用户的生命周期大致划分4个阶段，拉新，活跃，留存付费，流失。目前互联网的人口红利也算是到了瓶颈期，怎样好好的留下自己的用户，防止用户的流失也是一个大的课题。对于算法来说不能改变产品本身的形态，但是我们可以利用数据，机器学习的方法来预测流失用户。通过历史的数据我们可以先验的知道产品本身的活跃留存情况，基本每个产品都有自己的数据指标体系（活跃，新增，留存，付费，点击流信息等）。结合已有的数据，提取数据特征，然后进行预测，及时发现潜在的流失用户，然后可以做定向的营销和挽回。
短视频流失预警课程大纲：
    开篇
    01：互联网千万级别用户运营经验介绍
    02：模拟日志数据上报，以及生产数据    
    03：hadoop、hive、spark组件介绍和搭建
    04：数据实时导入hadoop、hive
    05：数据入库的整个流程打通以及线上部署
    
    实战

    01：数据表介绍以及表结构处理
    02：利用spark进行数据分析、流失模型介绍
    03：特征的构造与选择抽取 --介绍常用的特征技巧    
    04：模型的选择与评估     
   
    后续
    
    01：改进与建议 
       神经网络cnn