中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

今天分享一個(gè)分析留存率的方法：?Cohort Analysis?，這個(gè)方法很簡(jiǎn)單，也很實(shí)用，但是介紹這個(gè)方法的中文文章卻不多。

前兩天一篇叫《打造 10 億美金產(chǎn)品的核心秘密：用戶參與層級(jí)模型》的文章在朋友圈瘋轉(zhuǎn)。文章是 Pinterest 早期投資人 Sarah Tavel 總結(jié)的?用戶增長(zhǎng)?模型，主要包括三個(gè)方面：

1. Growing engaged users （ 用戶增長(zhǎng) )
2. Retaining users （ 留住用戶 ）
3. Self-perpetuating （ 自我驅(qū)動(dòng) ）

圖片來自PPT

對(duì)于文章中提到的這三點(diǎn)，我自己的理解就是做用戶增長(zhǎng)的三要素：?新增、留存、召回?。

這三要素今天不展開講了，感興趣的朋友可以看上面的文章，今天分享一個(gè)分析留存率的方法：?Cohort Analysis?，這個(gè)方法很簡(jiǎn)單，也很實(shí)用，但是介紹這個(gè)方法的中文文章卻不多。

什么是 Cohort Analysis ？

Cohort analysis is a subset of behavioral analytics that takes the data from a given dataset (e.g. an eCommerce platform, web application, or online game) and rather than looking at all users as one unit, it breaks them into related groups for analysis. These related groups, or cohorts, usually share common characteristics or experiences within a defined time-span. （ 來自 wikipedia ）

解釋 Cohort Analysis 之前，我們先來看一個(gè)留存曲線，如下圖可見，這個(gè)產(chǎn)品的用戶在第一個(gè)月內(nèi)快速收斂，最終穩(wěn)定在 10% 這個(gè)水平。

留存曲線再加上該產(chǎn)品的新增規(guī)模，以及單用戶成本和單用戶 ARPU 值，我們就能計(jì)算出這個(gè)產(chǎn)品的用戶規(guī)模天花板，以及增長(zhǎng)模式是不是健康。但如果我們的目標(biāo)是分析該產(chǎn)品的留存問題，就需要用到 Cohort Analysis 了。

Cohort Analysis 可以翻譯成?群體分析?或?分組分析，其實(shí)是一種通過細(xì)分來研究數(shù)據(jù)的方法。如下表就是一個(gè)從每日新增維度細(xì)分的 Cohort Analysis 表格。

• 第一列是分組的維度，下表以用戶新增的日期作為細(xì)分的維度；
• 第二列是對(duì)應(yīng)的新增用戶數(shù)；
• 其余列為對(duì)應(yīng)分組下的用戶留存率；

怎么做 Cohort Analysis ？

Cohort Analysis 說來也簡(jiǎn)單，就是做好觀察用戶的分組；分組先分維度，再分粒度。

什么是維度？如果按用戶的新增日期分組，那時(shí)間就是維度，如果按新增用戶的渠道來源分組，渠道就是維度；其次是粒度，我們說的時(shí)間維度是按照月，還是按照天？這是粒度差異；新增的渠道緯度，是新增的來源產(chǎn)品，還是來源的具體網(wǎng)址，這也是粒度的差異；通過基于這兩方面的分組可以將對(duì)比的差異值逐級(jí)鎖定，尋找原因。

對(duì)于用戶的留存分析一般有兩個(gè)大的分組方向：

• 從用戶的獲取角度分組
• 從用戶的行為角度分組

第一種是從用戶獲取的角度分組

如果按獲取的時(shí)間分（ 粒度選擇天或周或月，依賴于產(chǎn)品本身的使用頻率，例如 IM 產(chǎn)品就適合按天看，而記事本等工具類產(chǎn)品就更適合按周看 ），我們就可以清晰的看到，各個(gè)時(shí)間段獲取的用戶在留存率表現(xiàn)上是不是穩(wěn)定，例如上面第一個(gè)留存曲線中一個(gè)月的收斂是穩(wěn)定現(xiàn)象，還是強(qiáng)烈波動(dòng)平均后的結(jié)果。通過這個(gè)分析我們能圈定出流失用戶做用戶畫像分析，并在流失率高的時(shí)間段進(jìn)行干預(yù)。

同樣是獲取的角度，還可以通過渠道分?？床煌纴淼挠脩艉罄m(xù)的留存情況。通過渠道維度的分析能夠判定渠道的優(yōu)劣，好的渠道可以加大投入，差的渠道可以選擇淘汰。

第二種是從用戶行為的角度分組

從用戶行為角度分組對(duì)于功能比較復(fù)雜的產(chǎn)品也很重要。例如現(xiàn)在的瀏覽器產(chǎn)品，已經(jīng)不單單是解決用戶訪問網(wǎng)頁的需求，還向用戶提供新聞、小說、視頻服務(wù)，是一個(gè)內(nèi)容的綜合服務(wù)體。

從用戶的角度來說，選擇用一個(gè)瀏覽器來看小說，并不是說也一定會(huì)用他來看新聞、視頻。所以同樣是用戶流失，他可能是對(duì)不同功能模塊體驗(yàn)的不滿。

這個(gè)時(shí)候，我們就可以通過用戶行為這個(gè)角度分組來分析具體問題。例如在瀏覽器這個(gè)例子中，新聞、小說、視頻都應(yīng)該是每日活躍，且高留存比例的功能，如果分組中發(fā)現(xiàn)使用過某個(gè)功能的用戶在之后的時(shí)間中留存情況很差，那就需要對(duì)這個(gè)功能做專項(xiàng)的優(yōu)化了，相較于競(jìng)爭(zhēng)對(duì)手有哪些方面做的不夠好。

小結(jié)

Cohort Analysis 是一種簡(jiǎn)單成熟的分析方法，不但能夠告訴我們用戶在什么時(shí)候離開了我們的產(chǎn)品，而且能進(jìn)一步告訴我們用戶為什么離開，幫助我們找到優(yōu)化產(chǎn)品的方法。

為了更好的使用 Cohort Analysis ，需要我們從一開始的數(shù)據(jù)打點(diǎn)和存儲(chǔ)結(jié)構(gòu)就做好準(zhǔn)備。

“If you cannot measure it, you cannot improve it.”

作者：Shane；公號(hào)：勰門歪道（ xmwd-666 ）

本文由 @Shane 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載