丟失用戶的界說請參閱“網(wǎng)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(wǎng)站的用戶再次拜訪網(wǎng)站)，這兒的回訪用戶指丟失以后再次拜訪網(wǎng)站的用戶，即用戶從前丟失過，滿意丟失時刻期限內(nèi)徹底沒有拜訪/登錄網(wǎng)站的條件，但以后從頭拜訪/登錄網(wǎng)站。然后，依據(jù)回訪用戶數(shù)能夠核算得到用戶回訪率，即：

　　用戶回訪率 = 回訪用戶數(shù) ÷ 丟失用戶數(shù) × 100%

　　回訪用戶率的數(shù)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(yīng)該是對比低的，從事務(wù)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(wǎng)站現(xiàn)已失掉愛好的用戶從頭來拜訪你的網(wǎng)站。一般情況下，網(wǎng)站的用戶回訪率應(yīng)該在10%以下，在5%左右的數(shù)值是對比合理的，關(guān)于老練的網(wǎng)站而言用戶回訪率會稍高，而新式的網(wǎng)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(wǎng)站的期限越長，這批丟失用戶以后回訪網(wǎng)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(shè)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(diào)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(shè)定丟失期限：

依據(jù)設(shè)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(shù)值的添加會帶來Y軸數(shù)值大幅增益(減益)，直到超越某個點以后，當X添加時Y的數(shù)據(jù)增益(減益)大幅降低，即經(jīng)濟學(xué)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(shù)值生成如上的一張帶平滑線的散點圖，疑問就方便的解決。