衡量一款产品是否健康,用户的留存率是一个关键的指标,常见的有7日留存率,14天留存率,30天留存率,60天留存率等等。今天Tay哥先讲一下如何用Tableau做Cohort Analysis ,中文一般译为分组留存率。上面提到的留存率,可以通过分组留存率进一步计算出来。
如何做分组留存率?
分组留存率计算起来比较简单,对用户进行分组,先维度分,再粒度分。
什么是维度?以Tableau自带的超市数据为例,如果按用户的首次购买时间对用户进行分组,购买时间就是维度;所谓粒度,就是时间维度是按日、周、月、季度,还是按年为分析的颗粒度?也即粒度上的差异。维度也可以是新增用户的渠道,那么新增的来源产品,还是来源的具体网址,这也属于粒度上的差异。通过这两方面的分组可以将对比的差异值逐级锁定,寻找数据表象差异背后的原因。
通常来讲,对于用户的留存分析有两个比较常用的的分组方向:
** 从用户的获取角度分组
** 从用户的行为角度分组
从用户获取的角度分组
如果按用户购买的时间分,粒度可选日、周、月、季度等,我们就可以分析后看出,各个时间段获取的客户在留存率表现上是不是有差异,例如在一个时间段内留存曲线是收敛并趋于稳定,还是强烈。通过留存率分析我们能够对流失的用户做用户画像分析,并在流失率高的时间段进行适当的干预。
在获取用户的角度,还可以对获客渠道进行划分,分析不同渠道的用户后续的留存情况。通过渠道维度的分析也可以判定不同渠道表现的优劣情况 ,好的渠道可以加大促销或者广告投入,差的渠道可