扫码加入数据分析学习群

给出同期群分析概念，有必要先引入产品用户生命周期的假设：即大部分产品的用户的使用行为是随使用时间的推移呈阶段性变化的。以微博为例：

• 用户刚开始使用微博时，对功能不熟悉，关注和粉丝都很少，能获得到的有价值内容有限，因此使用频率较低，互动（评论、点赞）和发微博的行为很少。这个阶段，暂且定义为初期使用阶段。
  

• 随着时间推移，用户逐渐建立起了自己的关系网络，并且关注了很多感兴趣的博主，这时用户使用微博的频率非常高，每天花大量的时间在阅读、评论、回复、发微博上。这个阶段，姑且定义为频繁使用阶段。

• 时间的脚步向前不停，用户逐渐发现每天花在微博上的时间太多了，而且每天看来看去就是那些内容，逐渐产生了厌烦（兴趣丧失），恰好这时，很多其他有趣的应用如雨后春笋般展露，吸引并占用了用户的不少时间（兴趣转移），用户使用微博的时间减少了很多，而且发微博、评论也不那么及时了。这个阶段，勉强叫兴趣降低阶段吧。

• 再后来，用户对微博已经没有新鲜感，兴趣已基本丧失，可能隔很多天才偶尔打开一次（甚至不再打开），而且基本不再发新微博。这个阶段，跟着叫兴趣丧失阶段吧。

• 再再后来，彻底不用了（甚至换新手机后都不再安装微博了）……

对于微博来说，用户从初期使用、频繁使用，到兴趣降低、兴趣丧失，到完全不用，就是用户的生命周期。

前面说过，产品的用户存在生命周期只是一个假设，原因在于：

1. 某个产品用户的生命周期是否存在，存在的话分为几个阶段，每个阶段平均多长时间，是需要对产品的实际用户的行为进行分析得来的。
   

2. 即便一个产品的用户生命周期真的存在，生命周期的长度、阶段、以及不同阶段的长度，也是可以通过产品和运营对其施以影响的。也就是说，用户的生命周期是可以被管理和改变的。

而对产品的用户行为进行同期群分析，是管理和改变用户生命周期的基础。

下面，用一张图来简要说明什么是同期群分析：

所谓同期群分析方法，也就是将用户按初始行为的发生时间进行划分为群组（即同期群），然后：

1. 对处于相同生命周期阶段的用户进行垂直分析（横向比较），从而比较得出相似群体随时间的变化（图中例子表明：的是从初始行为开始，用户的使用频率在逐渐降低）。
   

2. 通过比较不同的同期群，可以从总体上看到，应用的表现是否越来越好了。从而验证产品改进是否取得了效果。（图中的例子，在不同的同期群组之间没有看到明显的变化的趋势（变好、或变坏的趋势））

我相信，通过以上的介绍，您应该已经对同期群分析有了基本的理解。

做同期群分析，最常用的工具是用户留存表，也就是前面例子中的表格。用户留存分析，是将用户的行为分为：

• 初始行为：如“首次打开应用”、“成功注册”或“第一次购买”；
  

• 留存行为：可以是用户的任意一种行为，或某个特定的行为（如“购买”，或“分享到社交网络”）；

通过将用户按初始行为的发生时间分组（得到同期群），然后再统计初始行为时间后不同时段内留存行为的发生频次（或时长，或其他有意义的计量，比如消费金额），制成表格就得到了用户留存表。

不过，在进行用户留存分析时，有个非常重要的问题要注意，即：

不是用户的所有使用行为都对产品有价值。
分析用户留存，一定要找到价值行为，分析用户的价值留存，才会对产品改进产生更大的帮助。

具体来说，就是如何定义留存行为。

目前市面上的大多数分析工具，都不支持对留存行为做定义（实际是简单的将留存行为等同于任意行为）。这样得到的分析结果，不能真实的反映出用户的使用与产品的实际经营状况之间的关系，反而可能会给产品人造成一片繁荣的假象，导致产品改进走向“叫好不叫座”的误区。