回覆列表
  • 1 # 資料觀商業管理雲

    另外的答案已經給出了比較全的使用者分析欄位,這裡就不再贅述了。

    如果題主是想用收集到的資料做分析,這裡給題主推薦幾個方式吧。

    1. 提出分析展現的需求給外包的技術團隊。

    2. 定期整理資料,用excel完成資料整理與分析。

    3. 使用資料分析類的saas產品,將視覺化進行到底。

    這三種方式題主可以根據實際情況選擇。

    總體來說,第一種是後期維護成本較低,但是前期溝通會比較複雜的,完成後也可能無法盡如人意,畢竟技術團隊不是搞資料分析的;第二種需要花費比較多的時間,進行重複性的工作,同時也需要對資料分析函式這類知識有一定的瞭解;第三種是前期可能需要了解如何使用,但是上手後非常方便的,saas產品有資料觀、Tableau、永洪BI等等,挑一個自己適用的就行,如果日常操作比較簡便,推薦資料觀,滑鼠拖拽就行,資料能實時更新,也不用反覆操作,不用背下來複雜的函式公式。減少了很多時間投入,做出來的東西也專業。Tableau是國外的產品,在視覺化方面非常專業。如果是專業的分析師,更推薦Tableau。

    希望對題主有幫助~

  • 2 # 使用者6516857526

    活躍率:是某一時間段內活躍使用者在總使用者量的佔比,根據時間可分為日活躍率(DAU)、周活躍率(WAU)、月活躍率(MAU)等。但產品不同,活躍使用者的定義也可能不同。有的APP開啟就算活躍,而有的APP必須登入才算活躍......

    留存率:留存率定義為使用者在某段時間內開始使用網站/應用(一般定義是註冊),經過一段時間後,仍然繼續使用的人被認作是留存使用者。留存率體現了網站/應用的質量和保留使用者的能力。

    一般統計週期為天,常見的週期維度有次日、7日、14日/15日、30日、60日、90日)

    比如:

    次日留存率:(第一天新增使用者數,第2天還登入的使用者數)/第一天總註冊使用者數

    7日留存率:(第一天新增使用者數,第8天還登入的使用者數)/第一天總註冊使用者數

    30日留存率:(第一天新增使用者數,第31天還登入的使用者數)/第一天總註冊使用者

    留存率 ≠ 活躍率

    留存率和活躍率混為一談,這是一個很嚴重的誤區。大家經常會用日活(簡稱DAU)來監測網站/應用,有時候日活在一段時期內都是逐漸增加的,按理說這是一個好現象,但是如果忽略了留存率計算,這個結果很可能是一個錯誤。比如某公司做了很多拉新、推廣的活動,帶來了很多新使用者,其日活資料應該也是增加的,但是最終留下來的使用者不一定在增長,甚至有可能在減少,只不過是新使用者太多而掩蓋了留存率問題,實際上使用者的留存是在逐漸降低的。

    若有如下使用者行為,你該如何分析?

    使用者A下載並開始使用產品,發現可以滿足他的全部需求,對產品愛不釋手,基本每週都有登陸,並且登陸時長均在2小時以上。

    使用者B下載並開始使用產品,用了幾天後便不再使用,產品更新後,覺得新功能很棒再次開始使用,之後的使用頻率大約為每半個月一次。

    使用者C在網上搜索後隨意的註冊了一下,用了幾天產品,覺得一般般,當產品有大量折扣或活動時,再次使用過一兩次。一季度下來使用不到5次。

    使用者D在有拉新活動時,下載並註冊之後便解除安裝或放棄使用,整季度使用次數為0或1。

    以上四種使用者,可以根據其活躍度劃分為:

    活躍期使用者:(使用者A)

    使用者活躍路徑:新增-活躍-忠誠

    對應措施:保證接觸頻率,但不做促銷刺激

    沉默期使用者:(使用者B)

    使用者活躍路徑:新增-不活躍-迴流-活躍

    對應措施:保證接觸頻率,給予少量的營銷折扣

    睡眠期使用者:(使用者C)

    使用者活躍路徑:新增-不活躍-迴流

    對應措施:控制有限接觸,透過打折扣進行挽回

    流失期使用者:(使用者D)

    使用者活躍路徑:新增-不活躍-流失

    對應措施:遮蔽接觸,只有在“雙十一”之類的大促時通知使用者

    以上是以活躍率為例進行分析,提到如何簡單準確計算出這些指標的話,這些推薦大家使用BDP個人版:https://me.bdp.cn/home.html

    活躍率具體操作流程可參考:https://mp.weixin.qq.com/s/ukn0Yfpul3bkSchPhQIkaw

    留存率具體操作流程可參考:https://mp.weixin.qq.com/s/6LtkPkp6Vd2levA2vMXAmw

  • 中秋節和大豐收的關聯?
  • 唐代士人考上科舉就有官做嗎?