訂閲流失在按下取消鍵之前就已決定
等到有人取消時，這個決定已經做了好幾週。信號早就在那——跳過的訂單、不再打開的電郵、一張「產品堆太多了」的客服工單。
訂閲經濟不留情面：獲客成本要到第八個月才回本，第三個月的流失會摧毀整個模型。留存工作因此必須發生在取消頁面的上游。Analyst 從你的數據中識別流失的行為前兆，Retention 在訂閲者還可挽回時介入——干預方式匹配真實原因，而真實原因更多關乎節奏與匹配度，而非價格。
流失有可見的前兆
取消很少是衝動的。行為模式先出現，而且可以從你自己的歷史裏按目錄學出來。
跳過或推遲續訂——最強的單一前兆
曾經會打開的電郵出現參與度衰減
關於囤積、配送時間或產品匹配度的客服聯繫
有使用信號時：訂閲周邊耗材復購下降
干預匹配原因
給每個搖擺的訂閲者打折既昂貴又常常打偏。被產品淹沒的人需要暫停或調頻；膩了的人需要新鮮感；境遇變了的人需要一種低強度保持連接的方式。Agent 把方案匹配到診斷出的原因。
暫停勝過取消，退出即數據
暫停保住了關係，而且從經驗看，相當比例的暫停者會回來。取消流程本身要埋點——不是設障礙，而是誠實捕捉原因，因為原因分佈決定產品與節奏下一步往哪改。
運作方式
學出你的流失信號
Analyst 從你自己的訂閲者歷史中按方案與品類推導前兆模式。
早而具體地干預
Retention 對被標記的訂閲者行動，干預匹配可能的原因。
按同期羣度量
各同期羣留存曲線對照基線，計劃的效果是真的，不是講出來的。
你會得到甚麼
高危訂閲者在取消前數週被識別
匹配原因的干預，而非一刀切的折扣
讓關係存續的暫停與調頻選項
展示計劃真實效果的同期羣留存曲線
由這些 Agent 負責
常見問題
正常的訂閲流失率是多少？
因品類和價位差異太大，通用數字幫不上忙。有用的基準是你自己的同期羣曲線及其斜率——Agent 按同期羣追蹤，而不是混成一個月度數字。
取消問卷有用嗎？
作為數據，有用；作為留存手段，幾乎沒用。誠實的順序是：從退出原因學習，對還沒退出的人行動。Agent 用問卷來校準早期干預。
該把取消做得更難嗎？
不該——取消時的阻力把流失變成怨恨和拒付。提供暫停和調頻是正當的；藏按鈕不是，而且商業上會反噬。
數字訂閲適用嗎？
框架適用——前兆信號、匹配干預、同期羣度量。具體信號不同：使用量衰減取代跳過發貨成為領先指標。