直播行业用户召回怎样做？【案例】
之前做过的项目，具体数据肯定是不能漏出来的，文中可能会用一个大致数据或不写出来。
犯过的错
分析用户流失的原因，甚至做用户调查，其实这一步没必要，因为解决方案就那么几个，原因分析太细也没用（例如，一共只有 5 个解决方案，但是有 20 种流失原因，就一定会出现一种解决方案对应多种流失原因的情况，那其实分析流失原因这一步就是多余的，只需要和运营、资深产品聊一下就大概知道了）
一开始就打算做一个庞大的系统，导致无从下手，并且也可能做出来没法使用，一点都不 MVP
刚开始没考虑研发的计算压力，想所有东西都要实时数据，用户触发之后，自动发送；之后又过度的考虑研发的计算压力，放弃了些本可以实时计算的数据
一开始就要研发拉比较详细数据，并且其中一些数据为什么要，我自己也没想的太明白，导致数据组 leader 也不太开心，甚至有点不愿意接这个需求
一开始时看过很多模型，例如 RFM、用户分群、贝叶斯分类、决策树、KNN分类、逻辑回归等等等，后来发现并不适用
注意点
一定要分清优先级分步骤来，不要一上来就做一个庞大的系统，可以先选取其中一种分类用户来做召回（例如：最近一月无登录&最近两月有登陆&付费超过 10000 的用户），根据数据反馈再来迭代及扩大召回范围
召回用户限定在最近半年有登陆行为的用户就好，如果用户半年都无登录，那可能早就把 APP 卸载了，召回概率极低。但具体限定多长时间，根据自己产品定
用户的行为都会有一个波动范围，超过波动范围才进行召回，如果在波动范围之内，即使是下降也算是正常的（例如用户前 10 个月，都平均每月消费 500 元，如果我把波动范围设置为 75%~125% 都算正常，即消费 375~625 元都是正常波动范围，突然这个月消费了 400元，这只是正常波动而已，如果消费 300，则需要进行召回了）
把你的最终目标设定好，改变哪些数据可以影响这个目标，形成公式化，就对哪些改动影响大的进行过召回
做好降噪，哪些消息应该发，哪些不应该发，哪些的优先级更高，每天哪个时间段不能让用户接受消息（如果凌晨 4 点给用户发掉优惠券短信，可能会起床就把 APP 卸载了），用户每天或每周最多接收到多少条消息，以达到不骚扰用户的目的
针对大产品可能需要了解用户是怎样流失的，流失的路径，查询用户在使用过程中退出或离开的原因，才有可能找到提升和改善用户体验以及满足用户需求的功能。但是对于中小型产品或中小型公司可能不太合适，即使我知道很多流失原因，也分析的很清楚，但是解决方案只有那么几个，后面还是需要把分析很细的原因给综合
用户召回后，并不代表召回任务已经功德圆满，回流的用户亦需要引导和定期的活跃，所以有必要建立一套平时避免用户流失的机制，适用于所有用户
一句话描述需求
精确的及时将不同内容通过不同渠道推送给不同用户
难点
及时，精确定位用户
一些定义
大中小用户分类
大，充值≥10000
中，10000>充值≥100
小，100>充值>0
无充值
上面的具体数字，只是我随意写的一个，应该根据自己产品来定，但大中小比例大约控制在 5:30:65
流程
拉出流失用户 / 正常用户，流失前的数据进行对比。数据 1：上月有消费 & 本月无消费。数据 2：上月有消费 & 本月有消费
选择你比较重要的几个指标：登录、充值、消费、清空账户余额等
上面只选择了本月和上月的数据，实际上做的时候还需要根据实际情况增加 7 天，15 天等数据，取一个平均值。因为用户的流失期可能只有 7 天，或者只有 10 天，数据更准确，更方便准时给用户发召回消息
数据 1 和数据 2 中数据各项指标对比
找出相差比较明显的几个指标
然后以这几个比较明显的指标来提炼用户模型，如果这几个指标变化较大就可以认为用户可能要流失了。这里其实也可以用上 RFM 模型（自己搜索什么是 RFM 模型），给几个指标分别不同的权重，然后来计算用户的总分，如果分数低于多少就应该召回
将用户分类，组合
付费多少分为：大、中、小、未付费用户
不同行为：登录、观看、充值、消费、清空背包
变化：下滑、稳定
幅度：下滑（快、慢）、稳定（有、无-长、无-短）
上面词的解释
下滑，就是用户的充值或消费等下降了
稳定，就意味着没有下滑为什么还要召回呢？上面可以看到，稳定也分为稳定-有，稳定-无-长，稳定-无-短。他们分别意思是第一种：用户稳定在每周消费多少钱，但是我觉得他的消费还要提升空间，我把这种提升也归为叫做召回；第二种：稳定-无-长，意思是用户的消费稳定在 0，并且已经持续很长时间了，差不多可以认为这个用户已经流失了；第三种：稳定-无-端，意思是用户的消费稳定在 0，但是持续时间还较短，意味着这个用户刚流失，能召回的概率还较大
几种分类组合=4*5*（2+3）=100种，但其中大部分组合可以选择放弃，eg：未付费-登录稳定-无-常（用人话解释：一个未付费用户长时间无登录。有可能是两年前曾经注册过，之后两年就在没来过，也从未付费过，APP 可能也早已经卸载了，这种用户是几乎不可能召回来的，即使能召回来，那付出的成本也大概率会高于该用户带来的收益。退一万不说，即使要召回这个用户，那他的优先级也是最低的，实在没事做了，可以考虑召回这类用户。）
按照不同组合排优先级（从高到低）
根据数据验证召回的策略，并做一定的修改
召回后针对这些用户配套的运营活动
解释下上面几条线
假如用户的平均每周消费都为 400，如那条水平的绿线
波动范围设置为上下 25%，则波动范围为 300-500，如那条水平黄线和水平红线
用户消费行为下降比较快，如黄色那条折线，两周就从 400 下降至 0
用户消费行为下降较慢，如那条橙色折线，从第五周开始下降，至 11 周才下降至 0
针对流失快的那条黄色折线，则 4-6 周算正常情况，6-8 周属于即将流失，这时候应该有一些相应的措施防止他流失，效果最好，8-9 周，用户消费已经为 0，但属于刚流失，召回效果其次，最后 9 周以后的时间段都叫做已流失，这时候想要召回其实是比较难的，并且时间越往后越难召回。
召回哪种行为
如果登录、观看、充值都正常，当然是暂时不用召回，可以考虑提升
但如果登录次数正常、观看次数和时长也正常，但充值下降了，肯定就需要针对充值这种行为进行召回，具体哪些行为变化，会召回哪些行为，如下表
怎样看他数据是否正常呢，这里需要根据自己的产品进行计算，公式不方便放在这里。大致可以提一下，是采用每个用户单独的数据一个阶段和上个阶段对比，如果下降快，可以直接进行召回；如果下降慢，但是连续下降的话（如上面那条橙色折线），可以采用几个阶段多次对比来看
渠道
push
短信
站内信
运营 1v1（超大用户专享，eg：付费 10 万以上的用户）
拉过的数据
绑定手机号概率
平均每周登录天数
人均每天签到次数
单次直播间停留时长
领取红包
充值比例
打赏比例
玩游戏比例
来自哪些渠道
手机型号占比
事实证明上面大部分数据没卵用，毕竟我们不是 BAT 那种大厂
关注公众号：Aaron聊产品（ID：Aaron-notes）
