不同的产品，流失用户的定义也不一样：例如新浪微博推广平台、开心网等SNS网站，一个月不使用的用户即定义为流失，而如淘宝、京东等电商产品，由于用户使用行为的特殊性，可能6个月不使用的用户才会定义为流失，那么新浪微博推广平台怎么做用户不会流失？长春优信网络传媒和大家讲一讲。
1，如何定义用户流失
我们应该使用产品使用用户真实数据，为产品构建流失用户模型，以此来定义什么用户可被算作“流失用户”，什么用户存在流失趋势。回答了上述两个问题，那么怎么防止用户流失的手段就迎刃而解了。
2，如何构建用户模型
根据以往用户的使用行为，计算用户使用产品生命的周期。这个周期会包含用户何时注册，注册后在某个时间窗内成为成熟用户、能熟练应用产品、并频繁使用，直到最后成为流失用户，从频繁使用到几乎不使用。
当然也有部分用户从未达到熟练应用产品的时候已经流失。如果这部分比例较大，需要反思产品是否存在硬伤。
流失和注册两个数据结合起来看，就好比小学奥数的水池放水蓄水的问题，看你蓄得快还是放得快，就能知道这个游泳池到底是能蓄满水还是放光水。
你的水池在放水还是蓄水?
一般的用户使用行为会是一个正态分布的曲线，当用户使用周期确定后，很多结果就会由数据中读出来了。
从曲线中，我们可以用户从注册新用户到成熟用户，是一个缓慢上行的过程，同样的，从忠实用户到流失也是一个活跃度缓慢下滑的过程。所谓防流失，就是如果产品能够及时根据用户特征调整，启动一定的流失预警方案，相信能挽留一部分流失用户。
单个用户的使用周期确定后，就可以为产品整体用户描绘流失轨迹。以同一天注册的用户为例：
流失的概念，必须是长时间持续未使用，这需要和留存用户的概念相区别：留存用户的统计方式，一般会用第几周仍有使用作为该用户留存的定义，而不是前几周中使用过即算留存。
1， 当曲线趋于平稳时，说明我们的自然流失趋于平稳，即如果这个时候用户还留存着，基本上他就能留存很久，比较具有稳定性，同时，我们就可以以这个时间点来定义我们的流失。2， 自然流失率：以上图为例，当天注册用户100个，其中有20个在此后五周完全没有使用行为，则该日的注册用户自然流失率为20/100=20%;
节流(二)：怎么防止用户流失?
用户流失预警
从用户流失模型中，我们需要分析，流失的用户在流失前具有哪些相同的特征：如注册渠道是否比较集中?性别比例如何?地域特征是否比较明显?年龄层是否趋同?行为特征是否比较类似?属性特征是否相同?等等。
例如，流失用户中上传头像的比例为20%，而相同注册时间的留存用户中上传头像的比例为80%，则说明上传头像是非常重要的一个关键性指标。(当然还可以进而分析上传头像的用户中，为真实头像的占比如何。)
很多产品认为上传头像不过是个装扮小功能，不涉及用户的核心功能使用。殊不知小小的头像具有非常明显的蝴蝶效应。同样以SNS社区为例，上传的头像能够在虚拟社区中让对方第一眼了解这个虚拟id背后的喜好，如果是真实头像就有更大概率让真实的朋友认出自己，对于用户更快更好地构建用户关系有着不可磨灭的作用。
初步判断：这是一个动漫爱好者
在SNS社区中，用户希望留下更少的个人信息，却希望找到更多的朋友。结果是上来闷头找了半天朋友，却没有被朋友认出来而忽略，默默无闻地流失。而这样的用户由于留下信息太少，产品机制上也很难帮助其找到关系、构建圈子。
所以，对于社交产品来说，千万不要放弃这样的用户，每一个注册进来的用户都是给了产品一次展现核心价值的机会，拼命展现的同时，不要忘了例如上传头像这些可以让核心价值展现得事半功倍的小功能。
用户流失分类
找到关键性指标后，就可以对流失用户进行分类，找到针对不同分类流失用户的不同运营策略和方案，制定不同的防流失预警方案。
关键性指标的作用不仅在于对已流失用户的分析，重点在于提前找到有流失倾向的用户。即当用户的流失关键性指标开始出现下滑时，说明该用户是潜在的流失用户，需要提前接入放流失预警策略，以防止其彻底流失。
如果用户已经流失，再回来就会比新用户注册更难，新用户注册可以因为新鲜试试，而老用户流失是心如死灰，再召回如招魂般，谈何容易。
用户防流失
从前面的用户流失定义和分类中，我们的防流失工作重点都在流失用户的行为特征分析上，旨在提前找到潜在流失用户。那么找到后怎么办?
刚才我们是反向看流失用户，现在不如正向来看留存优质用户的成长路径。他们为什么就能玩得很好?是他们有什么诀窍还是他们找到了什么门道?我们根据优质用户的数据，即可以找到让用户留下来的理由。
毕竟不是所有的留存用户都一样，因此我们对留存用户也需要进行标签分类，在分类方式上可以参考留存用户的注册渠道、行为特征、地域等。
