一、分布分析法

1. 常見的群體劃分有哪些？

（1）按事件的頻率

舉個栗子：某職業(yè)技能提升平臺（下圖）的某公開課程的頁面，我們不止可以看PV，還可以把PV以用戶瀏覽的次數(shù)進行查看，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：平時我們只看此頁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，如果我們單獨去看整個頁面的瀏覽次數(shù)，是得不到用戶真實的使用情況的。如果用分布分析去看用戶的瀏覽次數(shù)，那么，我們就對這個頁面的瀏覽次數(shù)有了一個清晰的認(rèn)知。

（2）按一天內(nèi)的時間分布

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

（3）按消費金額的區(qū)間

最后呢，我們還可以按消費金額的區(qū)間進行劃分，我們是一個職業(yè)技能提升平臺網(wǎng)站，肯定有不同的用戶購買不同的課程。

這里我們不僅可以從訂單的筆數(shù)進行查看，還可以按消費金額劃分區(qū)間，這樣就可以知道我們這個平臺消費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，它的運作原理是：從事件在不同維度中的分布來觀察，以便理解該事件除了累計數(shù)量和頻次外，其他維度的信息。

2. 有哪些適用場景？

場景一

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

比如說：把特別依賴的用戶單獨篩選出來，建一個用戶運營的專項項目，去運營用戶。也可以把那些付款金額大的用戶，去做一些運營活動。

場景二

已經(jīng)知道單個事件的完成次數(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)放在一些對比，可能沒有區(qū)別，但如果把幾種內(nèi)容的查看次數(shù)按照時間進行分布，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)容在時間的分布上是有些特性的。這時候，在推薦內(nèi)容上就可以根據(jù)不同的時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，衡量這個渠道來的用戶當(dāng)下&接下來的表現(xiàn)。這里需要注意的是：以【 X日日留存】作為比較標(biāo)準(zhǔn)時，應(yīng)避免其他日數(shù)據(jù)的干擾。長期來看：觀察整個大盤，通常看的是周留存/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)化及迭代的過程中，每個月的留存是有所增長的，這證明此款產(chǎn)品的迭代和運營的方向是抓的比較準(zhǔn)的。

思考一下：為什么在驗證產(chǎn)品長期價值時選擇月留存，而不是日留存呢？

這是因為留存這個數(shù)據(jù)本身波動都不太大，如果看日留存會有很多的數(shù)據(jù)需要處理，數(shù)據(jù)量大往往我們就不能把焦點放在該放的地方。而恰恰也剛好是我們一般迭代一個版本是半個月或者一個月，往往能從根本上影響留存的。

所以，從一個月來觀察產(chǎn)品的留存變動，更能了解產(chǎn)品長期價值的變動。這種是最常見的留存計算方式。

2. 留存的計算方式

（1）常見的計算方式

大盤留存的計算方式：將某一時間的用戶ID與另一時間的用戶ID做交叉去重。

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

還有一種可能是你搞這個活動的時候，這批低質(zhì)量渠道過來的用戶暴增，導(dǎo)致服務(wù)器宕機等等。所以，不管是產(chǎn)品還是運營，抑或是技術(shù)、市場每一個環(huán)節(jié)都會對留存造成影響。

（2）精準(zhǔn)留存

精準(zhǔn)留存有兩種計算方法：第一，過濾進行過指定行為的用戶ID，單獨進行計算。

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

這時需要把看過某一類型的書籍（比如勵志類的）單獨的篩選出來，只看這一批用戶的留存情況。經(jīng)過查看得知，此類型書籍的用戶的留存比大盤高，那是不是表明還有其他類型的書籍比大盤要低啊。

所以，通過這樣的觀察，我們就可以得知各個類型的書籍吸引用戶的能力是不一樣的，然后去評判不同的書籍類型的運營質(zhì)量，以及用戶黏性的價值。

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

舉個栗子：我們是王者農(nóng)藥的產(chǎn)品經(jīng)理，如果通過大盤來觀看數(shù)據(jù)，是看不出所以然的。這個時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行分區(qū)劃分，通過分區(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區(qū)為什么做的好，然后把這個區(qū)做的好的點復(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：菜菜嘮產(chǎn)品（caicailaochanpin)