如何用「說服模型」降低用戶流失率？

預(yù)測模型（predictive models）通常是用來估計(jì)一個(gè)事件在未來發(fā)生的概率——比如明天會(huì)不會(huì)下雨？哪些用戶最有可能退訂服務(wù)？

其實(shí)，預(yù)測天氣并不是為了改變它，而是為了適應(yīng)它。但在商業(yè)情境中，我們更多的是想要在預(yù)測后采取行動(dòng)，從而改變結(jié)果。

所以在這種情況下，我們要的不僅是「預(yù)測」，而是「藥方」。

當(dāng)我們知道了采取某個(gè)行動(dòng)會(huì)產(chǎn)生怎樣的影響后，我們就可以把資源集中到效果最好的地方，而不在效果微乎其微或者是容易產(chǎn)生反作用的地方浪費(fèi)資源。

這就是增量模型的思維模式。

為了更好地理解增量模型，我們先看看它和傳統(tǒng)預(yù)測模型之間有什么區(qū)別。

預(yù)測模型 vs 增量模型

很多時(shí)候，預(yù)測模型的結(jié)果或許能告訴我們：電信公司的哪些用戶最可能流失、醫(yī)院的哪個(gè)病人最可能康復(fù)、慈善組織中的哪些人最有可能捐贈(zèng)。但它并不會(huì)告訴我們，該如何行動(dòng)。

預(yù)測模型對(duì)有些場合已經(jīng)夠用了，比如天氣預(yù)報(bào)。因?yàn)槲覀儫o法改變天氣，我們只能選擇做好準(zhǔn)備。

但在我們能夠作出改變的時(shí)候，我們當(dāng)然想影響結(jié)果。比如，電信公司會(huì)考慮如何留住那些想退訂的用戶，給他們免費(fèi)升級(jí)套餐能降低用戶流失嗎？人力資源分析師會(huì)思考搬家費(fèi)能不能讓候選人更有可能接受offer？

其實(shí)，增量模型最常見的例子是在營銷領(lǐng)域。

它的目標(biāo)并不是預(yù)測客戶購買的可能性，而是提高客戶購買的可能性。模型會(huì)告訴你，與其花錢去試圖影響那些已經(jīng)支持你的人，還不如去影響一個(gè)還沒有支持你，但「可能被廣告說服的人」

增量增的是什么？

增量模型增的到底是什么呢？就是購買行為在有廣告時(shí)比沒有廣告時(shí)上升了多少（不一定是購買行為，而是任何我們希望用戶產(chǎn)生的行為；也不一定是廣告，可以是任何實(shí)驗(yàn)處理）。這不是能直接觀察或測量出來的東西，我們只能在實(shí)驗(yàn)中推論出這個(gè)因果關(guān)系。

在介紹這個(gè)模型前，我們先看一個(gè)2×2的矩陣，這個(gè)矩陣把你所有的用戶分成了4個(gè)類型：

a. 可以被廣告影響的人 Persuadable
b. 忠實(shí)的支持者 Sure Thing
c. 請(qǐng)勿打擾者 Do-Not-Disturb
d. 沒有希望拉攏的人 Lost Cause

這四種人中我們最應(yīng)該關(guān)心的是a類人——可以被廣告影響的人。對(duì)于b類和d類人，廣告其實(shí)是浪費(fèi)的。對(duì)于c類「請(qǐng)勿打擾者」，廣告的效果是適得其反的。他們可能本來有可能買你的產(chǎn)品，但廣告反而讓他們抵觸。這些人也被稱為「sleeping dog」，因?yàn)榇驍_他們就像喚醒沉睡的狗一樣，我們更希望「就讓他們?nèi)ァ埂?/p>

增量模型的目標(biāo)就是找到可以被廣告影響的a類人。然后對(duì)這些人進(jìn)行廣告投放。

估計(jì)增量

現(xiàn)在我們來用一個(gè)案例說明。

假設(shè)有一家電信公司想要減少用戶流失，他們采取的行動(dòng)就是給那些可能流失的用戶免費(fèi)升級(jí)他們的電信套餐。那怎么樣找到「可以被這個(gè)優(yōu)惠政策說服的用戶」，并給他們實(shí)施這套方案，把他們留住呢？

我們用增量模型來解決這個(gè)問題。

首先，我們要做一個(gè)實(shí)驗(yàn)，這個(gè)實(shí)驗(yàn)的目的是給增量模型提供必要的數(shù)據(jù)。我們從電信公司幾千萬個(gè)賬戶中抽取2000個(gè)賬戶用來做實(shí)驗(yàn)。

我們隨機(jī)選擇400個(gè)電信賬戶設(shè)為試驗(yàn)組（test group），對(duì)于這些人，我們給他們免費(fèi)升級(jí)套餐（所以免費(fèi)升級(jí)套餐就是實(shí)驗(yàn)處理）。

我們另外再選1600個(gè)賬戶，不給他們升級(jí)套餐，所以他們就是控制組（control group）。

然后我們比較這兩組賬戶在流失率上的差別。

我們發(fā)現(xiàn)，測試組的400個(gè)賬戶中有8個(gè)用戶流失了，流失率2%?？刂平M的1600個(gè)賬戶中有160人流失了，流失率是10%。所以，測試組和控制組相比，有-8%的增量（這個(gè)例子中，用戶流失是不好的，所以負(fù)值意味著「留存」的增加。）

總體增量 U = 測試組結(jié)果RT – 控制組結(jié)果RC = 2% – 10% = -8%

千萬不要以為到這一步就結(jié)束了。好戲還在后頭。

實(shí)驗(yàn)做完后，就到了增量模型最重要的一個(gè)環(huán)節(jié)——計(jì)算出每個(gè)用戶的實(shí)驗(yàn)處理效應(yīng)（treatment efffect）。也就是說，雖然試驗(yàn)組的流失率總體上比控制組低，但這是總體的結(jié)果，每個(gè)個(gè)人是不一樣的，可能試驗(yàn)組里的有些人喜歡「免費(fèi)升級(jí)」并被它說服了，但另一些人對(duì)它無動(dòng)于衷，甚至還有人反而被它激怒。

所以我們可以用用戶的特征變量——比如性別、年齡、收入、網(wǎng)購記錄等等——來分別預(yù)測在有「免費(fèi)升級(jí)」和沒有「免費(fèi)升級(jí)」的兩種情況下的用戶流失率。

模型具體的步驟是這樣的：

1. 在有實(shí)驗(yàn)處理的情境中（也就是「免費(fèi)升級(jí)」），用個(gè)人特性變量預(yù)測用戶流失率
2. 在沒有實(shí)驗(yàn)處理的情境中（也就是沒有「免費(fèi)升級(jí)」），用個(gè)人特性變量預(yù)測用戶流失率
3. 計(jì)算兩組流失率的差距（Ui=RTi-RCi）
4. 計(jì)算差距的置信區(qū)間

當(dāng)有了這些重要的數(shù)值之后，我們就可以把所有用戶他們每個(gè)人的特征值帶入，并計(jì)算每個(gè)個(gè)體的置信區(qū)間。根據(jù)這些置信區(qū)間，我們可以把所有個(gè)體歸類進(jìn)矩陣?yán)锏乃姆N類型：

• 如果置信區(qū)間包括零值，則「免費(fèi)升級(jí)」這個(gè)措施對(duì)這個(gè)人來說就是沒有顯著功效的。那他就要么是忠實(shí)的支持者Sure Thing，要么是沒有希望拉攏的人Lost Cause，所以你不用浪費(fèi)精力在他的身上。
• 如果置信區(qū)間大于零，那就說明「免費(fèi)升級(jí)」對(duì)他是有作用的，那當(dāng)結(jié)果為正時(shí)，他就是「可以被說服的人」。
• 當(dāng)置信區(qū)間小于零，那就說明實(shí)驗(yàn)處理降低了期望的結(jié)果的發(fā)生概率，也就是免費(fèi)升級(jí)對(duì)他是有反作用的，那這些人就是「請(qǐng)勿打擾者」。

通過這種辦法，我們就可以把所有用戶分成這四類人啦！然后只要給「可被說服的人」發(fā)廣告「免費(fèi)升級(jí)」他們的套餐就行啦！

獲得營銷投資回報(bào)

在商業(yè)中理解一個(gè)行為的投資回報(bào)率是非常重要的。增量模型讓你可以估算一個(gè)處理的回報(bào)，只要加總處理對(duì)于那些「可被說服的人」的增量（incremental uplift）就行，這就是整體的處理效果（treatment effect）。

Mike Thurber@Marteker技術(shù)營銷官(marteker)

首席增長官CGO薦讀：

• 《 增長的套路，如何定義用戶流失？ 》
• 《 百度統(tǒng)計(jì)：我的心里只有一件事，就是用戶增長 》
• 《?首席增長官：陸燎原如何打造自己的平臺(tái) ?》

更多精彩，關(guān)注：增長黑客（GrowthHK.cn）

增長黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實(shí)現(xiàn)低成本甚至零成本帶來的有效增長…