第十一章 5W1H分析用户流失原因
流失用户分析的方法很多，今天我们以游戏产品为例，借助DataFocus来了解下通过5W1H分析方法，如何对用户流失原因进行分析。
11.1. 用户流失期限的确定
在分析之前，我们先来了解下如何确定流失用户，即流失期限是多久呢？
我们可以通过流失用户回归率和拐点理论来确定用户流失期限。
首先，选取几个时间点的登录用户，分别计算它们连续1天至30天不登录的流失回归率。
流失用户回归率=回归用户数/流失用户数×100%，在DataFocus中可以使用公式直接进行计算。
从上图中可以看到，随着天数的增加，流失用户回归率递减。约第21天为曲线的凹凸分界点，即拐点，在此，我们可以预估用户流失期限为21天。
再结合对其它时间点登录用户的流失回归率与拐点分析，即可以较合理地制订用户流失期限。
11.2. 5W1H分析流失用户
11.2.1. 了解5W1H
5W1H是指What何事、 Where何地、Who何人、When何时、Why何因、How何法。
对游戏流失玩家的分析，我们可以从这几点进行了解
What——用户流失了，流失了多少用户
Where——在哪里流失的，游戏中哪个区域流失的
Who——什么人流失的，新玩家还是老玩家，从事什么职业的玩家 ；游戏中哪个角色。
When——什么阶段流失的，是新手阶段、中级阶段还是高级阶段
Why—— 为什么会流失，是因为游戏中的任务较难，游戏有卡点还是没有一起玩的朋友等等。
How——如何挽回用户，可以制订哪些策略。
11.2.2. 分析内容
我们可以选择七日流失用户来反映流失用户特征，再根据每日数据变化情况分析流失规律。
数据来源主要包括用户游戏行为日志和对玩家的回访调查数据
11.2.2.1. 七日流失用户分析
游戏产品的7日流失用户分析，可以从游戏玩家等级、职业、在线时长、任务等游戏环节和场景、好友、群体、账号余额等情况入手。
例如：查看流失用户整体情况、用户等级分布（包括人数和流失率）、各角色职业流失情况、登录和在线时长变化情况、任务持有情况、加入公会、好友、参与副本情况、参与活动副本A情况、用户余额 等等。
11.2.2.2. 每日流失用户的分析
每日数据变化情况，可以从每日流失和新用户导入关系、每日流失用户群体、每日流失各等级人数情况、每日流失账号绑定余额变化情况等方面分析。
11.2.3. 搜索分析
在DataFocus系统中，主要是在搜索模块进行数据分析。我们以七日流失用户分析中的“查看流失用户情况”，来了解下DataFocus的搜索分析。
对流失用户情况的整体查看，包括分析各渠道的活跃用户占比、登录与流失用户比例，7日流失率、7日回归率、老用户比例、新用户比例、回归用户比例等情况。
因此，我们需要先统计某一周登录游戏的用户，再判断他们在此后的第二周、第三周是否登录游戏。进而对这些用户进行分类和分析。
11.2.3.1. 直接查看用户比例
各渠道活跃用户比例=某渠道登录用户/总登录用户。因此我们需要先对用户进行分类。
如下图，在DataFocus搜索模块的“增加公式”，使用if...then...else 公式，对用户进行分类并保存为公式列。
用户类别分为“活跃用户”和“流失用户”。流失用户指统计的一周登录用户中，在接下来的第二周未登录的用户。
双击或在搜索框中输入该公式列名，并使用关键词“数量”计算用户数，设置标签后即可直接查看到流失用户、活跃用户的用户数和比例情况。
也可以使用“=”或“包含”关键词，进行更精确的查看，如下图：
11.2.3.2. 比率的计算
对于比率的查看，也可以直接使用公式计算。我们以7日流失率和7日回归率为例，如下图所示。
7日流失率=流失用户数/第一周登录用户数。即第一周登录的用户在第二周未登录游戏的数量，除以第一周登录的人数。
7日回归率=回归用户数/流失用户数
回归用户：流失用户中在第三周登录游戏的用户。即统计的第一周的登录用户，在第二周未登录但第三周登录的用户。
所以我们可以直接使用之前的“用户分类”公式进行公式的嵌套。
搜索分析，了解分析所需维度，即可以使用类自然语言直接分析哦~
DataFocus最新SaaS版，大家都可以试用，抢先体验云时代的“云端数据分析”~