流失的可能性是其他人的三倍。

问题：

1. 你每个月因为流失失去多少用户？
2. 如果回流率不变，下个月能找回多少用户？
3. 根据技术问题的数据，如果错误处理做得更好，可能多留住多少流失的用户？
4. 每天的通知上限设成多少来测试比较好？为什么？

加分题：设计一个通知策略，把回流率提高50%。写出具体的文案示例，并考虑发送时机。

参考答案

问题1：每月流失 = 10,000 × 7% = 700人。

问题2：找回的用户 = 700 × 2% = 14人。这里按本月流失的700人算。如果回流率的基数是全部历史上流失的用户，基数会更大，回来的人也会更多。

问题3：可以避免的流失 = 700 × 25% = 175人。这是上限：它假设这些人都是因为技术问题离开的，而且问题修好就会留下。

问题4：可以测试每天3到4条的上限。它低于5条这个风险线，又能保证重要的消息发得出去。

注意，「每天收到5条以上通知的人更容易流失」是相关，不一定是因果。系统很可能本来就给快要流失的人发更多召回通知，因果方向可能是反的。所以这个上限要用实验来定：把用户随机分成每天最多2条、3条、4条几组，比较各组的流失率和回流率。第十章会讲怎么设计这样的实验。

加分题：这题没有标准答案。给一个思路：

• 先按流失的原因分组。第一周遇到技术问题的、被通知打扰走的、慢慢淡出的，各用不同的办法。
• 技术问题那组：问题修好后的一周内，发一封邮件，说明上次遇到的问题已经解决，再送一节免费课程。
• 被通知打扰走的那组：不再推送，只发一封邮件，告诉他们现在可以自己设置通知频率，默认改成每周一次。
• 慢慢淡出的那组：在他们过去常用的时间段提醒。比如以前每晚10点冥想的人，就在晚上9点半推送「今晚10分钟的睡前冥想准备好了」。
• 怎么衡量：留一个不发任何召回消息的对照组，比较两组的回流率。目标是从2%提到3%。

注释

1. Weijun C.、Yan Q.、Yuwen Z.、Christina B.、Akos L.、Harivardan J.，「Notifications: Why Less Is More—How Facebook Has Been Increasing Both User Satisfaction and App Usage by Sending Only a Few Notifications」，Medium，2022年12月19日，https://medium.com/@AnalyticsAtMeta/notifications-why-less-is-more-how-facebook-has-been-increasing-both-user-satisfaction-and-app-9463f7325e7d。↩︎