前段時間說過一些關於玩家生命週期的問題，其實那些有點大，有點虛，從巨集觀的角度了解我們此時此刻正在做的分析是屬於那一部分，哪乙個體系的，說實話，這是為了建立一種意識而要做的工作，玩家生命週期價值源於電信行業的客戶生命週期管理和plc（產品生命週期）的解讀和應用，限於本人水平和能力因素，不夠深刻，全面，在此請各位諒解，以後的內容會逐步深入到這個體系之下的很多細節的問題**，今天就和大家簡單說說流失率。
說到流失率，我們可以考察，可以分析，可以利用的點實在是太多了，這裡我也不可能把所有的東西都覆蓋，僅從幾個指標來說說，至於其他的關聯分析部分需要大家自己來看和分析（不要陷入乙個誤區，那就是我說的這些就是流失率的全部）。
流失率在網遊產品的運營過程中，是非常重要的一塊，可惜很多時候我們做的並不夠細緻和仔細。流失分析其實是乙個系列的過程，不僅僅是找到流失的原因（這是我們做的最多的部分），還有其他的流失管理部分，而這裡大家可以看出來這是乙個過程。
流失原因分析：流失原因的分析首先我們可以從前期提取特徵的方面下手分析，先把提取的流失特徵進行整合分析，歸結一下是否是玩家流失的原因。如果流失原因不是我們前期提取的預警流失的特徵，且玩家依舊流失，我們就需要找到新的流失因素，並把這些因素歸結到流失特徵提取環節，這樣流失特徵會積攢大量的流失預警的提取資料點。
再者，儘管我們進行流失特徵提取並採取防流失的
手段，但是可能效果和受眾並不是很理想，此時依舊會有比較大的流失，因此我們還要分析和評估挽留策略的效果。
挽留策略制定：其實挽留策略的制定在流失特徵提取時就已經制定了，在玩家非流失階段就做好流失的預防措施，這是防流失最好的辦法，當已經發生流失了，某種意義上說是我們制定的策略效果不佳或者未考慮的因素促使流失的上公升，挽留策略是我們提公升人氣，降低流失的關鍵之舉。但是不意味著好的策略就一定會有好的結果。
挽留策略實施：挽留策略制定好了，還需要整個運營團隊，營銷團隊，程式，策劃的共同配合執行和實施，才能達到良好的效果，而這也不是絕對的，往往我們會受制於某些因素的影響，比如實施難度，排期等等。
挽留策略評估：如同我們所做的乙個活動一樣，我們需要有針對型的進行評估和分析，目的在於不斷的修正我們的策略，不斷適應我們遊戲玩家和產品的發展需求。今天就說怎麼來判斷流失使用者，流失使用者的標準是什麼？
流失的定義之說
在對於流失問題上，每個企業和產品會根據自己的需求來定義流失率，流失率定義的分類方法有很多，確定什麼是流失使用者對於完成我們的流失分析很重要。流失分析主要是從玩家屬性和玩家與產品的關係兩面入手。玩家屬性多是玩家的物理屬性，而我們要分析的是玩家與產品的關係，在這方面我們從玩家的整體在遊戲的留存情況下手。
在解釋以上的術語之前，我們約定以上的使用者分類分析是以月為度量單位展開的分析。並且以下的分析是以歷史玩家和登入時間間隔為維度進行的定義和分析研究。關於流失的分析還可以從新玩家和登入時間間隔考察、歷史玩家和付費與否、新登玩家和付費與否，不斷將幾種標準組合，就會進一步提取分析流失人群的特徵。此外，還有比如定向的研究付費玩家的購買流失分析等等。
歷史使用者：如上述，是在上個月之前就已經成為遊戲的玩家。而今天我們所要進行的使用者定義是歷史使用者，再此前提下進行以下的流失定義和分析。如果用乙個偽甘特圖表示如下所示：
留存使用者：歷史登入過遊戲，且上個月和本月均登入遊戲的玩家，這類玩家是留存玩家，偽甘特圖如下：
沉默使用者：也叫做輕度流失使用者，一般的網遊產品定義的流失就到此層次就ok了，但是這只是輕度流失，沉默使用者是歷史登入過遊戲，上個月登入但是本月未登入遊戲的玩家。偽甘特圖如下：
流失使用者：這裡其實是重度流失，歷史上有過登入，但是上個月和本月均未登入遊戲的玩家，偽甘特圖如下：
回流使用者：歷史有過登入行為，上個月未登入，但是本月登入遊戲的玩家，偽甘特圖如下所示：
植物使用者：所謂植物使用者主要分兩類，一類是歷史使用者在上月和本月都沒有登入的情況下，在下個月玩家回歸遊戲，此類使用者稱之為喚醒使用者，如同植物人最後甦醒一樣，該類使用者的回歸完成了乙個閉環的過程。
所謂的閉環是玩家從喚醒狀態最終回歸到留存或者回流的狀態（按照定義是這樣）。此外還有一類使用者就是沒有被喚醒的植物使用者，這一類就基本上從遊戲中流失掉了。
以上是幾類不同程度流失使用者的詳細解釋和描述，這幾類使用者的細分，可能有些細緻了，然而精準的把握這幾類使用者將有助於幫助我們尋找玩家的流失特徵，從而在不同的時期，針對不同的玩家制定相應的挽留策略，出發點就是從每一種過渡狀態盡可能降低玩家的轉化，因為每當使用者向下乙個狀態轉化，就意味著流失的加劇和損失上公升。
今天的流失細分主要是從老玩家的角度出發的，有一組資料說明了我們細分使用者，挽留老使用者的必要性。乙個企業爭取乙個新客戶的成本是保留老客戶成本的5倍；客戶流失率降低5%，利潤增加25%-85%；乙個滿意的客戶會帶來8筆潛在的生意，乙個不滿意的客戶則可能影響25個人的購買意願，忽略對老使用者的關注，大多數企業會在5年內流失一半的顧客。儘管沒有針對網友行業的資料，不過就此看出來，挽留策略是企業盈利的保證和核心，而挽留策略從**來針對誰，這就是流失分析的要做的事。
最後回歸到開始的話題上，如果我們要做一次活動的評估，究竟該怎麼下手？這裡我覺得有一方面通過對以上的人群進行分析，能夠看到一些我們想要的。我們把人群找出來了，下面通過一系列的具體分析找出一次活動該如何分析，該如何制定下次活動，有針對的，精準的定位人群，精準營銷。
活動物件：通過聚類分析、異常分析、rfm分析、決策樹、神經網路、logistics等方法提煉不同人群的特徵，進而有的放矢；
如何營銷：不同的人群，不同的購買習慣，可以使用關聯分析、序列分析；
時間營銷：挖掘整個玩家的在時間維度上變化和行為，生命週期挖掘、時間序列、回歸分析；
如何評估：t、卡方檢驗、對比分析，環比同比。
以上為流失分析的一種設計方式，如之前所提到的，流失分析還可以從其他維度開展，但是儘管這樣設計了，實際操作時還要結合很多的方法和其他設計進行分析，比如對於每類人群進行聚類分析，尋找與產品 等有關的資訊。
小白學資料分析 DNU DAU
行業指標觀察分析 dnu dau 寫在分析之前 一直以來，我們對於資料都是在做加法，也希望這個過程中，不斷蒐羅和變換出來更多的資料指標，維度等等。而在實際的分析中，我們發現，一如我們給使用者提供產品一樣，太多的時候，我們思考的是如何增加功能，而產品的核心功能和訴求，卻越來越遠。最近有幸和一些團隊在做...
小白學 Python 資料分析（1） 資料分析基礎
人工植入廣告 ps 小編最近兩天偷了點懶，好久沒有發原創了，最近是在 csdn 開通了乙個付費專欄，用來發布去年寫的沒有出版的書稿，感興趣的同學可以去看下 已經上傳了一部分，第一章設定為了試讀章節 主要是講 springcloud 微服務方面的一些內容，整體排版下來如果是印在實體書上應該會超過 40...
小白學資料分析 日活躍人數分析
從今天開始，特開闢乙個小專欄，題目暫定為小白學資料分析，鄙人不才，在資料分析的道路上走的崎嶇坎坷，同時資料分析本身是乙個多面和複雜的工作，要懂得理論 統計 概率 資料探勘 演算法 模型 更要懂得業務，懂得行業理論，還要有靈活多變的思維，想想還是很複雜和麻煩的，所講內容不但是理論，不僅是資料，盡量把這...