Análisis de datos: cómo calcular la tasa de retención del análisis
El crecimiento de usuarios se puede dividir en los siguientes tres modelos: crecimiento fijo, crecimiento viral y crecimiento pago.
Mantenga el crecimiento, cultive la lealtad de los usuarios y céntrese en la retención de usuarios. Por ejemplo, los productos de contenido como Zhihu y Luo Jisiwei o el modelo de negocio de plataforma abierta To B de Baidu, el mantenimiento de las relaciones con los clientes y la continuidad de los usuarios son muy importantes. Los objetivos comerciales de productos según este modelo de crecimiento son principalmente la tasa de retención de usuarios y la tasa de actualización de usuarios.
Crecimiento por fisión, propagándose de forma espontánea a través de las redes sociales de los usuarios en un corto periodo de tiempo. Este modelo de crecimiento es común en productos sociales como WeChat y productos de transacciones 2C como Pinduoduo. Los objetivos comerciales iniciales de este tipo de producto son el ciclo de comunicación y la tasa de crecimiento de usuarios.
Crecimiento pago: Cambie de gratuito a pago, continúe pagando para aumentar el LTV o pague directamente por el servicio. Por ejemplo, herramientas como Evernote y ProcessOn, o herramientas 3C como teléfonos móviles y cámaras. Los objetivos comerciales de este tipo de producto son la tasa de conversión del pago del usuario y la tasa de recompra del producto.
El método estadístico de retención combina los siguientes tres aspectos:
(1) Nuevo y activo
La nueva retención analiza principalmente la fidelidad de los nuevos usuarios al producto. Gastar. Si se agregaron u optimizaron nuevas funciones durante el período de análisis y se mejoró la experiencia del usuario, entonces los cambios agregados y retenidos son una buena medida del valor del producto de la función.
La retención activa, la retención activa de usuarios es un método importante para monitorear la calidad/adherencia del producto y comprender la calidad de un determinado canal.
Retención activa general>Retención activa, porque los usuarios activos son más fieles que los nuevos.
(2) Dispositivos y cuentas
Generalmente el número de dispositivos es el mismo que el número de cuentas, pero hay dos casos especiales: el primero es usar la misma cuenta para iniciar sesión en diferentes dispositivos Cuando el número de dispositivos es mayor que el número de cuentas, por ejemplo, la misma cuenta de Taobao se inicia en diferentes teléfonos móviles, el segundo es cuando el mismo dispositivo se inicia en diferentes cuentas; y la cantidad de cuentas es mayor que la cantidad de dispositivos, por ejemplo, el mismo teléfono móvil inicia sesión en dos cuentas de WeChat.
(3) A partir del enésimo día.
La elección entre el enésimo día y dentro del enésimo día está relacionada en gran medida con la finalidad del análisis y la naturaleza del producto. Generalmente, los productos que se utilizan con menos frecuencia durante un período de tiempo más largo, como hoteles y productos de viaje, se pueden retener dentro de n días (¡deben eliminarse!), pero el método de cálculo para la retención dentro de n días suele ser muy alto, por lo que la referencia es muy pequeña. Además, la retención dentro de n días se utiliza principalmente para analizar la deserción, es decir, cuántos dispositivos/cuentas se pierden después de estar activos una vez dentro de un período de tiempo. Sin embargo, a medida que n aumenta, se retendrán cada vez más dispositivos/cuentas. n días, es decir, a medida que pasa el tiempo, con el tiempo, la cantidad de dispositivos/cuentas será cada vez mayor, lo cual no es razonable. Por lo tanto, rara vez se utiliza en aplicaciones prácticas y se almacena en n días.
En cuanto al período de tiempo, generalmente nos centramos en la retención el segundo día, la retención el tercer día, la retención el séptimo día y la retención el trigésimo día. El período de tiempo específico depende de los hábitos del usuario al utilizar el producto, la naturaleza del producto y el propósito del análisis de los datos.
Existen ocho métodos estadísticos para combinar las definiciones de las tres dimensiones retenidas. Tomando como ejemplo el comportamiento de aterrizaje, las condiciones que cumple un producto específico pueden considerarse una definición específica de retención:
Nota: cuando la información estadística se retiene dentro de n días, los elementos duplicados deben eliminarse; de lo contrario, el tiempo de retención puede ser superior al 100%.
Tome la tasa de retención de dispositivos activos de 7 días como ejemplo para ilustrar el método de cálculo de la tasa de retención:
(1) Tasa de retención de 7 días =? 100%, como lo muestra la línea negra, es la cantidad de dispositivos activos que aún están activos en 11 dividido por la cantidad de dispositivos activos en 4.
(2)Tasa de retención de 7 días=? 100%, el día de la suma es el día 0 y el día siguiente es el día 1. El motivo de este cálculo es que los hábitos de uso de algunos productos están limitados por periodos de tiempo, como es el caso de los productos de oficina, que tienen índices de uso más bajos los fines de semana. Este método de cálculo evita calcular una tasa de retención inferior a la normal. Como se muestra en la línea roja, la cantidad de dispositivos activos que aún están activos en la posición 10 se divide por la cantidad de dispositivos activos en la posición 4.
(3) Tasa de retención dentro de 7 días =, activo el día 1 Entre los dispositivos, la cantidad de dispositivos activos diarios que aún están activos del segundo al séptimo día se divide por la cantidad de dispositivos activos el primer día.
También hay más selecciones de fechas disponibles
Si el mercado sigue siendo anormal, se puede analizar más a fondo desde la perspectiva de los canales de productos, fuentes de usuarios, grupos de usuarios, subfunciones, etc. Por supuesto, cada aspecto del producto, operación, tecnología y mercado tendrá un impacto en la retención, lo que requiere un análisis desde múltiples ángulos, que no se discutirá aquí.
Este tipo de comparación se puede analizar desde múltiples perspectivas, sin limitarse a grupos de usuarios, fuentes de usuarios, comportamiento de los usuarios, canales de productos, funciones de productos, etc. Un análisis de retención más sofisticado también puede filtrar el comportamiento del usuario y luego comparar y analizar la retención.
Por ejemplo, si la tasa de retención de una determinada función es mayor que la del mercado, o si la tasa de retención de una determinada función es mayor, entonces esta función es de gran valor para el producto. Al ajustar el producto, más usuarios pueden utilizar esta función y mejorar la tasa de retención. O si comparamos las tasas de retención de usuarios masculinos y femeninos y descubrimos que la tasa de retención de los usuarios masculinos es menor que la tasa de retención de las usuarias, podemos analizar las razones, optimizar las estrategias de productos, ajustar los canales de promoción de productos y atraer usuarias. .
Analice el siguiente gráfico de retención (también llamado gráfico de pistola). A través de los datos de este gráfico, podemos ver si la retención general de usuarios recién activados aumenta cada vez más a medida que se optimiza el producto, o si la adherencia del producto disminuye con el tiempo.
La curva de retención de nuevos usuarios tiene dos características: cae rápidamente en la etapa inicial y se estabiliza después de un período de tiempo.
Para mejorar el rendimiento de la curva de retención de productos, podemos acortar el tiempo para que los usuarios ingresen al período de meseta (activar lo antes posible), permitir que más usuarios ingresen al período de meseta (activar más ) u optimizar el producto descubriendo la experiencia de problemas del producto. Por supuesto, al final, todavía se necesita una experiencia de producto sorprendente, para que los usuarios puedan formar gradualmente un hábito y mejorar la indispensabilidad del producto.