一、分布分析法

1. 常見(jiàn)的群體劃分有哪些？

（1）按事件的頻率

舉個(gè)栗子：某職業(yè)技能提升平臺(tái)（下圖）的某公開(kāi)課程的頁(yè)面，我們不止可以看PV，還可以把PV以用戶瀏覽的次數(shù)進(jìn)行查看，可以看看有多少人是看了1~3次的，有多少人看了3~5次的。

分布分析方法不同的是：平時(shí)我們只看此頁(yè)面一共瀏覽了多少次，這樣再去平均。在這里我們看到的只是一個(gè)平均數(shù)，可能很多用戶一天就能看幾十次，也有部分用戶只看了一次，如果我們單獨(dú)去看整個(gè)頁(yè)面的瀏覽次數(shù)，是得不到用戶真實(shí)的使用情況的。如果用分布分析去看用戶的瀏覽次數(shù)，那么，我們就對(duì)這個(gè)頁(yè)面的瀏覽次數(shù)有了一個(gè)清晰的認(rèn)知。

（2）按一天內(nèi)的時(shí)間分布

還以上面的某職業(yè)技能提升為例：上面說(shuō)到查看次數(shù)，但是這個(gè)是課程的頁(yè)面，我們不只要看查看次數(shù)，還要查看觀看課程的時(shí)長(zhǎng)，比如同樣是看一次，有的用戶看1小時(shí)，有的用戶看3小時(shí)，這顯然是不一樣的。

（3）按消費(fèi)金額的區(qū)間

最后呢，我們還可以按消費(fèi)金額的區(qū)間進(jìn)行劃分，我們是一個(gè)職業(yè)技能提升平臺(tái)網(wǎng)站，肯定有不同的用戶購(gòu)買不同的課程。

這里我們不僅可以從訂單的筆數(shù)進(jìn)行查看，還可以按消費(fèi)金額劃分區(qū)間，這樣就可以知道我們這個(gè)平臺(tái)消費(fèi)0~500元的有多少用戶，500~1000元的有多少用戶，1000~2500元的用戶有多少。

以上是分布分析法的三種主要分析方式，它的運(yùn)作原理是：從事件在不同維度中的分布來(lái)觀察，以便理解該事件除了累計(jì)數(shù)量和頻次外，其他維度的信息。

2. 有哪些適用場(chǎng)景？

場(chǎng)景一

已經(jīng)知道一群用戶完成了指定事件，但需要對(duì)用戶群體進(jìn)行細(xì)分，按不同的維度（比如依賴程度）和價(jià)值（付款金額）將他們劃為不同群體，分別進(jìn)行后續(xù)的維護(hù)或分析。

比如說(shuō)：把特別依賴的用戶單獨(dú)篩選出來(lái)，建一個(gè)用戶運(yùn)營(yíng)的專項(xiàng)項(xiàng)目，去運(yùn)營(yíng)用戶。也可以把那些付款金額大的用戶，去做一些運(yùn)營(yíng)活動(dòng)。

場(chǎng)景二

已經(jīng)知道單個(gè)事件的完成次數(shù)，希望知道這些次數(shù)拆分到不同維度上后的分布情況，以便更清晰地了解該事件的完成情況。

比如：把不同的內(nèi)容的查看次數(shù)放在一些對(duì)比，可能沒(méi)有區(qū)別，但如果把幾種內(nèi)容的查看次數(shù)按照時(shí)間進(jìn)行分布，可以看到更多詳情的信息，比如某內(nèi)容用戶的查看時(shí)間段，A內(nèi)容上午查看的用戶多，B內(nèi)容下午查看的用戶多。

由此，我們可以發(fā)現(xiàn)，不同的內(nèi)容在時(shí)間的分布上是有些特性的。這時(shí)候，在推薦內(nèi)容上就可以根據(jù)不同的時(shí)間段推薦不同類型內(nèi)容給用戶。

二、用戶留存分析法

1. 為什么要看留存？

短期來(lái)看：了解某一渠道的質(zhì)量，一般看的是日留存

以天為單位，衡量這個(gè)渠道來(lái)的用戶當(dāng)下&接下來(lái)的表現(xiàn)。這里需要注意的是：以【 X日日留存】作為比較標(biāo)準(zhǔn)時(shí)，應(yīng)避免其他日數(shù)據(jù)的干擾。長(zhǎng)期來(lái)看：觀察整個(gè)大盤(pán)，通?？吹氖侵芰舸?月留存以周/月為單位，衡量產(chǎn)品的健康情況，觀察用戶在平臺(tái)上的黏性是怎樣的。記得務(wù)必要去重。

下面這款產(chǎn)品就是在一年的周期內(nèi)，從1月份到12月份的新增用戶，在后面幾個(gè)月內(nèi)留存的表現(xiàn)情況。

由下圖可以看出，在產(chǎn)品不斷的優(yōu)化及迭代的過(guò)程中，每個(gè)月的留存是有所增長(zhǎng)的，這證明此款產(chǎn)品的迭代和運(yùn)營(yíng)的方向是抓的比較準(zhǔn)的。

思考一下：為什么在驗(yàn)證產(chǎn)品長(zhǎng)期價(jià)值時(shí)選擇月留存，而不是日留存呢？

這是因?yàn)榱舸孢@個(gè)數(shù)據(jù)本身波動(dòng)都不太大，如果看日留存會(huì)有很多的數(shù)據(jù)需要處理，數(shù)據(jù)量大往往我們就不能把焦點(diǎn)放在該放的地方。而恰恰也剛好是我們一般迭代一個(gè)版本是半個(gè)月或者一個(gè)月，往往能從根本上影響留存的。

所以，從一個(gè)月來(lái)觀察產(chǎn)品的留存變動(dòng)，更能了解產(chǎn)品長(zhǎng)期價(jià)值的變動(dòng)。這種是最常見(jiàn)的留存計(jì)算方式。

2. 留存的計(jì)算方式

（1）常見(jiàn)的計(jì)算方式

大盤(pán)留存的計(jì)算方式：將某一時(shí)間的用戶ID與另一時(shí)間的用戶ID做交叉去重。

但是，大盤(pán)的留存會(huì)受很多因素的影響。舉個(gè)簡(jiǎn)單的栗子：你的產(chǎn)品做了一個(gè)活動(dòng)，引入了低質(zhì)量的渠道（這是經(jīng)常有的事兒哈），那么這個(gè)留存不管是次日/次周/次月都會(huì)大跌的。

還有一種可能是你搞這個(gè)活動(dòng)的時(shí)候，這批低質(zhì)量渠道過(guò)來(lái)的用戶暴增，導(dǎo)致服務(wù)器宕機(jī)等等。所以，不管是產(chǎn)品還是運(yùn)營(yíng)，抑或是技術(shù)、市場(chǎng)每一個(gè)環(huán)節(jié)都會(huì)對(duì)留存造成影響。

（2）精準(zhǔn)留存

精準(zhǔn)留存有兩種計(jì)算方法：第一，過(guò)濾進(jìn)行過(guò)指定行為的用戶ID，單獨(dú)進(jìn)行計(jì)算。

舉個(gè)栗子：某在線閱讀類產(chǎn)品，以下是大盤(pán)的留存，在這里呢我們要區(qū)分出來(lái)看了某一種類型的書(shū)籍的用戶，有沒(méi)有可能比其他的用戶更有可能留下來(lái)。

這時(shí)需要把看過(guò)某一類型的書(shū)籍（比如勵(lì)志類的）單獨(dú)的篩選出來(lái)，只看這一批用戶的留存情況。經(jīng)過(guò)查看得知，此類型書(shū)籍的用戶的留存比大盤(pán)高，那是不是表明還有其他類型的書(shū)籍比大盤(pán)要低啊。

所以，通過(guò)這樣的觀察，我們就可以得知各個(gè)類型的書(shū)籍吸引用戶的能力是不一樣的，然后去評(píng)判不同的書(shū)籍類型的運(yùn)營(yíng)質(zhì)量，以及用戶黏性的價(jià)值。

第二，根據(jù)用戶不同的屬性，劃分為不同的群體，觀察它們之間留存的區(qū)別

舉個(gè)栗子：我們是王者農(nóng)藥的產(chǎn)品經(jīng)理，如果通過(guò)大盤(pán)來(lái)觀看數(shù)據(jù)，是看不出所以然的。這個(gè)時(shí)候我們可以給用戶劃分為不同的用戶群體，在這里我們把用戶進(jìn)行分區(qū)劃分，通過(guò)分區(qū)我們可以發(fā)現(xiàn)，有的區(qū)它的周留存是優(yōu)于其他區(qū)的，那我們就可以研究這個(gè)區(qū)為什么做的好，然后把這個(gè)區(qū)做的好的點(diǎn)復(fù)制到其他區(qū)域。

最后一張架構(gòu)圖總結(jié)一下：

好啦，以上就是關(guān)于分布分析法和用戶留存分析法的分享，希望能給大家提供一些思路和靈感，歡迎交流。

作者：菜菜

公眾號(hào)：菜菜嘮產(chǎn)品（caicailaochanpin)