用户留存分析:cohort模型

cohort模型分析也叫同期分析群,旨在分析特定时间节点下,一群观察对象数量随时间流逝的变化。比如某个APP,在5月1号做了一个投放,引进来了许多用户,这时候就可以应用cohort模型,分析这批用户在5月2号,5月3号等的留存情况(当然也可以按月维度去统计留存情况)。

因为可以展示观察对象数量随时间流逝的情况,所以cohort模型特别适合分析产品的用户留存和流失情况,因而被广泛应用在互联网产品的用户行为分析,同时cohort模型也可以结合获客渠道再进一步进行细化分析,比较不同渠道获得的用户质量。

以下是网上找的图,这就是这个模型产品化的最常用一个应用场景了。

用户留存分析:cohort模型

适用场景和建模思路

群组分析维度是按照获客时间来区分,可以适用以下情形:

  • 用户留存率分析
  • 用户流失率分析
  • 用户续费率分析
  • 用户退费率分析
  • 广告转化率分析

建模思路:

1. 定义好分组周期和数据指标。计算与首次访问的时间间隔即分组周期,一般要参照用户的使用周期,这个使用周期可以通过统计历史会话的频率得到。而计算留存情况,则是按照首次访问的时间和下次访问的时间间隔来计算。但定义留存不能简单根据有没有登录,而是要关注登录的用户有没有做出关键行为比如浏览内容、购买商品等。

2. 数据清洗。

3. 整理与可视化。

微信公众号:一毛江湖历险记

本文经授权发布,不代表增长黑客立场,如若转载,请注明出处:https://www.growthhk.cn/cgo/user/77273.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
kuko1028的头像kuko1028
上一篇 2022-09-01 14:41
下一篇 2022-09-01 15:39

增长黑客Growthhk.cn荐读更多>>

发表回复

登录后才能评论

评论列表(1条)

Optimized by Optimole
特别提示:登陆使用搜索/分类/最新内容推送等功能 >>