产品详细介绍
Subsets 是一款专注于消费类订阅业务的 AI 留存自动化平台，通过对企业自有一方数据进行建模，帮助商业团队在无需编码、无需工程支持的前提下，系统化地管理用户留存、参与度和付费转化，持续提升 LTV（用户终身价值）。
平台会基于你的订阅数据、产品使用数据和 CRM 数据训练专属机器学习模型，构建完整的订阅用户视图，并在此基础上自动识别关键受众、预测流失风险、发现追加销售与再激活机会。Subsets 将“实验—分析—自动化”整条留存工作流打通，让商业团队可以像运营广告一样轻松运营留存策略。
核心能力与特点：
- AI 驱动的流失预测与受众发现
- 使用机器学习模型在你的订阅用户群中自动识别最重要的留存受众。
- 在订阅生命周期的各个阶段（试用、首付费、续费、多周期老用户等）发现流失、参与度下降和追加销售机会。
- 通过可解释的 AI 分析，清晰看到每类受众背后的行为驱动因素，例如访问频次、阅读篇数、功能使用深度等，从而为后续实验和运营策略提供依据。
- 可解释 AI 带来的行为洞察
- 不仅给出“哪些人有风险”，还告诉你“为什么有风险”。
- 自动挖掘影响留存的关键行为特征，如登录频率、内容消费路径、订阅套餐类型、价格敏感度等。
- 帮助团队快速提出有针对性的实验假设和干预方案（如提醒频率调整、个性化优惠、内容推荐等）。
- 无代码实验与 A/B 测试自动化
- 直接在现有营销与触达渠道（如邮件、站内信、推送、CRM 工具等）上，对预测出的订阅受众发起实验。
- 支持围绕留存、参与度和追加销售策略进行 A/B 测试，实时跟踪实验效果。
- 平台自动计算所需样本量和预计实验时长，并在达到统计显著性时发出提示，帮助团队做出有信心的决策。
- 关键指标的自动分析与可视化
- 自动追踪留存率、LTV 等核心业务指标，以及会话数、页面浏览量、文章阅读数等参与度指标。
- 实验结果在 Subsets 内实时更新，无需依赖数据团队手动拉数或搭建报表。
- 支持按受众、渠道、策略等维度拆解效果，帮助你快速找到真正有效的留存杠杆。
- 从实验到“永续自动化”的闭环
- 对验证有效的实验，一键转化为“常开型”自动化策略。
- 当新用户进入某个高风险或高价值受众时，系统会自动触发对应的留存或追加销售活动。
- 让团队从一次次“临时项目”转向可持续、可扩展的留存运营体系，持续降低流失、提升 CLV。
- 为商业团队设计的易用界面
- 面向增长、市场、运营和商业团队设计的直观 UI，无需技术背景即可上手。
- 将复杂的建模、统计显著性计算和多维分析封装在后台，前台以清晰的受众列表、实验卡片和指标面板呈现。
- 帮助企业建立以实验为核心的文化，让更多决策基于数据和验证结果，而非主观猜测。
通过 Subsets，领先的订阅型企业可以在不扩充工程团队的前提下，系统化地管理流失与留存，用 AI 驱动的自动化能力持续提升用户参与度和终身价值。
简单使用教程
以下是一个从接入到跑出首个自动化留存策略的简明流程，帮助你快速理解 Subsets 的使用方式：
- 接入数据与完成基础配置
- 将你的订阅系统、产品使用数据源和 CRM 工具与 Subsets 进行集成（通常通过现有集成或 API 完成）。
- 确认关键字段（如用户 ID、订阅状态、套餐类型、付费记录、行为事件等）正确映射到平台。
- 完成基础账号与权限设置，为增长、运营、市场等团队成员开通访问权限。
- 让 Subsets 训练专属 AI 模型
- 数据接入后，平台会基于你的第一方数据自动训练机器学习模型。
- 在模型训练完成后，你将看到系统推荐的关键受众分群，如“高流失风险新订阅用户”“高价值但参与度下降用户”“高潜力追加销售用户”等。
- 可在界面中查看每个受众的规模、特征和预测指标。
- 查看可解释 AI 提供的行为洞察
- 进入某个受众详情页，查看影响该受众留存或流失的关键行为因素。
- 结合这些洞察，梳理可执行的运营假设，例如：
- 对阅读频次下降的用户推送个性化内容推荐；
- 对价格敏感型用户提供限时优惠或更合适的套餐；
- 对高参与度用户尝试追加销售更高阶订阅方案。
- 创建并启动 A/B 实验
- 在选定的目标受众上，新建一个实验（如“挽留优惠邮件实验”或“个性化内容推荐实验”）。
- 通过可视化界面配置实验方案：
- 选择对照组与实验组；
- 设定要测试的策略差异（如不同优惠力度、不同内容推荐逻辑、不同触达频率等）；
- 选择要跟踪的核心指标（留存率、LTV、会话数、页面浏览量、文章阅读数等）。
- 启动实验后，Subsets 会自动计算所需样本量和预计实验时长，并实时更新进度。
- 监控实验效果与统计显著性
- 在实验面板中查看实时数据：各组的留存率、LTV、参与度指标变化等。
- 平台会自动判断实验是否达到统计显著性，并在结果可被可靠解读时给出提示。
- 根据结果评估策略是否有效，并记录关键结论，沉淀为团队的运营知识。
- 将成功实验升级为自动化策略
- 对效果显著的实验，一键“转为自动化”。
- 配置触发条件（如“当用户进入高流失风险受众且近 7 天无访问时”）和对应动作（如发送挽留邮件、推送优惠、触发客服跟进等）。
- 启用后，Subsets 会持续监控新进入该受众的用户，并自动应用已验证有效的留存策略，实现“永续运行”。
- 持续迭代与扩展应用场景
- 定期在平台中查看新的受众发现和行为洞察，持续提出新的实验假设。
- 将留存、参与度提升、追加销售等不同目标纳入统一的实验与自动化框架中。
- 随着更多实验被验证并自动化，你的订阅业务将逐步形成一套可扩展、数据驱动的留存增长体系。
如需更深入了解或针对自身业务场景获得建议，可在官网提交 Demo 申请，由 Subsets 团队演示完整的留存自动化流程和最佳实践。
