用监督学习找关键留存因子

要知道哪个功能真正决定用户留不留下来，可以把”用户是否再次打开产品”当作Y值，把功能使用次数、入口打开次数、活跃度等候选因子（一般控制在6～10个，太多难以解释，只挑和业务高度相关的）作为X，用随机森林或决策树这类模型算出因子重要度排序，找出最关键的那个因子。找到关键因子后，进一步分析这个因子本身是否存在”拐点”——比如某功能使用次数一旦超过3次，留存率就明显跃升，这个拐点就是产品该主动引导用户达到的行为门槛，也是[[留存率提升的端前端中端后框架]]里”端中”阵地具体该发力的方向。发散：这里模型的作用不是拿来预测，而是拿来”筛选变量”——业务团队凭直觉列出的十几个候选因子里，往往只有一两个真正起作用，模型帮忙从噪声中挑出信号，之后的优化动作可以完全聚焦在这一两个杠杆点上。