如果按照每天管道投放獲客1000名，次日留存率40%來算，每天會有60%的用戶，第二天就再也不打開我們的APP，最終成為了流失用戶。平均每日損失幾百到數萬元不等。
雖然相比動輒幾百萬到幾千萬的融資，看起來損失很小，但比較遺憾的是：大部分產品的次日留存率，遠遠達不到40%。這就意味著會有更多的用戶流失掉！並且對於很多交易型產品來說，引導用戶下載激活註冊，僅僅是個開始，後面還需要繼續引導其轉化成為付費用戶。由於大部分產品的付費轉化率一般在10%以下，所以每日實際的損失，只會比你看到的更多。任何公司在用戶增長方面，如果只做到了不斷砸錢推廣，而對於流失用戶漠不關心的話，那這不僅是巨大的資源浪費，更是一種慢性自殺。所以，建立起“完整的流失用戶召回體系”就顯得非常重要。為什麼要進行流失用戶畫像？當然是為了更好的了解他們，只有足夠的了解才能投其所好，才有可能召回他們。一般來說，流失用戶畫像可以從人口屬性和行為屬性兩個方面展開分析。第一步可以從流失用戶的性別、地域、職業、年齡層等人口屬性出發，勾勒出流失用戶畫像的基本框架；第二步再結合用戶註冊渠道、訪問途徑、內容偏好、主要行為，以及用戶最後一次交互行為來提煉流失用戶的群體特征。
注意，重點關註流失用戶的最後交互行為的具體動作是什麼、對象是什麼、時間點是什麼，這對於我們了解該用戶群體的偏好有極大參考意義。總之，流失用戶畫像是流失用戶召回體系中的行動指南。流失用戶畫像越細致，代表性越強，召回成功率越高。建立用戶操作路徑圖在召回流失用戶前我們要先清楚用戶是如何使用產品的，從而分析用戶在使用過程中是否有破壞體驗的缺陷，導致了用戶的流失。以視頻APP為例，我們具體分析一下用戶的使用操作過程。視頻APP主要的功能就是播放，對於新用戶來說首頁的元素展示和搜索功能都能抵達播放。如果新用戶沒有完成播放，我們就要思考是否是首頁的內容不夠吸引人，還是搜索時沒有找到自己感興趣的內容。
對於老用戶來說，搜索功能弱化了，更重要的在於離線緩存、觀看歷史以及繼續觀看等板塊。由此來看新老用戶的使用路徑要區分開，比如新用戶更加註重搜索功能，而老用戶則可以重視歷史、下載等功能。建立用戶流失預警模型理順用戶操作路徑後，我們就能大致了解了產品中的重要節點，這時就要將這些節點的重要度進行分級。如果有一定的數據支撐，可視化圖表以及熱力圖會有很大的幫助。當然如果數據不夠，我們也可以借助用戶反饋進行彌補，這主要涉及大量的信息整理分析的工作，需要在事先將思路理順，不要被繁雜的訊息所幹擾導致本末倒置。模式的維度可根據使用頻次和使用單次時長等維度來界定，可以結合自身的產品特點而靈活定義。
