解读

面试官问“如何衡量召回用户二次沉默率”，核心想验证三件事：

1. 你是否把“召回”与“二次沉默”的口径对齐到业务场景（中国 App 普遍以 7 天、14 天、30 天为观察窗）；
2. 能否用可落地的数据指标而非模糊描述来量化结果；
3. 是否知道把指标拆到渠道、人群、召回手段上做归因，方便后续迭代。

一句话，“口径清晰、指标可算、维度能拆” 是得分关键。

知识点

1. 二次沉默定义：国内主流取召回后第 7 天或第 14 天内再次无活跃（无启动、无下单、无关键行为）即算二次沉默。
2. 分子与分母：
   • 分母 = 当期被成功召回的用户（T 日触达且在 T+1 日内有活跃/下单）；
   • 分子 = 上述用户在观察窗内再次沉默的数量。
3. 指标公式：
   二次沉默率 = 召回后 N 日内再次沉默用户数 ÷ 成功召回用户数 ×100%
   其中 N 通常取 7 或 14，与业务复购周期对齐。
4. 配套指标：
   • 召回 30 日 LTV 跌幅——二次沉默人群贡献的 GMV 是否低于大盘；
   • 召回通道 ROI 劣化系数——二次沉默率高的通道，其 ROI 是否同步下降，用于及时关停。
5. 埋点与数仓：必须依赖 用户行为埋点表 + 推送发送表 + 订单表 三表 join，确保用户 ID 一键归一，避免 Android 重排号导致的漏算。
6. 合规注意：国内 iOS 14.5 后 IDFA 缺失率 >70%，需优先使用 手机号 hash + 设备指纹 做匹配，否则分母会显著膨胀。

答案

“我会把二次沉默率拆成三步落地：
第一步，与业务对齐观察窗。比如电商复购高峰在 7 天，我就把 N 定为 7；内容类产品消费频次高，可缩到 3 天。
第二步，跑数算指标。用 Hive 把近 30 天收到短信、Push、企微群发且 T+1 日内有启动的用户捞出来做分母；再追踪这拨人在第 7 天内是否关键行为归零，得到分子。公式就是 二次沉默率 = 再次沉默用户数 ÷ 成功召回用户数 ×100%。
第三步，下钻归因。把结果按召回通道、券面额、用户生命周期分层，找出二次沉默率>35% 且 ROI<1 的格子，直接暂停对应策略，把预算挪到沉默率低于 20% 的私域社群通道。
上线两周后，我们二次沉默率从 28% 降到 19%，召回 GMV 提升 12%，验证了指标的有效性。”

拓展思考

1. “沉默”本身需要行为权重。纯启动不算活跃，建议用 “近 7 日未产生带支付订单或未消费内容时长≥30 分钟” 作为沉默标准，防止指标虚低。
2. 引入生存分析。对二次沉默用户做 Cox 回归，可量化券面额每增加 10 元，沉默风险下降百分之几，比只看绝对率更精细。
3. 与负向体验挂钩。把二次沉默率与投诉率、退订率做交叉，若某通道沉默高且投诉高，基本可判定为“骚扰式召回”，需立即降频或换内容。
4. 长期价值视角。二次沉默率下降但 30 日 LTV 也下降时，要警惕“补贴换虚假活跃”。此时应上调 LTV 权重，二次沉默率权重下调，用双目标卡策略，避免指标作弊。