用户都跑了，你却还分不清流失用户和流失率(2)

我们选择经典的拐点理论来作为周期界定的参考：

用户回访率拐点(用户回访率 = 回访用户数 ÷ 流失用户数 × 100%)

同时结合对产品的理解，选择“主动登录”这一行为作为是否流失的关键行为。

但经典的理论也会遇到尴尬：没有出现拐点怎么办?

回访率拐点可能与产品存在一个平台期(瓶颈)有关：用户/玩家处在哪些等级可能流失加剧，或者是在线时长达到多少会产生疲倦加剧流失，哪些角色的用户更容易流失等等。

比如游戏，游戏的特点是：回合、关卡、任务、日常与升级，但这与一些产品长周期、长间隔的用户使用行为模式并不相同。

在没有拐点的情况下，可以依据产品经验或结合模型预测准确率判断，一般产品的回访率5%-10%，不管划分多长的时间周期都会存在回访，误差不可避免。

二、指标没选好，模型调到老

如何优化数据模型，避免方法误区

搭建数据模型的关键在于行为数据的选择，这也是最耗时耗力的地方。在建立模型之前，有必要和数据&开发的同事来一次促膝谈心，对数据库和埋点的情况进行摸底，再次明确一些数据概念的操作化定义，避免发生误解。

比如，误解通常来自于以下几点：

可问题往往没有那么简单，即使定义得再精确细致，模型的准确性也可能不高。如果明白“管中窥豹”这个成语的意思，你很可能找到了答案。

通常我们以一个月为周期，提取用户一个月内的行为数据。但是产品不同，用户操作习惯是大相径庭的，有的产品 1 个月的时间周期太短，就难以形成足够的行为数据，好比是盲人摸象，摸到一条尾巴要预测出是一头大象，的确很有难度。

（编辑：ASP站长网）