ユーザー離脱警告を構築するにはどうすればいいですか?

ユーザーが離脱ユーザーになる前に、ユーザー自身の属性や行動などから離脱リスクを特定し、適時にユーザー維持のための対策を講じます。これがユーザー離脱警告です。ユーザー離脱警告システムの構築は、主に定義、分析、構築の 3 つのステップで構成されます。この記事では、詳細な分析を提供し、それを皆さんと共有します。

1. ユーザー離脱警告とは何ですか?

比較的成熟した製品で、比較的飽和した市場の場合、新規ユーザーを獲得するコストは、既存のユーザーを維持するコストよりもはるかに高いことは誰もが知っています。既存のユーザーを失うことは、収益の減少を意味します。そのため、多くの人が迷子ユーザーを呼び戻すシステムを構築するだろうと私は信じています。まず迷子ユーザーを定義し、次にSMS、プッシュなどのさまざまな連絡方法を使用して迷子ユーザーを呼び戻すでしょう。

しかし、多くの場合、このようなリコール作業のリコール率は理想的ではありません。一方で、本当にアプリを失ったユーザーは、アプリをアンインストールし、プッシュ通知をオフにしている可能性があり、効果的にリーチすることは不可能です。一方、何らかの理由でアプリを諦めたユーザーは、リコールメッセージを受け取っても無視したり、嫌悪感を抱いたりする可能性があります。ユーザーを呼び戻すことの難しさは、新規ユーザーを獲得することより決して低くないかもしれません。

したがって、ユーザーが一度離れると、戻すのは非常に困難です。そこで、ユーザーが離脱してしまう前に、ユーザー自身の属性や行動特性などから離脱リスクを把握し、ユーザー維持のための対策をタイムリーに講じられるようにしたいというのが、ユーザー離脱警告です。ロス警告は、第一に、ユーザーのリコール時間を早めることができます。第二に、ロスリコールと比較して、コストが低く、難易度が低いです。第三に、アプリ内でリコールとアクティベーションを実行するために使用でき、より多様なゲームプレイ形式を実現します。

2. ユーザー離脱警告を構築するにはどうすればいいですか?

1. 離脱したユーザーを定義する

ユーザー離脱とは、実際には一定期間内に製品を使用しなくなったユーザーを指します。実際には、製品によってユーザー離脱を測定するための基準が異なり、普遍的な定義はありません。解約の定義は通常、行動とサイクルという 2 つの要素の組み合わせです。たとえば、一部の製品では 1 週間ログインしないことを解約と定義し、一部の製品では半年間支払いが行われないことを解約と定義します。

さらに、ユーザー属性に基づいて解約の定義を階層化することもできます。たとえば、性別やレベルの異なるユーザーに対して異なる解約しきい値を設定できます。

ユーザーの行動は多岐にわたるため、製品の種類とこの段階の全体的な運用目標を組み合わせて、ユーザーを定義できるコアな行動を見つけ出す必要があります。たとえば、電子商取引の製品は購買行動によって定義することができ、ユーザーが長期間購入していない場合、ユーザーは解約したとみなされます。コンテンツ製品の消費者はユーザーの閲覧によって定義することができ、ユーザーが長期間閲覧していない場合、ユーザーは解約したとみなされます。クリエイターはユーザーの公開によって定義することができ、つまり、クリエイターが長期間作品を公開していない場合、クリエイターは解約したとみなされます。

変曲点理論とビジネス特性を参考に組み合わせることでサイクルを定義することができ、最終的には行動＋サイクルで離脱ユーザーを定義できます。

2. 解約の理由を分析する

ユーザー離脱の理由を分析する必要があるのはなぜですか?これは、離脱警告モデルを構築した後、さまざまなユーザーが離脱の考えや行動をとる理由を把握し、ターゲットを絞ったユーザー回復を実行する必要があるためです。そして、ユーザー維持のための重要な行動を見つけ、ユーザーの行動を導きます。

さまざまな損失ユーザーに応じて、主に次の 4 つの方法でターゲットを絞った損失理由分析を実行できます。

3. 解約警告モデルの構築

解約警告モデルでは、異なるライフサイクルのユーザーを予測するために、異なるモデルを採用する必要があります。ユーザーは、獲得期間、プロモーション期間、成熟期間、衰退期間に分けることができます。ユーザーをサイクルに分割する目的は、ユーザーのライフステージを、将来の洗練された運用の早期警告およびリコール戦略に組み込むことです。解約警告は、過去のユーザーデータを抽出し、一定のウィンドウ時間で関連データを観察し、上記の解約ユーザー定義に従ってパフォーマンスウィンドウ内でユーザーの解約状況を評価し、現在のユーザーの将来の解約確率を予測します。

では、どのようなユーザーデータがユーザー離脱に影響を与えるのでしょうか?大まかに言えば、ユーザーポートレートデータ、ユーザー行動データ、ユーザー消費データの3つの次元に分けられます。さらに、予測時間ウィンドウ、つまりサンプルデータをどのくらいの期間分析する必要があるかを定義する必要もあります。これには、ビジネス担当者の経験と過去のユーザー行動データを組み合わせ、データの可用性を総合的に考慮して、最終的に合理的な時間予測ウィンドウを確立する必要があります。

観察期間中、履歴データからサンプルユーザーグループをマイニングし、ユーザーポートレートデータ、ユーザー行動データ、ユーザー消費データという3つの主要な次元に基づいてすべてのレベルで評価指標を改善し、フィールドデータのすべての側面をカバーして、その後のモデリングで各指標と解約の相関関係を評価しやすくする必要があります。

パフォーマンス ウィンドウ内で結果データを取得することで、最終的な予測モデルを構築し、ユーザー離脱ルールと各機能指標の重要度ランキングを取得できます。一般的に使用される早期警告アルゴリズムには、決定木、ランダムフォレスト、ロジスティック回帰などがあります。予測期間中、トレーニング済みのモデルを継続的に最適化し、関連性の低い一部の機能を削除します。これにより、モデルの精度、ヒット率、カバレッジが向上します。次に、翌月のユーザー離脱の可能性を予測し、離脱したユーザーのスコアとリストを出力できます。

3. 階層化された運用と早期警告によるユーザーリコール

1. ユーザーの階層化

解約警告モデルを構築しても、解約する可能性のあるユーザーを特定するだけで、対象を絞ったリコールガイダンスを実施しなければ労力の無駄になります。この時点で、ユーザーライフサイクル * 解約リスク確率レベル * 解約理由など、さまざまなディメンションラベルを持つデータがすでにあります。複数の次元をグループ化してクロス配置することで、マーケティング シナリオの重要性が異なるユーザーを取得でき、これに基づいて、優れた早期警告およびリコール ユーザー層別化メカニズムを確立できます。

2. 離脱リスクのあるユーザーを活性化し呼び戻す方法

1. クーポンを送信し、割引額を調整する
2. アプリ内のユーザーガイダンス、シナリオベースのリマインダーコピーなどを追加します。
3. 関連する推奨事項を最適化する
4. パーソナライズされたプッシュ コピー、SMS など。
5. 特定の解約理由に対するその他の最適化ソリューション

ユーザーの活性化や想起を促すためのさまざまな洗練された操作方法については多くの記事で議論されているため、ここでは詳細には触れません。また、実際の運用においては、ユーザーの活性化や想起効果の分析、ユーザーの回復コストの分析に重点を置く必要があります。次に、リコール効果に基づいて全体的な ROI を分析し、AB 実験などの手段を使用して ROI を継続的に最適化します。

上記では、ユーザー離脱警告を構築するための一般的な方法について説明しました。私のWeChat公開アカウントをフォローして、いつでもデータ分析についてコミュニケーションしてください。

著者: 趙小洛

出典：趙小洛洛

関連記事:

ユーザー離脱を防ぐ4つの方法！

製品ユーザーの離脱率を下げるにはどうすればよいでしょうか?

ユーザー操作 | ユーザー離脱モデルの基本ロジックと操作ガイド！