GR · FW · 174
流失率拆解框架
Churn Decomposition Framework · churn-decomposition-framework--what-is-good-monthly-churn
所属簇 留存与流失
解决什么问题
只看总流失率掩盖了不同类型的流失原因,导致无法精准优化留存策略。
核心内容
流失率应从两个维度拆解建模:
- Intentional vs. Involuntary churn(故意与非故意流失):
- Intentional:用户主动决定停止使用产品。
- Involuntary:非主观原因导致流失,如信用卡过期、忘记密码、连接错误。常被公司忽视,通过良好的数据监测可以标记并挽回这些事件。
- Soft vs. Hard churn(软流失与硬流失):
- Soft churn:用户已停止使用产品但仍在付费(包月或包年)。这种情况表明产品的价值提取大于价值创造,应引起高度关注。
- Hard churn:彻底流失。
适用边界
适用于所有需要精细化运营流失率的订阅制业务,特别是存在较高无意识流失或沉睡付费用户的产品。
关键引述 · 原话
"Where I see companies losing meaningful percentage points is in overlooking involuntary churn-good data instrumentation can flag these events..." — Crystal Widjaja
出处:Lenny Rachitsky · 02-newsletters/what-is-good-monthly-churn.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2