江苏龙网

  1. 首页 > 人文 > >

『人人都是产品经理』同期群分析：用户留存和用户行为的法宝


通过同期群分析我们可以实时监控真实的用户行为趋势 ， 否则 ， 我们只看总体数据可能得到虚荣的美好数据 ， 从而做出错误的决策 ， 把本该发现的问题掩盖掉 。 这也是同期群分析的意义所在 。
『人人都是产品经理』同期群分析：用户留存和用户行为的法宝
本文插图
【『人人都是产品经理』同期群分析：用户留存和用户行为的法宝】在产品数据中 ， 常见指标通常是总数型指标 ， 例如用户注册总数和产品总收入 。 但在迭代中 ， 如果只看这些数据 ， 可能造成一种虚荣的指标 ， 例如下图中展示的某产品的总数型指标 ， 看上去很好 ， 符合一个传统的上升曲线 ， 会让人认为产品开发团队取得了巨大进展 ， 增长引擎发展的很不错 ， 每个月都在获得新用户 。
其实很可能存在很大问题 ， 例如虽然有新用户不断增加 ， 但每个新用户贡献的收益却没有提高 ， 只从传统数据看 ， 无法发现这些问题 。
『人人都是产品经理』同期群分析：用户留存和用户行为的法宝
本文插图
而同期群数据可以更好的帮助分析用户行为 ， 发现问题节点 ， 并帮助做出迭代的决策 。 它也是提高用户留存率的重要方法之一同期群分析英文写为cohort analysis ， cohort在英文中意思是：（有共同特点或举止类同的）一群人、一批人 。
常见形式的同期群分析有两个重要维度：具有某种共同的行为特征的用户；出于某一相同时期的用户 。
同时具备以上两个特征的用户 ， 称为一个同期群（cohort） 。 时间的划分可以是季度、月、周、日 ， 具体要根据app的使用特征和要分析的内容决定 。
举例：以月为时期 ， 分别以2018年3月、4月、5月、6月、7月这五个月的新增用户组成五个同期群 ， 分析用户的转化率 。 分别是：3月新增用户同期群（cohort a）4月新增用户同期群（cohort b）5月新增用户同期群（cohort c）6月新增用户同期群（cohort d）7月新增用户同期群（cohort e）
而这些同期群用户的共同行为特征都是新增用户 ， 之后可以分析这五个群组间转化率的趋势和差异 ， 而每一个同期群也代表了一张独立的产品成绩报告 。 再结合我们的业务变化和运营变化以及产品迭代变化 ， 就可以通过对比发现很多有用的数据 。
除了新增用户 ， 也可以是其他用户特征 ， 比如都在同一个月打卡一定数量的用户 ， 又或者都在某天的vip促销活动中付费购买vip的用户等等 。
同期群分析侧重于分析在客户生命周期相同阶段的群组之间的差异 。
下图是一款社交软件的同期群分析 ， 时期以周为单位 ， 用户行为特征是新增用户 ， 分别以3月、4月内每一周的新增用户作为一个同期群 ， 一共有8个同期群 。
『人人都是产品经理』同期群分析：用户留存和用户行为的法宝
本文插图
社交软件 ， 为了观察用户的留存情况 ， 聚焦这些选中用户群组的以下数据：在一周内 。 已登陆的用户比例有1次对话的用户比例有5次对话的用户比例付费的用户比例
（已同一周内新增用户总数作为基准 。 ）
如果观察这张同期群分析趋势图 ， 可以发现产品在增加用户留存上总体是有改进的 ， 有5次对话的用户（活跃用户）从原来的3%左右上升到20%左右 ， 但是付费用户并没有什么增长 ， 接着就需要继续深入分析 ， 是什么导致付费转化率一直停滞不前 。 是层级太深？还是并没有足够吸引用户付费的功能还是定价策略有问题等等 。
另一方面 ， 我们也可以分析有5次对话的活跃用户 ， 从3月第4周开始有较大增长 ， 是什么促进的增长？
除此之外 ， 同期群分析经常被用来分析用户流失数据和流失节点 ， 这时实质上分析的是每一个同期群随时间变换的趋势 。


推荐阅读


上一篇：[科技圈]什么是全光架构？光纤 KVM 和分布式 IP KVM 系统知多少？

下一篇：移动叔叔：多屏协同体验：为办公带来革命性的改变