用户留存分析思路--群组分析

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》