流失率
流失率是指一段时间内停止使用产品的用户所占的百分比。它正是留存率的镜像:留存看谁留下了,流失看谁走了。把同一份损失换成一个正向数字来说——「这个月我们丢了 8%」——往往比它的留存孪生体更让人警觉,也更好下手去改。
怎么计算
某个周期的基本定义是:
流失率 = 周期内流失的用户数 / 周期开始时的用户数
以及每个团队都依赖的互补恒等式:
流失率 = 1 − 留存率
「流失」具体指什么,取决于你的模式。订阅类的流失很明确——退订或续费失败——所以可以精确跟踪月度或年度流失。免费产品的流失则更软:一个用户连续 N 天不活跃就算流失,于是这个「不活跃窗口」是你必须固定并保持一致的口径。收入流失是另一个重要切口——丢掉的是收入的占比——当你的高价值用户行为偏离均值时,它可能和用户流失差得很远。
为什么重要
流失给增长设了天花板。如果每月拉新 10%、又流失 10%,那无论买量花多少,你都在原地踏步。由于这个效应会复利,哪怕把流失稍微压低一点,也能显著抬升生命周期价值——留得更久的用户付得更久。事实上平均寿命大致是 1 / 流失率,所以把流失砍半,期望寿命就翻倍。这正是成熟团队把「降流失」当成比「不断买新用户」更便宜的增长方式的原因。
在游戏 / App 里
游戏早期的流失很残酷:很大一部分玩家第 1 天后就再不回来,这也是留存曲线开头陡降的原因。团队会按分群、关卡、渠道、平台拆分流失,找出它在哪里飙升——一道难度墙、一道付费墙、一个有 bug 的版本——并观察哪些行为是流失的前兆。订阅 App 则重点区分非自愿流失(扣款失败)和自愿流失(主动退订),因为两者的解法完全不同。
在 Keentics 里
Keentics 直接在原始活跃事件上推算流失,因此「不活跃窗口」和「活跃」都由你按产品定义,得到的数字贴合真实而非抽样。你可以按分群、渠道、国家切分流失,与它所镜像的留存曲线并排看,再用用户路径分析看清用户离开前走过的步骤。让流失变得可读的分组方法,见分群分析。