一、群组分析思维
进行用户留存分析时,可以先从自身出发,根据业务特征将用户分成若干组,然后对比组内留存率的情况,如果有明显留存率高或者低的组,再用假设检验或者相关分析进行论证,看看是什么原因导致的。
二、群组分析案例
2.1、留存率低分析–某视频平台用户留存分析
某视频平台的新增用户数如下表,“分组“是根据新用户注册月份进行
以1月份组为例,当月注册人数为150,一个月后有140个人留下来,流失10个人,同理,10个月后有95个人留下来。
现在根据这些数计算留存率:留存率=留下来人数/对应月份组总人数
如1月份组3个月后的留存率=125/150=83.3%。按照这样的方法计算出所有的留存率,如下表
表不如图,再把上述表的数据画成图
从图中可以很明显看到,4、5、6月的留存率明显低于其他月份,接下来可以继续分析原因,此时可以用4P营销理论等来进行假设检验,例如,可能有下面几个原因:
1)产品上, 那段时间上线了新功能,但是功能不符合市场需求;
2)竞争对手在该时期内有营销活动,导致客户群体流失;
3)公司在该段时间内有推广活动,但是带来的新客户跟公司产品不符,导致客户流失;
4)产品的收费模式在该时期有变动,导致价格敏感客户流失。
接下来再用假设检验等方法,对上述设想的原因进行求证,找到问题发生的原因。
2.2、留存率高分析–推特用户留存分析
推特在某一时期有很多人注册后就不再使用产品了,留下来的活跃用户极少。为了解决整个问题,团队按每月使用推特的天数进行分组分析。以下为模拟数据
拿”使用1天组“说明,当月有100个用户,这些用户一个月内只使用了1次推特,在一个月后,仅有1个用户还在继续使用推特,其留存率=1/100=1%。将留存率和使用天数绘制成图
从图中可以看到,当月使用推特天数7是一个拐点,这之后留存率慢慢稳定在90%以上。也就是说,一个月使用至少7天的人,有90%以上概率会留存下来。
如果一个月使用至少7天的群体比例高,则可以寻找这个群体的共性,这样就找到了用户留存下来的原因。通过分析,发现这一群体的占比达20%,是一个比较高的比例了。
接下来便进行第二阶段,对一个月使用至少7天的群体进行分析,例如从用户群体特征、用户行为特征、浏览内容等,应用相关分析,找出哪些因素与留存率有相关关系,计算各个因素与分析目标的相关系数,这样就知道哪些因素对目标影响大,哪些影响小了。
推特团队通过相关分析发现, 关注人数与留存率高度相关,当用户的关注人数在30人以上,用户就会留存下来。最后,他们利用分析的结论优化了产品,在新用户注册时,根据用户的兴趣选择向他们推荐30个他最可能感兴趣的账号,这样就可以使新用户成长为长期活跃用户了。
来源: 猴子_数据分析学院 《数据分析思维:分析方法和业务知识》