分析 | 同期群(留存分析)
2019-03-31 本文已影响0人
黑喵爱吃棉花糖
同期群百度定义：同期群研究。也称作人口特征组研究。指对某一特殊人群(即特征组)随时间推移而发生的变化进行的研究。最典型的特殊人群是年龄组，比如以40年代出生的一些人为一个特征组研究时，1960年从20～29岁的人中抽取样本;1970年从30～39岁的人中抽取样本;1980年从40～49岁的人中抽取样本。虽然每一样本由不同的人组成，但却都代表出生于1940～1949年的一代人，而研究的结果所涉及的就是这一代人的变化情况。
留存定义：在互联网行业中，用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用该应用的用户，被认作是留存用户。这部分用户占当时新增用户的比例即是留存率，会按照每隔1单位时间（例日、周、月）来进行统计。顾名思义，留存指的就是“有多少用户留下来了”。
---没有哪个公司希望自己的用户流失吧╭(╯^╰)╮，留存是一个需要长期监控的指标---
关键词： 开始、一段时间、继续
ps：提到留存更比较熟知，增长黑客概念风靡。同期群，这个单词是自己看《精益数据分析》这本书而获知，后续发现留存分析方法是用这个方式。感谢以前竺boss推荐的书单。
留存相关指标：(以登录用户为例，来源度娘)
- 留存率 = 新增用户中登录用户数/新增用户数*100%（一般统计周期为天）
- 新增用户数：在某个时间段（一般为第一整天）新登录应用的用户数；
- 登录用户数：登录应用后至当前时间，至少登录过一次的用户数；
- 次日留存率：（当天新增的用户中，在注册的第2天还登录的用户数）/第一天新增总用户数；
- 第7日留存率：（第一天新增的用户中，在注册的第7天还有登录的用户数）/第一天新增总用户数；
第30日留存率：（第一天新增的用户中，在注册的第30天还有登录的用户数）/第一天新增总用户数
留存数
行上是首次登录日期，列是后续第N日登录日期，数值是用户数
eg：第一行数据，即初始行为日期是04-07
- 610代表04-07首次登录的人
- 22代表的是04-07首次登录的人在04-08登录
- 15代表的是是04-07首次登录的人在04-11登录（不是后续日期累计，是第多少天）
留存数
留存率
纵轴是首次登录日期，横轴是后续日期，数值是留存率
eg：第一行数据中
- 3.61% = 22 / 610
- 3.44% = 21 / 610
- 2.79% = 17 / 610
留存率
留存周期
留存率：纵轴是首次登录日期，横轴是后续第N日，数值是留存率
eg：
- 第一行 04-07
- T+0 即 04-07
- T+1 即 04-08
- 第二行 04-08
- T+0 即 04-08
- T+1 即 04-09
留存周期
留存热图：留存率用颜色深浅表达，颜色越深数值越大
留存热图
留存曲线：x轴为T+n，y轴为留存率。因为用的是天的数据，波动明显。单位时间为周、月相对比较稳定，留存率是一个较长期监控指标
留存周期
也可以将日期降序以方便查看最近情况
具体分析的时候，可以结合用户年龄段、使用过某功能的用户与整体的比较。比如上传头像设置过昵称的用户留存率高于整体水平，类似的，圈定某个特征行为进行留存对比也是分析方向，注册、登录、首购、写评论等。
开篇那么多文字，看的也是头疼的，但是一个准确的事物的定义才是融会贯通的基本。
