群组分析Cohort Analysis：提高用户留存率的关键
导读：真正的成功不是让别人下载你的App，产品若没有很好的留存，花费大量时间和资源来挖掘新客户也将是竹篮打水一场空。推荐你用群组分析Cohort Analysis方法，用来帮助你提高用户留存率。
- 你该如何找到用户流失的准确原因？
- 你该如何找到用户流失的节点并优化它们？
- 你该如何挽回即将流失或已经流失的用户？
以上三个问题，通过这篇文章会给你答案——运用群组分析Cohort Analysis.
一、什么是群组分析Cohort Analysis？
群组分析Cohort Analysis，是一种利用用户分层&用户建模的方法——你需要你的所有用户分成一个一个小组——你可以按照获客日期来分，或者按照获客渠道来分，或者按照特定用户行为来分——总之，你可以按照任何你想要的维度来进行用户分层&用户建模。
群组分析有利于衡量用户在每个漏斗的用户流失节点、用户流失数据，从而帮助你发现产品的摩擦点和用户的行为模式。从本质上讲，群组分析Cohort Analysis为您提供了一种数据驱动的方法。
下面我们举一个示例——创建第一次启动App的新用户的群组，然后看看有多少人在接下来的10天内回访了App。
image
用户留存群组User-Retention-Cohort
通过分析这个用户留存群组，我们可以看到：
- 32,961位新用户于8月30日退出该App，其中3％在第1天回访，第4天13.4％的回访，到第7天回访用户只剩8.1％。这意味着在这个产品的7日留存率非常低，相当于每12个用户，只有1个用户会回访。
- 在8月30日至9月6日期间获得的所有新用户中（总共134,529），第1天的留存率仅仅是1％，第4天留存率是11.5％，7日留存是8.1％。这意味着流失率达到了92％，前七天我们辛苦拉新的用户几乎都流失了。
以上仅仅是一个例子，群组分析维度是按照获客时间来分，教你如何分析留存率。这些数据可以让你重视用户留存的重要性，直观地告诉你用户每一天的流失情况，帮助你分析用户流失的节点，或者驱动你完善用户体验，或者让你重新审视你的产品与市场是否真正契合。
提示：如何提高留存率？是否可以尝试新的营销活动？如果你是电商平台，是否可以提供促销或折扣？如果你是一个新上线的社交产品，是否可以完善已有功能，或者考虑发布新功能？如果你是一个SaaS产品，是否可以在你的产品上添加视频教程或者使用Demo？运用这些策略应用，以提高用户留存率。
二、如何通过群组分析Cohort Analysis提高用户留存率
正如我们所讨论的，群组分析涉及查看用户群组：
- 洞察用户行为随着时间是如何变化的
- 寻找影响用户留存/流失的确切原因
- 找到最佳手段和方法去挽回流失用户
但是，当涉及到使用群组来提高用户留存率时，你应该从哪里开始？
我们建议从两种类型的群组着手——
- 从用户的获取角度分组：从用户的获取(Acquisition Cohorts)分组，第一种可以按照获取用户的时间来分，可以是日/周/月，这个取决于不同产品不同的使用频率。通过分析每个群组的留存率，你可以确定用户对你产品的使用情况和流失情况；第二种可以按照用户获取的渠道来分，看不同渠道来源的用户的留存情况，便于你分析渠道质量，调整各渠道营销预算，提高ROI。
- 从用户的行为角度分组：从用户的行为(Behavioral Cohorts)分组，即根据用户在一定时间范围内在你的产品上采取的特定行为对用户进行分组。例如，应用程序安装、应用程序启动、用户资料填写、添加好友、完成购买付款等。
提示：建议根据你理想的用户旅程创建行为群组。比如对于电影票务App，这可能是：应用程序安装- >应用程序启动- >查看产品- >添加到购物车- >在安装App的第一周内完成购买。这将帮助你了解有多少用户正在完成这些步骤、他们需要多长时间，以及哪些用户在这个过程中的哪些节点流失了。
现在介绍几种通过获客群组 (Acquisition Cohorts)和行为群组(Behavioral Cohorts)分析来提高用户留存率的方法。
策略一：通过获客群组分析，发现你的产品摩擦点
让我们来看一张每日获客群组分析表，类似这样的留存曲线图能够轻松方便地查看用户的留存/流失情况。
image
用户留存曲线User Retention
我们可以看到最大的用户流失发生在Day1，73％的用户停止使用该产品。在Day7那天留存率又从14%下降到了10%，最终在曲线平稳之后维持在10％(Day7-Day10)。很明显这个产品的留存率/流失率问题很大，您是否可以找到问题的征兆来提高产品留存率，降低流失率。
提示：想知道用户在哪个节点流失的？可以查看《用户漏斗模型：用户分层、群体分析、提高转化率》、《如何通过漏斗分析，转化更多用户？》这两篇文章，可以给你很大的帮助。
通过上面的分析，我们发现获客群组分析是非常适合识别趋势并精确定位客户流失的情况的，但他们并未提供有关他们流失的原因。
所以我还需要用户行为群组分析(Behavioral Cohorts)——
策略二：通过用户行为群组分析，提高用户留存率
我们可以对用户进行用户行为分析，举个例子——
image
- 示例分析：有多少用户把商品添加到购物车后并顺利完成结账？
- 完整流程：添加商品到购物车—开始结账—完成结账。
- 漏斗结果：在用户把商品添加到购物车，并开始去结账的时候，用户大量流失，最终只有37%的用户顺利完成了支付。
- 如何完善：找出是什么阻碍了用户在最后阶段结账的原因，是否是Bug问题？或者是产品的设计交互问题？
其实这里我们的用户行为群组分析，结合了漏斗分析模型。
我们再以电影票务App为例，观察那些已经登录App并进行购买的所有用户。
image
群组分析比较Cohort-Comparison
蓝线表示所有购买的用户；红线表示用支付方式为PayPal的购买用户，这可以回答有趣的问题，例如：
- 使用PayPal支付的用户是否具有更高的留存率？
- 使用PayPal支付的用户是否用户价值更高？
接下来，我们可以通过查看比较购买的用户和放弃购物车的用户的行为群组分析示例来测试用户行为。
用户行为群组分析可以回答以下问题：
- 成功购买的用户，他们从将商品放进购物车到结账支付完成用了多少时间？
- 对那些放弃购物车支付的用户，何时是对他们进行“再营销”的最佳时机？
image
完成结账支付的用户
image
<p align="center"> 放弃购物车的用户 </p>
使用此群组分析留存率，我们可以看到——
- 大多数完成结账支付的用户，他们将商品添加到购物车的同一天就完成了支付，支付率达到了95.74%。
- 而放弃购物车的用户，在Day1当天，留存率就只剩下20%了，流失率达到了80%，而Day2到Day5，流失率达到了100%。
提示：如何挽回这些流失用户？对这些流失用户如何“再营销”？最佳时间是什么时候？——答案是最初的24小时内。你可以PUSH通知、短信、电子邮件、站内信等等，给这些流失用户优惠促销券、折扣券、红包，然后在接下来几天，观察数据情况，是否留存率、购买率提高了。
三、总结
群组分析的强大之处在于，它不仅可以让您准确了解哪些客户离开，何时离开， 还可以了解离开的原因以及如何挽回他们。这些都是产品可持续增长的关键要素，是用户参与和长期运营的基础。
