数据分析系列：分布分析法&用户留存分析法

本文部分内容来自数据分析（4）：分布分析法&用户留存分析法，并在此基础上加入看了一些自己的理解和看法。

一、分布分析法

原文总结了几种划分方式，具体的划分还是需要根据所在的业务来考虑。必须我们在考虑支付宝支付的人群，不仅要考虑地域、年龄、等划分。还可以根据使用渠道（扫码、线上购物、线上跳转等渠道）、使用方式（PC， APP等）等其他方式划分。只要能想到的方面，并且该方面对业务改进可以起到作用，就可以设计对应的划分方式

其实这是一种统计学的思想，我们知道可以利用数据的统计信息近似代替原始数据信息（比如均值），这样的好处是简单，我们不需要每次使用原始数据，并且统计量之间放方便比较和观察。但缺失点是对一些分布，使用不完全统计量（对应完全统计量）会随时一部分数据信息。为了尽可能保留信息，我们需要从多个角度去统计我们的数据。比如我们利用0.1,0.2…0.9的分位数所包含信息要比只用中位数包含的信息多。

类似的道理，我们有一个大的人群，我们按照不同的角度去讲人群划分，对每个人群都计算对应统计量，则这些统计量比只用原始整体人群的统计量包含信息更多，并且这些统计量之间是可以相互比较的。

1. 常见的群体划分有哪些？

（1）按事件的频率

举个栗子：某职业技能提升平台（下图）的某公开课程的页面，我们不止可以看PV，还可以把PV以用户浏览的次数进行查看，可以看看有多少人是看了1-3次，有多少人看了3~5次的。

分布分析方法不同的是：平时我们只看此页面一共浏览了多少次，这样再去平均。在这里我们看到的只是一个平均数，可能很多用户一天就能看几十次，也有部分用户只看了一次，如果我们单独去看整个页面的浏览次数，是得不到用户真实的使用情况的。如果用分布分析去看用户的浏览次数，那么，我们就对这个页面的浏览次数有了一个清晰的认知。

（2）按一天内的时间分布
还以上面的某职业技能提升为例：上面说到查看次数，但是这个是课程的页面，我们不只要看查看次数，还要查看观看课程的时长，比如同样是看一次，有的用户看1小时，有的用户看3小时，这显然是不一样的。

（3）按消费金额的区间
最后呢，我们还可以按消费金额的区间进行划分，我们是一个职业技能提升平台网站，肯定有不同的用户购买不同的课程。

这里我们不仅可以从订单的笔数进行查看，还可以按消费金额划分区间，这样就可以知道我们这个平台消费0_{500元的有多少用户，500}1000元的有多少用户，1000~2500元的用户有多少。

以上是分布分析法的三种主要分析方式，它的运作原理是：从事件在不同维度中的分布来观察，以便理解该事件除了累计数量和频次外，其他维度的信息。

2. 有哪些适用场景？

场景一：用户分群
已经知道一群用户完成了指定事件，但需要对用户群体进行细分，按不同的维度（比如依赖程度）和价值（付款金额）将他们划为不同群体，分别进行后续的维护或分析。

比如说：把特别依赖的用户单独筛选出来，建一个用户运营的专项项目，去运营用户。也可以把那些付款金额大的用户，去做一些运营活动。

场景二：事件分析
已经知道单个事件的完成次数，希望知道这些次数拆分到不同维度上后的分布情况，以便更清晰地了解该事件的完成情况。

比如：把不同的内容的查看次数放在一些对比，可能没有区别，但如果把几种内容的查看次数按照时间进行分布，可以看到更多详情的信息，比如某内容用户的查看时间段，A内容上午查看的用户多，B内容下午查看的用户多。

由此，我们可以发现，不同的内容在时间的分布上是有些特性的。这时候，在推荐内容上就可以根据不同的时间段推荐不同类型内容给用户。

二、用户留存分析法

提高用户留存是产品运营的一个重要目标。一个产品的正常发展思路可以总结为：提高用户黏性（留存。使用频率等）——>提高用户量（产品活动营销、用户自传播等）——>创造营收，其中提高用户留存是非常重要的一步。个人感觉最近的XX咖啡事件的有一部分因素就是只着重与提高用户量，而没有进行用户黏性提高，而导致的用户质量不佳，无法真正创造营收

又比如，我们要估计一个产品的DAU。DAU可以表示为“当天的新增用户和此前每一天新增用户在当天的留存用户之和”，基于此，我们可以用一个很简单的公式表达日活。
$DAU(n)=A(n)+A(n-1)R(1)+A(n-2)R(2)+\dots \dots +A(1)R(n-1)$

其中，$DAU(n)$为第$n$天的日活，$A(n)$为第n天的新增，$R(n-1)$为新增用户在第$n-1$天后的留存率。如果我们假设，每日用户的新增是一个固定的数值$A$，则公式可简写为：
$DAU(n)=A(1+R(1)+R(2)+\dots \dots +R(n-1))$

决定DAU的因素主要是用户增量,一个是用户存活，而存活往往可以代表一个产品的质量

1. 为什么要看留存？
短期来看：了解某一渠道的质量，一般看的是日留存

以天为单位，衡量这个渠道来的用户当下&接下来的表现。这里需要注意的是：以【 X日日留存】作为比较标准时，应避免其他日数据的干扰。长期来看：观察整个大盘，通常看的是周留存/月留存以周/月为单位，衡量产品的健康情况，观察用户在平台上的黏性是怎样的。记得务必要去重。

下面这款产品就是在一年的周期内，从1月份到12月份的新增用户，在后面几个月内留存的表现情况。

由下图可以看出，在产品不断的优化及迭代的过程中，每个月的留存是有所增长的，这证明此款产品的迭代和运营的方向是抓的比较准的。

思考一下：为什么在验证产品长期价值时选择月留存，而不是日留存呢？

这是因为留存这个数据本身波动都不太大，如果看日留存会有很多的数据需要处理，数据量大往往我们就不能把焦点放在该放的地方。而恰恰也刚好是我们一般迭代一个版本是半个月或者一个月，往往能从根本上影响留存的。

所以，从一个月来观察产品的留存变动，更能了解产品长期价值的变动。这种是最常见的留存计算方式。

2. 留存的计算方式
（1）常见的计算方式

大盘留存的计算方式：将某一时间的用户ID与另一时间的用户ID做交叉去重。

但是，大盘的留存会受很多因素的影响。举个简单的栗子：你的产品做了一个活动，引入了低质量的渠道（这是经常有的事儿哈），那么这个留存不管是次日/次周/次月都会大跌的。

还有一种可能是你搞这个活动的时候，这批低质量渠道过来的用户暴增，导致服务器宕机等等。所以，不管是产品还是运营，抑或是技术、市场每一个环节都会对留存造成影响。

（2）精准留存

精准留存有两种计算方法：第一，过滤进行过指定行为的用户ID，单独进行计算。

举个栗子：某在线阅读类产品，以下是大盘的留存，在这里呢我们要区分出来看了某一种类型的书籍的用户，有没有可能比其他的用户更有可能留下来。

这时需要把看过某一类型的书籍（比如励志类的）单独的筛选出来，只看这一批用户的留存情况。经过查看得知，此类型书籍的用户的留存比大盘高，那是不是表明还有其他类型的书籍比大盘要低啊。

所以，通过这样的观察，我们就可以得知各个类型的书籍吸引用户的能力是不一样的，然后去评判不同的书籍类型的运营质量，以及用户黏性的价值。

第二，根据用户不同的属性，划分为不同的群体，观察它们之间留存的区别

举个栗子：我们是王者农药的产品经理，如果通过大盘来观看数据，是看不出所以然的。这个时候我们可以给用户划分为不同的用户群体，在这里我们把用户进行分区划分，通过分区我们可以发现，有的区它的周留存是优于其他区的，那我们就可以研究这个区为什么做的好，然后把这个区做的好的点复制到其他区域。

最后一张架构图总结一下