数据分析方法 - 同期群分析

inganxu

已于 2023-01-29 13:42:17 修改

阅读量643

点赞数

分类专栏：数据分析文章标签：产品运营 python 数据分析经验分享

于 2022-08-30 17:07:01 首次发布

本文链接：https://blog.csdn.net/weixin_46159679/article/details/126408520

版权

数据分析专栏收录该内容

7 篇文章 0 订阅

订阅专栏

记录通过网上各类文章学习关于同期群分析的笔记，如有侵权，请联系本人删除文章。

举例

该例出自知乎“同期群”分析的好处是什么？ - 于晓松

例 1：一个 App，某一天有 100 位新用户安装并（首次）使用，一天后还剩 98 人用？两天后还剩多少人用？三天后……N 天后还剩 95 人在用（结论：这个产品的粘性非常非常好，几乎全部用户都留存下来，没有流失）

例 2：还是这个 App，3 月份的新增用户有 XXX 人，其中只有 3% 的人安装了第二天还在用。经过运营的改进，4 月份的新增用户有 YYY 人，安装第二天还在用的人提升到了 15%。又经过产品改进，5 月份的新增用户有 ZZZ 人，安装第二天还在用的人提升到了 30%（结论：改进前，这个产品非常糟，第二日流失率相当高，改进后得到了大幅提升）

例 3：某电商应用，首次产生购买行为的用户：在（首次购买）之后第一个月内平均买买买 10 次，在之后第二个月内平均买买买 8 次，但到了第三个月，平均买买买不足 1 次（结论：用户的购买行为在首次发生 2 个月后骤降，应进一步分析背后原因，并加以改善）

概念

在产品的整个生命周期里，从产品初期到产品成熟迭代期间会有源源不断的用户加入，而前后用户的体验和质量会存在一定的差异。

从结果上看，只能看到单一的总体衡量指标有变化差异，并不能发现实际所导致的根本因素。

因此，分析师要将用户按照同一期间的用户构成一个群组，比较不同期间的用户在同一生命周期中的留存率以及同一期间不同生命周期的留存率，以此来揭示总体指标所掩盖的问题。

同期群是用户分群的一种细分方法，将用户按照首次行为的发生时间划分为不同群组，进而对同期群进行分析，常用于产品迭代，运营策略的效果评估。

意义

实现细分用户，精准运营，是提高用户留存率的关键

比较不同用户在同期中的变化趋势

也对处于不同生命周期的用户进行精确管理

纵横结合比较，量化同一群体的流失率以及不同群体的流失率差异

从横向看，分析同期群随着周期退役而发生的变化，比较在不同生命周期内的客户留存率

从纵向看，分析在生命周期相同阶段的群组之间的差异，比较多个群组在相同生命周期内的客户留存率

监控真实的用户行为，衡量用户价值并针对性的制定营销方案

涉及定义

首次行为：用户第一次产生价值的共同行为特征，是划分同期群的基点。共同点在于用户有相同的产品使用背景，对应着相同的用户生命周期，也就是 "同期"。另外，首次体验的好坏直接影响到后续的行为，所以，一般情况下是通过用户的首次行为进行划分。

而对“首次行为”的定义取决于业务实际场景（如“首次打开应用”、“同一天注册”、“第一次购买”等等）

时间周期维度：比如N日留存率，N日转化率中的N日，一般记为+N日、+N月等

引用知乎于晓松的一段话

前面说过，产品的用户存在生命周期只是一个假设，原因在于：某个产品用户的生命周期是否存在，存在的话分为几个阶段，每个阶段平均多长时间，是需要对产品的实际用户的行为进行分析得来的。即便一个产品的用户生命周期真的存在，生命周期的长度、阶段、以及不同阶段的长度，也是可以通过产品和运营对其施以影响的。也就是说，用户的生命周期是可以被管理和改变的

涉及的指标：留存率、注册转化率、人均付款金额、人均购买次数、付款转化率

案例分析

案例一：用户同期群

12月18日新增用户质量相对较差，且对比其他日期其注册人数明显更多，很有可能是运营为了冲数，找了劣质渠道来凑数。

解决方式：应将新增和留存率作为运营考核指标，激励用户增长的同时，寻找更优质的拉新渠道。

案例二：渠道同期群

可以看出渠道的稳定性，比如上图中的 A 渠道就很不稳定，稳定的渠道才值得信赖

案例三：流失率同期群

留存率计算公式=（新增用户-流失总人数）/新增人数*100%

例如：一月份新增用户在第二个月的留存率为：（80-2-3-3）/80=90%

横向的留存数据显示，每组分群的用户留存率各月都持续保持在75%以上，意味着用户的忠诚度相对稳定

纵向的留存数据显示，本应在产品不断迭代更新和提供更好的产品服务的下，留存率应该更高才对。而月份靠后的分组用户反而留存率越低，对比横向数据，可以看到该例子中的产品仍需进一步优化。

流失率计算公式=当月流失人数/新增用户*100%

例如：一月份新增用户在第二个月的流失率为：3/80*100%=3.75%

一月份新增用户在第0个月的留存率为97.5%，流失人数为2人，占新增用户数2.5%，一个月后留存率为93.75%，流失人数为（2+3）人，占新增用户数6.25%，而上图的流失率分别是2.5%和3.75%，原因是留存率和流失率对流失人数的统计方式不一样。这样计算得到的数据可以更直观的观察到当月的流失率情况

通过观察上图红色背景凸显的数据可知：

纵向观察，所有分组用户在第2个月的时候流失最为严重，其次为第3个月

横向观察，5月份新增的用户在第2、3个月的时候流失最为严重