同期群分析:剖析真實的用戶行為和用戶價值
也許不是所有的運營都知道同期群分析,但它是每個產品運營必備的分析方法。
一個漂亮的平均數完全是用數據創造出來的虛幻景象,會給我們的決策造成誤導,因此我們需要掌握一個行之有效的方法來剖析真實的用戶行為和用戶價值,這個方法就是同期群分析(Cohort Analysis)。事實上,數據不會說謊,只是分析數據的人沒有做到精準分析而導致對數據呈現的錯誤解讀!
國內對同期群分析相關的研究相對較少,也許不是所有的運營都知道同期群分析,但它是每個產品運營必備的分析方法。在著名的《精益數據分析》一書里面,作為測試數據分析的靈魂也提到了同期群分析的相關內容。
同期群分析最早用于醫藥研究領域,意在觀察不同被試群體的行為隨著時間的變化呈現出怎么樣的不同。通過監測不同的被試群體,醫藥研究員可以觀察到不同的處方和治療方式對被試的影響并且確定被試共同的行為模式。
那么在運營領域,什么是同期群呢?
同期群屬于用戶分群里的一個細分,是指在規定時間內對具有共同行為特征的用戶進行分群。“共同行為特征”是指在某個時間段內的相似行為,它除了按不同時間的新增用戶來分類外,還可以按不同的行為來分類,譬如“在2017年6月第一次購買”,“在2017年10月第二周對產品的使用頻率開始降低”等。
注意同期群分析側重于分析在客戶生命周期相同階段的群組之間的差異。
同期群分析(Cohort Analysis)為什么很重要?
在產品發展過程中,我們通常會把產品收入和產品用戶總量作為衡量這個產品成功與否的終極指標。不可否認這些指標固然重要,但是它們并不能用來衡量產品最近所取得的成功,并且極有可能會掩蓋一些急需我們關注的問題,如用戶參與度持續走低、用戶新增在逐漸變緩等。在用戶行為分析的過程中,我們需要更細致的衡量指標,這樣才更有利于我們準確預測產品發展的走向并通過版本迭代及時對產品進行優化和改進。
同期群分析(Cohort Analysis)是提高APP用戶留存的關鍵
上面提到,一個產品的成功與否不在于下載量多少,而在于如何留住即將流失的用戶以及如何召回已經流失的用戶。
我們不能通過下載量確定APP發展的具體情況,因為漂亮的下載數據會誤導我們以為APP發展很健康,但實際上,很多用戶下載幾天后就流失了。同期群分析是提高用戶留存的關鍵。
案例
針對首次啟動APP的用戶進行同期群分析,并觀察他們接下來七天的留存情況。
圖一:某電商APP新增用戶7日留存率
17461個新增用戶在10月30日首次啟動了APP,第一天在這些用戶里有 30.6%的人再次啟動,第四天12.2%,第七天7.9%,這表明在第七天的時候約每12個用戶里就只剩下一個活躍用戶。這同時也意味著我們流失了92%的用戶。
我們需要知道哪些同期群有更好的留存并分析原因。如:我們在那一天發起了一場新的營銷活動嗎? 還是提供了促銷或折扣?或是發布了新功能,在產品里添加了視頻教程?我們可以將這些成功的策略應用于其他用戶,來提高用戶活躍度及留存率。我們還可以比較不同時間段的留存:
- 拉新后的留存:通過比較拉新后不同的同期群,我們可以看到4天,7天等時間段后再次回來的用戶。這些同期群數據可以讓我們了解用戶登錄體驗,產品質量,用戶體驗,市場對產品的需求力等關鍵信息。
- 長期留存:通過觀察每個同期群用戶再次回來使用APP的天數,我們可以看到每個同期群長期的留存,而不是拉新后幾天的留存。
我們可以知道用戶是在哪里退出的,并且可以知道活躍用戶群有什么特征,他們在做什么,這樣一方面有助于我們在拉新時快速找到目標用戶,另一方面我們還可以影響新用戶,讓他們遵循同樣的路線,最終成為忠誠用戶的模樣。
同期群分析(Cohort Analysis)能幫助我們實時監控真實的用戶行為、衡量用戶價值并制定有針對性的營銷方案
例如我們的運營團隊在9月份發起了一場為期60天的歡迎活動,想要通過一系列折扣和優惠來推動用戶增長。通過廣告展示和社交媒體,我們每天都有數以千計的用戶增長。5個月后,我們的用戶增長量非常大,領導對我們的活動結果非常滿意。
表面看,我們順利達到了用戶增長的目標。然而,當我們仔細研究同期群的數據,從用戶的終身價值出發,我們會發現,歡迎活動中新增的用戶在活動2個月之后購買率持續降低,與之相反,活動前的新增用戶如8月份的用戶,在活動的這五個月里購買率一直比較穩定。
圖二:某APP用戶購買情況
如果我們只把每月總收入作為衡量指標,我們就會以為收入增長僅僅來自新涌入的用戶。然而,活動啟動之后的用戶群組數據表明,一旦優惠活動結束,收入就會下降。收入下降證明我們并沒有擴大忠實用戶群體。
如上所示,通過同期群分析我們可以實時監控真實的用戶行為趨勢,否則,我們會因為只分析總體數據得到錯誤的判斷而做出錯誤的決策。通過分析每個同期群的行為差異,我們可以制定有針對性的營銷方案。在這個案例中,運營人員需要制定新策略來提高活動開始兩個月后的用戶參與度。
如何實施同期群分析(Cohort Analysis)?
首先從定義商業疑問開始
定義商業疑問是研究得到有效結果的前提。商業疑問定義基于商業目標以及研究試圖解決的問題。
用戶在我們優化產品之后購買轉化率是否提升?產品改進后用戶流失率是否降低?我們需要對這些疑問進行迭代和細化,以確保它與商業目標一致。
依據商業疑問定義度量指標
如購買轉化率和用戶留存率是回答業務問題的關鍵指標,我們想要了解從注冊到完成購買每一步的用戶流失率以及最后的購買轉化率。
定義同期群
前面留存的案例里,同期群是基于創建賬戶一周內購買的用戶。在其他情況下,我們可以用不同的方式定義同期群,例如,某個內容APP,我們可能會基于創建賬號的24小時內發布內容的用戶。
分析同期群數據
我們還以圖一典型的同期群表格為例,橫向為自然天數排列,縱向為每天的新增用戶數,表格內部是計算的每天留存率,一般情況下橫向的留存率最終會在某天后停留在一個相對穩定的狀態,從圖中我們可以看到,在第5天留存趨于穩定。這就說明這批用戶是穩定留存下來的。否則,如果留存率一直下降,總有一天會歸零。
我們再來看下縱向的留存數據,如果一個產品在健康發展,這個數據應該是越來越好。很顯然這個產品并不是,通過同期群數據分析,PM應該不斷優化改進產品,提升用戶體驗,從而提高用戶留存率!
總結
同期群分析(Cohort Analysis)有利于我們更深層地分析用戶行為,并揭示總體衡量指標所掩蓋的問題。在營銷方式和活動效果不斷變化的當下,學會運用同期群分析有利于我們預測未來收入和產品發展趨勢。
作者:Cobub(微信公眾號號:dev_cobub)
本文由 @Cobub 原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自 unsplash
圖二是不是折線標注有誤?圖示第2個月后,8、9月新增的都是大幅下降,只有10月新增的下降平穩。
跟文章描述的8月新增用戶比較平穩對不上。
寫得不錯哦
很有幫助
干貨滿滿,贊~