什么是用户流失率？_新零售百科

用户流失率是指在一定时间内退出、停止活跃或停止消费的用户占总体用户的比例。

一、用户流失率出现的业务语境与关注契机

用户流失率通常出现在“用户价值下滑”和“老客留存”被重点关注的阶段。当用户的充值金额、购买次数、在线时长等关键指标开始走下坡路，用户不再保持之前的活跃度或消费频率时，流失问题会被显性提出，并被放入经营分析的核心位置。

在零售和会员经营场景中，新用户流失率被描述为“高得可怕”，被视为制约利润增长的重要因素。存量阶段的业绩和利润更依赖老客户的留存，而不只是新会员数量的增长，因此流失率与留存率往往被并列，用于判断老客是否被有效保留、用户价值是否在持续。

在社群与私域运营中，用户流失率被用来衡量成员离开社群、从私域“池塘”中流出的程度，反映用户关系维护是否有效以及用户是否仍然处于可触达范围内。对于线下门店与线上商城打通的业务，整体用户流失率偏高，往往与线下无法持续触达用户、会员体系形同虚设、新客“消费一次就不见了”等情况关联。

二、理解用户流失率时需要明确的界定与衡量维度

1. 时间与行为边界的设定

理解用户流失率首先需要明确“什么算流失”。有一种典型界定是：连续 XX 天未登录的用户视为流失。具体天数并非固定，而是依据所在行业和既有历史数据设定。这一做法体现出，流失率计算前必须先定义时间窗口和行为阈值，否则同一指标难以统一理解。

在更细粒度的数据分析中，还存在页面或会话层面的“流失率”：

页面流失率：统计时间内，从某页面流失的会话数 ÷ 该页面总会话数。
会话界定：用户距离上一次操作超过 30 分钟时，被视作一次新的会话。

这类定义说明，流失既可以指整体产品或账户层面在较长周期内“长期不再登录/消费”，也可以指在某一页面或路径节点上“离开当前链路”的会话级流失。

与页面流失率相关的还有“跳失率”：在统计时间内，访客仅访问一个店铺页面就离开店铺的人数 ÷ 店铺访客数。跳失率越低，流量质量越好，从首次触达即快速离开的行为，同样被视为一种流失表现。

2. 与留存、复购与利润表现的联动关系

用户流失率与留存率、复购率被视为同一问题的不同侧面。留存率高意味着在一定周期内仍保持活跃或复购的用户多，对应流失率低。已有描述指出：

用户留存率每提高 5 个百分点，利润可提高 25–95%。
在不同的行业里，顾客流失率每降低 5%，利润可提升 25–50%。

这类数据强调了用户流失率与利润之间的直接关联：流失率越高，能够持续产生价值的存量用户越少，经营压力越大。年度客户留存率通过“去年留存老客数 ÷ 去年全部客户数（含新客、老客、历史激活老客）”计算，从年度视角反映了流失状况：未进入当年留存的上一年客户，实质上构成年度维度的流失群体。

3. 用户路径与分层视角下的流失观察

在用户行为路径层面，路径越分散、偏离主线越多，存在的流失可能越多。运营侧倾向于通过定义最优行为路径，减少用户在其他分支上的流失，加快从新用户到成熟用户的进程，从行为结构上影响流失率。

在用户分层视角下，流失率与高风险群体识别紧密相关。常见的有两类分层方式：

基于 7 日活跃次数与平均停留时长的四象限，将用户划为重度依赖、重度活跃、一般依赖、一般活跃。活跃次数下降或停留时长缩短，通常意味着流失风险在上升。
基于 R（最近一次付费时间）、F（一定周期内付费次数）、M（一定周期内平均客单价）的 RFM 模型，将用户分为“重要挽留用户”等多类，其中“挽留”类标签群体往往是价值较高但行为下滑、流失风险偏高的用户。

在用户生命周期管理中，用户价值开始下滑的阶段，就是流失风险显性化的阶段。用户流失率在此被视为衡量生命周期结构和用户价值健康度的核心指标之一。

三、用户流失率在不同业务场景中的典型应用

1. 社群与私域运营中的流失衡量

在社群和私域流量运营场景，用户流失率用于衡量成员或粉丝的流出程度。常见做法是按一定时间区间，统计离开社群的人数占社群总人数的比例，以观察社群流失率。若结合月活跃人数、日均在线时长等活跃度指标，能够同时看到“谁离开了社群”以及“留存成员的活跃状态”，从而在关系维护、内容输出、互动强度等方面反映私域健康度。

在“池塘”比喻下，优质用户一旦建立情感纽带，流失率会显著下降，体现出在社群和私域场景中，流失率不仅关乎行为留存，还被用来衡量用户关系的稳定程度。

2. 电商转化链路中的节点流失分析

在电商与转化路径分析中，流失率被分解到多个关键环节，用于识别链路中的薄弱点。例如在浏览、加购、结算等环节，通过观察各节点的流失率判断用户在哪些步骤大量离开，进而理解整体“转化过程中的流失率”对成交的影响。

在页面层面，页面流失率与跳失率被用来评估单页面对流量的承接能力：

跳失率过高，说明不少访客仅进入单页即离开店铺；
关键页面（如加购页、结算页）流失率过高，意味着从浏览到下单的路径中存在明显断点。

相应的数据看板往往按页面、按步骤拆解链路流失，以“浏览→加购→下单”的过程串联用户流失率与转化率的变化，用于统一识别页面与链路层面的流失问题。

3. 零售与会员经营中的老客流失观察

在零售和会员体系中，新用户流失率偏高是普遍现象。通过年度留存分析看板，关注当年新客、去年留存老客、历史激活老客等数据口径，可以从年度维度观察哪些客群未再消费，对应年度流失情况。

对于线下门店与线上系统打通的案例，用户流失率的变化会与以下要素共同被观察：

是否实现每一笔消费都打上会员标签，使用户沉淀到会员体系中；
是否通过会员分层和消息触达，对一段时间未消费的用户进行专门触达，对高活跃用户给予区分性权益；
是否通过付费会员、积分、等级、权益体系，影响用户长期活跃与复购，从而在数据上体现为新客流失率下降、老客贡献度提升。

在这些场景中，用户流失率既反映整体用户盘的“损失程度”，也对应“挽回对象”的规模和价值。通过对流失顾客开展调研和互动，用于识别不满意原因与潜在挽回空间，从用户价值管理视角进一步理解流失率的业务含义。

有赞案例分享

WESTLINK：用私域降低删粉率，稳住老客价值

WESTLINK 作为成立 20 年的轻潮快时尚女装连锁品牌，线下门店众多，却长期面临“新客只来一次、老客留不住”的问题：门店导购加到的微信难以统一运营，社群频繁推促销导致删粉率高企，公域营销成本越来越高，却难以沉淀可持续复购的会员资产。团队在梳理私域策略时，通过同业推荐和行业文章了解到有赞新零售，决定用有赞打通门店与线上私域系统，构建统一 CRM 与社群运营机制。上线有赞后，WESTLINK 以会员标签、权益分层与社群精细化运营为抓手，按生命周期与活跃度设计触达频次与内容，显著降低了用户流失：私域销售额从 0 做到 7000 万，同时删粉率下降 50%，老客粘性和 LTV 明显提升，线下门店也因此获得更稳定的复购与利润来源。

格力高：用有赞 CRM 营销画布降低超期未回购流失

零食品牌格力高在线上业务中遇到的核心难题，是“花大价钱投来的客户，只做一次性买卖”：30 天私域复购率不到 25%，大量用户购买一次就沉寂，必须持续砸广告引新才能维持营收。团队在寻找可实现“自动化用户路径运营”的工具时，通过有赞公开课程和新零售案例了解到有赞 CRM 的营销画布功能，于是将其引入电商与私域运营中。格力高先重构新客沉淀链路：访问未购用户由小程序支付提醒引导加微，收货后未加微用户由 AI 外呼推动沉淀，再通过营销画布在 6 天、15 天、30 天等关键节点自动触发福利提醒与复购激励，并对 30 天未回购人群打上“超期未回购”标签，进入专项盘活策略。通过这套自动化链路，朋友圈公转私沉淀率提升 247%，新客二回转化率提升 23%，大量本可能流失的用户被成功挽回，私域存量价值持续放大。

朴西家居：精细化会员分层，让好友流失率下降 70%

专注拖鞋品类的朴西家居，在成为类目头部品牌后同样遭遇增长瓶颈：公域流量见顶、获客成本不断提高，且拖鞋属于耐耗品，用户常常“首购即巅峰”，导致首单后长时间不再复购，好友和会员的流失率偏高。为解决“用户领券买完就跑”的问题，朴西在研究行业新零售标杆时，通过有赞的新零售解决方案和服饰行业案例，选择与有赞新零售深度合作，全面搭建私域运营体系。依托有赞会员系统和数据能力，朴西先按照消费频次、金额和活跃行为做精细化分群，识别出占比高达 71% 的低浅/流失用户仍有至少 2 双拖鞋的消费空间；再结合内容运营和互动玩法，针对不同层级用户定制触达节奏与权益，减少骚扰式打扰，提升互动质量。以“618 大促月”和 9 月为对比周期，借助有赞系统的分群、自动化触达和效果追踪，朴西的好友流失率降低了 70.08%，会员数提升 52.33%，整体转化率提升 363.64%，在实打实降低用户流失率的同时，也显著提升了会员价值和利润表现。

常见问题解答

1. 用户流失率通常如何界定和计算？

用户流失率是一定时间内退出、长期不活跃或停止消费的用户占总体用户的比例。使用前需先定义“流失标准”，如连续30/60/90天未登录或未下单视为流失，时长依据行业与历史数据设定。常用公式为：流失率 = 本周期达到流失标准的用户数 ÷ 期初在库用户数。对于电商或内容产品，也可在页面和会话层面计算节点流失率和跳失率。