-
auo4 AI 观察 用户
客户流失预警工具包:1张健康度评分表加3套召回预案,把悄悄走掉的人提前拉住
客户流失很少发生在退订、取关或者到期不续的那一刻。真正决定结果的信号,往往提前三十到六十天就出现了:登录变少、某个功能不再打开、消息不回、续费前突然开始问「能不能按季度付」。等到名单上出现「已流失」,能做的只剩挽回,成本比预警高得多。
这套工具包解决的是一件很具体的事:在没有专业系统、没有数据分析团队的情况下,怎么用手上已有的记录,把「快要走的人」提前识别出来,并且有章法地做一次干预。全套只有三件东西——一张健康度评分表、三套召回预案、一张流失台账。下面按顺序给字段、给阈值、给动作,直接照填就能用。
先统一口径:把「流失」拆成三类
动手前必须先定义清楚,否则后面的数据全是对不上的。至少拆成三类:
| 类型 | 判断标准 | 常见误判 |
|---|---|---|
| 主动流失 | 明确提出退订、退会、销户、不再合作 | 把一句抱怨当成主动流失 |
| 到期流失 | 合同/会员/订阅到期未续,且超过宽限期 | 把还在犹豫期内的人提前计入 |
| 静默流失 | 未提出退出,但关键行为连续两个周期归零或大幅下滑 | 把天然低频的正常用户算进来 |
三类要分开统计,不能混成一个「流失率」。主动流失看的是产品与服务的硬伤,到期流失看的是续费链路,静默流失看的是使用习惯衰减,对应的动作完全不同。
还有一条口径要提前定:观察周期。订阅制按自然月,电商按复购周期(比