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( 二 )


与上图不同的是 ， 它把一个时期分成更细的区间 ， 分析用户在这些时间区间的变化趋势 。
例如我们可以分析某一周的新增用户 ， 在这一周内的每一天新留存率的变化 。 （此图来自网络 Emily Bonnie）
『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
这幅图可以看出什么？首先 ， 在从8月30日到9月6号的一周内一共新增134529人 ， 把这些用户按每日分成7个同期群 ， 分析他们的异同 。
以8月20号这天的同期群为例 ， 在第1天有31.3%人回访 ， 但第7天只剩下8.1% ， 留存率相对很低 。
如果光看新增用户 ， 看上去很多 ， 有134529人 ， 可最后剩下的用户只有8.1% ， 剩下的91.9%人都损失掉了 。
如果把新增用户比成用一个水桶接水 ， 那影响最后可以接多少水的因素 ， 一方面由从水龙头??进到水桶的水量决定 ， 另一方面由从水桶漏出的水决定 。 如果水桶底部有好几个洞 ， 即使接的水很多 ， 但由于很多水又从底部的洞流出去了 ， 所以最后剩下的水可能并不多 。
上图中的数据反应的就是一个类似底部有洞的水桶 ， 辛辛苦苦（有可能砸了钱很多钱做营销）增加的用户都从水桶底部流失了 。
是什么原因导致流失呢？知道了用户流失严重 ， 接下来的任务就是找到用户流失的原因 。 原因不一定只有一种 ， 可能很多种原因叠加在一起产生的结果 。 有主导原因 ， 有次要原因 。 判断流失原因后再优化产品 ， 再次通过同期群数据进行分析 ， 就可以验证对原因的判断是否正确 ， 优化是否起作用 ， 当然这个过程并不一定是一次就可以做到的 ， 而是一个不断循环往复的精益过程 。
注意 ， 有些app数据会随时间有变动 ， 比如有些app一周内的不同天使用频率有差异（有的软件工作日使用频率更高 ， 比如共享单车 ， 外卖等 ， 有的软件休息日使用频率更高 ， 比如运动类app） ， 这时也要考虑各种影响数据的因素对结果产生的影响 。
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 。
这就是同期群分析的意义所在 。
参考：
《用户体验度量》
《精益创业》
Emily Bonnie的网络文章
本文由 @cating 原创发布于人人都是产品经理 。 未经许可 ， 禁止转载
题图来自Unsplash ， 基于CC0协议


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