看將來站長搭站方向開展趨勢

　　丟失用戶的界說請參閱“網站的活潑用戶與丟失用戶”這篇文章，要解說如何合理地去界說用戶丟失時刻段長度的疑問，需要先介紹一個新的目標概念：回訪用戶。這兒的回訪用戶不是指Google Analytics上面的Returning Visitor(與新用戶相對，指之前拜訪過網站的用戶再次拜訪網站)，這兒的回訪用戶指丟失以后再次拜訪網站的用戶，即用戶從前丟失過，滿意丟失時刻期限內徹底沒有拜訪/登錄網站的條件，但以后從頭拜訪/登錄網站。然后，依據回訪用戶數能夠核算得到用戶回訪率，即：

　　用戶回訪率 = 回訪用戶數 ÷ 丟失用戶數 × 100%

　　回訪用戶率的數值大小間接地能夠驗證對用戶丟失界說的合理性。正常情況下，用戶的回訪率應該是對比低的，從事務的視點思考，假如對丟失的界說是合理的，那么很難讓那些對你的網站現已失掉愛好的用戶從頭來拜訪你的網站。一般情況下，網站的用戶回訪率應該在10%以下，在5%左右的數值是對比合理的，關于老練的網站而言用戶回訪率會稍高，而新式的網站的用戶回訪率一般更低，特別像手機APP這類用戶易丟失的商品。

　　丟失期限與用戶回訪率

　　用戶丟失的丟失期限的長度與用戶的回訪率成反比，咱們在界說用戶丟失時運用的接連不拜訪/登錄網站的期限越長，這批丟失用戶以后回訪網站的概率就會越低，而且跟著界說的丟失期限的增大，用戶回訪率一定是遞減的，并逐步趨近于0。那么假如挑選適宜的丟失時期長度?咱們能夠設定不一樣的丟失期限長度，進一步核算每個丟失期限的用戶回訪率，并調查用戶回訪率隨界說的丟失期限增大時的收斂速度。假如以“周”為單位設定丟失期限：

依據設定的不一樣丟失周期的用戶回訪率的改變曲線，咱們能夠運用拐點理論(Elbow Method)挑選最適宜的丟失周期。

　　拐點理論：X軸上數值的添加會帶來Y軸數值大幅增益(減益)，直到超越某個點以后，當X添加時Y的數據增益(減益)大幅降低，即經濟學里邊的邊沿收益的大幅削減，那個點即是圖表中的“拐點”。比方上圖中丟失周期添加到5周的時分，用戶回訪率的減縮速度顯著降低，所以這兒的5周即是拐點，咱們能夠用5周作為界說用戶丟失的期限，即一個之前拜訪/登錄過的用戶，假如以后接連5周都沒有拜訪/登錄，則界說該用戶丟失。

　　所以，有個這個方法以后，就能愈加合理地界說丟失用戶的核算邏輯，而之前要做的即是挑選不一樣的丟失期限別離核算用戶的回訪率，然后用核算的到的數值生成如上的一張帶平滑線的散點圖，疑問就方便的解決。