定义用户的流失，是一个比较困难的内容。公司的用的流失是按照180天未下单的用户定义的用户流失，追其原因，很多同事说的是行业基准，很少有同事知道这180天是怎么来的。今天就来分析下。
时间锚流失定义法
第一步，设定时间锚
这里的时间锚设置在了一年之前（2021-09-14），即观测区的时间设定了一年。
- 这里选用“一年” 定义“绝对流失”。即一年不再有交互的即定义为绝对流失。
- 理论上观测区越长越好，但是如果观测期过长，可能存在用户结构已发生变更导致统计结果不准的情况。
- 类似旅游类网站可能出现一个用户一年才出行一次，类似这样的网站建议使用5个季度进行分析。
- 当时间锚确定后，需要保证流失分区区和回购观测区的时间长度一致。
第二步，计算流失分析区内用户最后一次交互时间距离锚点的距离
注意：最后消费日期是在锚点之前的最后消费日期。
第三步，流失观测区数据观测
第四步，汇总统计流失情况
按“距离锚点天数”统计流失分析区的会员量和回购观测区有过消费的用户量。
存活率=存活用户量/总用户量
按“天”统计可能太细了，这里推荐用“周”进行统计。
第五步，确定核心流失节点
一般有两种方法确定阈值：
- 拐点法，主要看存活曲线什么时候变得平稳，以变得平稳的点作为流失节点
- 阈值法，设定一定的存活率阈值，比如10%或20%，交叉点极为流失节点
时间锚流失定义法应用
时间锚流失节点的应用分析场景可以是流量也可以是订单。其实关于此方法的另外一个应用是标识用户的存活概率。即用大盘的流失概率标识用户的流失概率。针对曲线的波动，可以采用重新拟合曲线的方式获得方程后进行使用。
虽然个体间存在较大的差异，但是也能起到一定的参考作用。
