夜雨聆风上一篇我们聊了怎么用 LTV 预测判断一个用户值多少钱。但知道用户值钱没用——他要跑了你才头疼。
今天来拆一个更实战的东西：流失预警系统。目标很简单——在用户按下"取消订阅"按钮之前 7 天，你就收到警报。
听起来玄学？其实 Spotify、Notion、Slack 都在用类似的逻辑。
流失预警的核心思路
用户不会突然流失。在取消之前，他们会经历一个"沉默期"——登录变少、功能使用变窄、互动减弱。流失预警就是捕捉这些"沉默信号"。
用一个公式概括：
流失风险 = 行为衰减速度 × 价值敏感度 × 时间窗口
翻译成人话：
他最近用得越来越少了吗？（行为衰减） 他用的是核心功能还是边缘功能？（价值敏感度） 这种趋势持续多久了？（时间窗口）
三家公司怎么做的
Spotify 的方法：听歌行为断崖
Spotify 追踪的不只是"有没有打开App"，而是：
主动搜索歌曲的频率（被动听推荐 vs 主动搜索） 播放列表编辑行为（创建/修改自己的歌单） 跳过率变化（开始频繁跳过推荐歌曲 = 算法失去吸引力）
当这三个指标同时下降超过 40%，且持续 5 天，Spotify 内部会触发"用户冷却"标记。
Notion 的方法：协作密度监控
Notion 是协作工具，所以他们看的是"社交粘性"：
被@提及的频率 评论/回复行为 共享页面的创建和编辑
关键洞察：一个人用 Notion 容易流失，一群人用 Notion 几乎不流失。所以 Notion 的预警重点是"协作密度下降的个人用户"。
Slack 的方法：消息模式分析
Slack 的核心指标出人意料——不是消息数量，而是：
- 回复延迟的变化
（从秒回变成小时回） - 频道活跃范围收缩
（从参与5个频道变成只看2个） - 主动发起对话的频率
（从发起者变成纯围观者）
零代码搭建方案
不需要数据团队，用现有工具就能搭一个基础版：
第一步：定义你的"沉默信号"
根据你的产品类型选 3-5 个关键行为指标：
第二步：设定基线和衰减阈值
基线 = 用户过去30天的平均行为值衰减率 = (本周行为值 - 基线) / 基线 × 100%预警规则：- 黄灯：衰减率 > 30%，持续 3 天- 红灯：衰减率 > 50%，持续 5 天- 紧急：衰减率 > 70%，或核心功能使用归零第三步：用 n8n / Make.com 搭自动化流程
推荐架构（零代码）：
数据源（你的产品数据库/API） ↓定时拉取（每天一次） ↓计算衰减率（用 Code 节点或 Google Sheets 公式） ↓判断是否触发预警 ↓触发动作： - 发邮件给用户（温和的"我们想你了"） - 通知客户成功团队 - 触发产品内引导（推荐新功能）第四步：设计挽留动作
预警本身没用，关键是预警触发后做什么：
一个容易踩的坑
很多团队把"最近7天没登录"作为唯一预警条件。这太粗暴了——有些用户本来就是低频使用（比如月度报表工具），7天不登录很正常。
正确做法：跟用户自己的历史比，不跟全体用户比。每个人的"正常行为"不一样，衰减要基于个人基线来算。
小练习
打开你正在做的产品（或者你订阅的某个服务），回答：
如果你要取消订阅，取消前一周你的哪些行为会变化？ 这些变化中，哪个是最早出现的信号？ 如果在那个时刻收到一条推送/邮件/人工联系，什么内容最可能让你留下来？
把答案写下来——这就是你的第一版流失预警原型。
下一篇预告：AI 产品的"沉默用户激活"——怎么把注册了但从没真正用起来的用户重新拉回来？拆解 Duolingo、Canva 和 Figma 的激活策略，附一套 7 天激活邮件序列模板。
关注「AI引路者」，每天用大白话帮你搞懂 AI。看完就能用。
📦 回复「AI模板」获取 30 个实用 Prompt 模板，直接复制就能用！
