每周3更新 关注并星标
Hi，我是猫哥。
7月24日晚上18点32分北京暴雨倾盆
浇的那叫一个瓢泼灌溉
拉磨的驴：四郎别过来，臣妾的鞋袜湿了
外卖小哥：又是场硬仗 让暴风雨来得更猛烈些吧
相柳党：柳子啊 你汹涌的爱意被天地窥见啦
我站在故事开头，窥见你战死的结局
今天的排面给相柳
你是这部狗屎剧里开出来最绚烂的一朵花
现实冲破了次元壁
山海宇宙给你送行 恭送相柳大人！
终有若水替沧海，再无相思寄巫山
柳子不行你刷我医保 我愿用20斤肉换你复活
猫哥生产的复活甲和充血包也给你用上
身已许国，再难许卿 檀健次你赔我纸巾钱！
我在上帝视角看到你所有的爱
怎么能不心疼呢
呜呜呜
关注猫哥并设为星标，才能收到每周的推送。
都哭完了吗，上硬菜！每周一家大厂面试原题！
今天拆的是：某节
候选人请听题
某节：你做过留存分析吗？如何搭建流失用户召回体系？
你需要掌握的考点
留存分析（基础） + 召回体系（进阶） + 生存分析（进阶）
基础部分
考点拆解
第一层：用户留存和用户召回基本是一回事儿（留存侧重留下来的用户，召回侧重已经流失的用户）。常见的用户留存分析中，如何判断留存/流失周期、常见的指标有哪些，常见的分析方法有哪些。
第二层：指标、方法、得到的结论，如何体系化的构建一个整体的分析过程，得到业务想要的结果。比如XX用户在XX时间段有XX概率会因为XX原因流失。
第三层：有了结果，如何针对性的提升用户留存率。比如针对刚刚的结果，我们该做什么策略，效果如何评估。
回答思路
基于以上的考点拆解：
第一层：基础能力考察。在实际的留存分析中，根据业务的不同，我们对于留存的定义也不同。
从指标上来说，最常见的是次1日至次7日留存和次14日、次30日、次n月留存。从定义上说，我们需要结合业务特点，合理的定义沉默用户、流失用户是首要问题。
比如对于某音来说，应该看的是次1日，次7日留存率，因为使用频率非常高；而对于一些工具类APP，比如百度网盘、大麦网，基本比较关注次7日和次14日留存。
这个周期可以结合留存率曲线的拐点来判断，也可以结合留存率曲线的波峰间隔来判断。
第二层：拔高能力考察。接下来需要分析这波用户的核心特征是啥。
一般会分为两个方面，用户的静态特征，比如一些用户画像：性别、城市、年龄等；用户的动态特征：停留时长、交易行为、点击行为等。
分析特征的目的是为了找出用户在where、when、how流失，从而定义出用户why流失。常见的可以用RFM模型、用户打分模型。
有了这些基础的用户分类后，我们就可以建立一些预测模型，预测用户的流失概率；也可以建立用户的生存分析模型，归类哪些因素会影响用户流失。
如果不用生存分析，我们也可以从3个方向去总结用户的流失原因......
第三层：拔高能力考察。以上有了策略，我们如何验证这些策略，比如AB实验，比如我们之前讲过的逆概率加权、增量ROI计算等方法均可。
面试答案
首先，我认为留存分析和流失分析是相辅相成的。我会先根据业务情况定义出我们要观测的指标。
比如某音我认为是一个非常高频的使用场景，那我会观测用户的次1日至次7日留存率，基本可以定义间隔7日仍旧不活跃的用户是流失用户。
当然，为了更科学的找到周期，我会观测更长周期的留存率，找到留存率拐点的方式来定义XX天内不活跃的用户是流失用户。如果遇到非这类高频的业务场景，我还会观测用户的留存率波峰，计算两个波峰间的间隔天数，把该周期内不活跃定义为流失用户。
其次，有了流失用户的定义后，我会去分析用户的特征。这里面主要涉及两个类型的特征。静态的和动态的。
静态的比如用户的注册渠道、年龄、行为、职业、城市等静态画像。动态的就是用户的行为特征，比如注册时长、日均使用时长、转赞评次数等和APP交互的行为。
分析这些特征的核心目标是对用户进行分类，从而划分出不同类型的用户会在什么时候、什么地点、什么情况下会流失，也就是总结出用户大概会因为什么原因流失。这里面可以使用一些模型，比如聚类模型可以分类，比如......
其余内容，获取方式见文末！
问题总结
进阶部分
接下来，我们进入进阶部分：
获取方式
扫描下方二维码 购买，限时特惠，现已更33篇，约13万字。
30篇大厂面试原题拆解，10篇大厂JD拆解，掰开揉碎，用大厂业务信息差降维打击保命续命！
你的师兄师妹都在这里，欢迎加入！
每篇面试真题拆解，你将获取以下内容：
1️⃣【基础部分】：考点拆解 + 回答思路 + 参考回答 + 此类问题解法总结 + 类似问题
2️⃣【进阶部分】：回答避坑 + 如何引导追问 + 追问应对 + 考查知识总结 + 落地应用 + 多维视角回答
