“预流失用户”，即有流失倾向，但并没有完全流失的用户。相较于“流失用户”来说，“预流失用户”处于观望阶段，或许对现有产品有所顾虑，或许对于潜在的流向（即竞品）有所顾虑，或许是在等待产品到期。
1、必要性
确定流失的相关问题：“预流失用户”有着流失用户的特征，我们可以针对“预流失用户”开展流失原因、流失走向、回流可能性及策略的研究。
2、可行性
提高触达率和回流率：“预流失用户”依然是留存用户，相较于已流失用户，我们更容易触达“预流失用户”。另外，对于对本品或者竞品持“观望”态度的“预流失用户”，流失意愿并没有那么强烈，如果能针对性给予刺激，回流的可能性要远高于已流失用户。
1、确定分类标准
“流失倾向”和“并没有完全流失”是定义“预流失用户”的充要条件。我们将这两条转化成用户行为：
“流失倾向”——不投资，想提现
“并没有完全流失”——仍然有在投资金
于是，根据投资行为、提现行为及在投资金的情况，我们就可以大致将用户进行分类：
2、确定预流失周期
确定好预流失的分类标准后，接下来的问题就是回答“多少时间不投资”可以判断为有流失的倾向，即确定预流失周期。我们可以通过追踪历史数据中，不同预流失周期的真实流失率来确定预流失周期。
如我们可以以4月份的投资用户为例，观察不同预流失周期的用户在半年后（11月份）的真实流失情况：
4月投资次数≥1
5月初-6月末投资次数＝0
5月初-6月末提现次数≥1
V1=满足上述条件的用户总量
4月份投资次数≥1
5月初-7月末投资次数＝0
5月初-7月末提现次数≥1
最后，我们将得到如下的数据图表：
如上图所示，预流失周期在4个月时，真实流失率达到了78%，且相较于3个月时，流失率上升十分迅速。因此，可以将4个月未投资的用户，且发生过提现行为，仍有在投资金的用户定义为“预流失用户”。
三、注意事项
互联网金额产品有其特定的周期性，且用户的投资频率也相对较为固定。因此需要根据自己产品及用户行为特点去定义回溯历史数据的周期。举个例子来说，如果产品大多是中长期（即超过6个月以上），且用户的投资频率也是一季度或者半年才投资一次，那回溯数据的时候，最好至少回看1年的数据。如果回看半年，可能会将低频投长期产品的用户统计进流失率中。
2、保证不同预流失周期统计起点的一致性
回溯历史数据时，为了保证回流周期的一致性，确保每个预流失周期的起点必须一致。举个例子来说，如果是统计半年前的数据来看，预流失周期2个月指的是“5月初－6月末”，预流失周期3个月指的是“5月初－7月末”，而不能中途抽出一段“6月初－7月末”的预流失用户作为统计预流失2个月的研究对象。且为了保证5月初确实是流失的起点，还需要加入“4月份投资次数≥1”的条件，避免将之前就开始流失的用户统计在内。
对于预流失用户，我们不仅可以回溯流失率，也可以回溯沉默率、回流率及回流周期。如果半年前预流失周期2个月的用户筛选条件是“4月投资次数≥1& 5月初-6月末投资次数＝0 & 5月初-6月末提现次数≥1”，那么：
沉默用户量＝上述条件用户中7月初至今投资次数＝0 & 在投资金>0的用户数量
回流用户量＝上述条件用户中7月初至今投资次数 ≥1 & 在投资金>0的用户数量
平均回流周期＝回流用户中，7月初至今第一次投资的时间与5月1日的平均时间间隔
但是要注意的是，统计回流数据时，是通过“投资次数≥1”来判断的，要排除流失用户数据（即目前在投资金＝0的用户数据）。因为流失用户中途可能也存在着暂时回流的情况（即中途发生过投资行为），只是最后的状态还是流失了。
四、总结
在定义“预流失用户”时，遵循了以下的方法：定义核心关键词（如有流失倾向）——转化为用户行为语言（如只提现不投资）——转化为数据语言（如投资次数＝0&提现次数≥1），然后用历史数据去加以验证，最终确定“预流失用户”的定义标准。
