人群特性分析如何提高用户留存和获客
-
-
浪子星 这家伙很懒，还没有设置简介...
0 人点赞了该文章 · 34 浏览
对产品经理来说，了解产品对用户的长期影响因素是十分重要的，最简单的一种方式就是通过人群特性分析（cohort analysis）来剖析用户的行为。而这是一位用户运营阅读数据时最核心的能力之一。
让我们从什么是人群特性分析（cohort analysis）开始：Cohort就是表示一组人群。以你们学校的毕业年份为例，2010级是一个群组，而2011级则是另外一个群组。
你可以用不同的条件创建任何群组。例如，你可以按照家庭收入中位数进行分组，也可以按照促销活动进行分组，或是按年龄分组。
人群特性分析就是将不同群组在一定时间内的行为数据进行可视化并进行分析。
换句话说，你想要洞察用户行为随着时间是如何变化的，以及群组与群组之间的用户行为变化又有怎样的区别。
针对消费者产品进行人群特性分析是最简单的方式，所以本篇文章会通过B2C产品介绍什么是人群特性分析。给大家一个入门的例子。
B2C产品如何进行人群特性分析
以下是一个假设的B2C产品用户留存率的人群特性分析。
这是个二维图表，你必须知道如何解读横轴和纵轴的数据。横轴代表时间，纵轴代表用户群组。
人群特性分析1、首先，我们先从左往右开始解读。
第1组用户在2019年1月7日激活新账户，这个群组里共有14,256个用户。
一周后，本虚拟产品仅有70.4%的活跃用户，也就是14,256 * 70.4% = 10,036个用户仍保持活跃。
两周后，本虚拟产品仅有35.9%的活跃用户，也就是14,256 * 35.9% = 5,118个用户仍保持活跃。
8周后，用户几乎全部流失，仅有855个用户（0.6%）还保持活性。
从左往右，你会看到这组用户群随时间的变化：通常情况下，群组规模会随着时间越来越小，这是因为对产品仍然感兴趣的用户会越来越少。
2、接下来，我们试着自上而下解读。
第2组用户在2019年1月14号激活账户，新增用户数量为18,354个，比第一组增长了29%。
尽管从用户数量来看，第2组拥有了更多的用户，但是很快我们就会发现第2组在用户留存率的表现更差。
一周后，与第1组的70.4%相比，第2组的用户留存率仅有34.6%。
相对差值达到51%，这完全无法平衡第2组增加的少量用户。
继续对比一周后的数据，我们会发现第2组到第4组的用户留存率都很低，而第1、5、6、7和8组的用户留存率基本相当。
但是，对比8周后的各组数据，很明显，第7组和第8组的用户留存率要比其他群组都高得多。
3、B2C产品的人群特性分析能提供什么信息
首先，人群特性分析能够让你从不同群组的分析数据中找到问题所在，而不是通过衡量总体指标来分析用户行为。例如，如果不按群组区分用户，活跃用户随时间的变化情况会如下图所示：
人群特性分析
