一般来说，常用于丢失用户的英语是“流失用户”，而使用的istage，away，lost等都不太标准。后来，做过相关分析的朋友询问丢失用户的丢失时间有多长是合理的，尤其是《网站分析实战》本书出版后，我提到了如何更准确地定义损失的长度。可能更容易解释，或者有朋友对此问题有反馈意见，因此我将在此处使用一篇文章进行解释。

丢失用户和回访用户

有关丢失用户的定义，请参阅“网站的活跃用户和丢失用户”。在本文中，为了解释如何合理地定义用户丢失时间段的长度，您需要引入一个新的指标概念：返回用户。此处的返回用户不会引用Google Analytics上的“返回访问者”（与新用户相反，访问该网站的用户再次访问该网站）。这里的返回用户是指丢失后再次访问网站的用户，即用户已经丢失并满意。在排水时间段内没有条件访问/登录该站点，但随后重新访问/登录该站点。然后，根据返回用户的数量，可以计算用户返回率，即：

用户返回率=返回用户数和除数;丢失的用户数和次数; 100％

返回访问用户率的数值可以间接验证用户流失定义的合理性。在正常情况下，用户的回访率应该相对较低。从业务角度来看，如果流失的定义合理，那么对您网站失去兴趣的用户很难重新访问您的网站。在正常情况下，网站的用户退货率应低于10％，而5％的价值是合理的。对于成熟网站，用户的回报率会略高，新兴网站用户的回报率通常较低。特别是对于容易丢失的移动应用等产品。

损失截止日期和用户回访率

用户流失的丢失期的长度与用户的返回率成反比。定义用户流失时连续非访问/登录网站的持续时间越长，丢失的用户之后返回网站的概率越低，并且随着定义的丢失期的增加，用户返回率必须减少并逐渐接近零。然后，如果我们选择适当的漏极周期长度，我们可以设置不同的漏极周期长度，进一步计算每个漏极周期的用户返回率，并观察用户返回率的收敛速度，因为定义的漏极周期增加。如果您以“周”为单位设置流失期：

我们可以使用弯头方法根据不同流失周期的用户返回率曲线集选择最合适的流失周期。

拐点理论：X轴上的值增加将导致Y轴值上的大增益（债务），直到某一点之后，当X增加时，Y的数据增益（debuff）急剧下降，也就是说，经济学的边际收入急剧下降，这一点就是图表中的“拐点”。例如，当上图中损失周期增加到5周时，用户回访率的降低率明显降低，因此这里的5周是拐点。我们可以使用5周作为定义用户流失的截止日期，即之前访问/登录的用户。如果连续5周没有访问/登录，则用户定义用户流失。

因此，采用这种方法后，可以更合理地定义丢失用户的统计逻辑，之前的工作是选择不同的超时周期来计算用户的收益率，然后用统计值生成上述一。使用具有平滑线条的散点图，问题得以解决。

« Bear's Palm为网站带来的变化：从获取流量到运营用户 | 熊掌号码带给网站的变化——降低输入搜索的门槛 »