江苏龙网

  1. 首页 > 生活 > >

流失率越来越高了，有啥办法可以预测APP流失用户吗?( 三 )


更多公式可参考：你会做APP运营中的3个最重要的方程式吗 - 蝉大师

■网友
想要尽早的鉴别潜在的用户流失倾向，首先需要对你用户的行为进行分析并有一个全面的了解。需要了解银行的客户是怎样使用银行服务的，拨打客服电话、在网站上或移动银行上的交易、又或者是在社交媒体上的互动？。这些历史数据能够让银行较早的了解到一些预警信号，比如交易量减少了，自动支付中止了，或者其他什么对于用户的负面体验，根据这些预警采取具体的措施进行补救来减少流失的发生。
但是，我们前面也提到，客户的信息没有贯通，这让第一时间监测到预警信号并采取措施变得很困难；结果就是，银行最终从不同的碎片化的不完整信息进行策略拟定与实施，导致客户容易流失，损失惨重。
大数据是如何帮助预测潜在流失的？用户数据生成的数量、种类以及速度的快速增长，使得利用传统的数据管理技术几乎无法存储更无法实时的进行分析并提出有价值的信息。
现在大数据可以帮助我们解决这些困难，并平衡结构化和非结构化的数据。例如银行访问，客户来电日志，网页交互日志，信用卡记录的交易数据，以及客户在社交媒体上的交互数据。
大数据技术解决了数据管理问题，通过解决存储、分析、检索大量多样化的结构化非结构化的数据，并且随着数据的增加可以弹性的扩展，这就让银行可以接触到用户的实时行为，能更好的提供流失预警。此外，精湛的数据匹配能力能链接客户在各个渠道上的交互数据，建立起一个全面的360度画像，全面了解客户，将它转化为可执行的数据决策。
建立预测流失模型360度的客户画像，对于银行预测潜在流失的客户是否足够呢？要想全面利用好用户的信息，需要建立一个可行的预测流失的模型。有效的客户流失模型的高预测值帮助识别具有高流失风险的客户且能够过滤“羊毛党”，并且对每个流失模型能够构造出效果提升曲线，可视化的展示出相比于不使用模型，使用流失模型所起到的提升作用。
另外，如果银行业不能针对单个客户给出有针对性的营销方案，那么即使能够准确的预测流失客户也是不够的。那些通用的基于大范围客户分类的营销方案会导致挽回率下降。我们需要更加精细化、有明确目的、并且有针对性的制定不同的营销方案，来挽回高流失风险用户，降低流失率。例如使用协同过滤这样的机器学习算法可以有效的提供个性化的解决方案。
简单来说，基于业务流程的用户智能管理，结合大数据技术和成熟的机器学习技术，会让银行在预测以及阻止用户流失，推行个性化推荐和提高用户忠诚度上取得一个全新的、更有竞争力的进步。注：本文节选自Cobub用户行为分析平台官网博客,原文查看如何通过大数据预测并防止用户流失－Cobub

■网友
找问题原因，建立流失模型啊，然后怎么通过产品运营改善这方面的问题，
【流失率越来越高了，有啥办法可以预测APP流失用户吗?】 在找出对这部分人进行分层召回啊


推荐阅读


上一篇：过滤视频广告，不用插件，做个作品可行吗

下一篇：想做程序员可是数理化不好咋办