用户留存

无 论是出售食品杂货、金融服务还是健身会籍， 只有当新客户完成了再次购买时，才能称作是成功获客 ，而用来反映上述行为的指标被称为 客户留存率 。这是影响营收的关键指标之一，因为每当客户留存率较低时，企业就需要花费更多钱到市场营销上去获取新客户。 作为营销分析人员，如果你对SQL和数据库有足够了解，就可以很容易地在大量客户数据中得出与客户留存相关的数据，并提出留存率提升方面的建议。在这篇文章中，我们将—— 逐步向你展示如何借助SQL语言开展基本的客户留存分析， 如何建立客户留存机制， 如何绘制新客户与现有客户的留存曲线， 以及如何进行同期群组的客户留存分析。 客户留存曲线 对于任何想要了解其客户的企业而言，客户留存曲线都是必不可少的分析形式，并在之后解释诸如销售数据或营销计划带来的影响等方面都能起到很大的辅助。 客户留存曲线同时也是一种通过可视化手段可以快速分析客户与企业之间关键交互的简单易行的方法 ，可以识别出客户是否发生了回访，以及发生了第一次访问后，再之后的回访率表现如何。 绘制客户留存曲线的第一步是识别出一定时期内有访问记录的客户，可称之为P1。该阶段内，应注意所选的时间跨度是合理的，并且能反映出预期的访问频率。 不同类型的企业对客户回访频次的期望是不同的：例如一家咖啡馆可能偏向选择每周一次的回访频率；而一家超市则可能会选择更长的时间跨度，可能是两周或一个月。 在以下示例中

一、深刻理解留存 对大多数产品而言，我们会用留存来整体评估产品的健康度，你也可以理解为，留存是在“某一天有多少人使用”的维度下进行的计算，它统计了来自同一群人，放在时间的跨度下，计算每一天回访用户占这群人的百分比。以新增留存为例，某一天或一段时间新增的用户，第2天还有多少人使用（次日留存），隔2天还有多少人使用（2天后留存），隔了7天还有多少人使用（周留存），通常我们会以此来判断产品留存用户的能力，以及用户的价值。 图1：7日留存 关于留存，我们上周进行了详细的解读， 点我回顾 。 二、粘性：以用户视角，科学评估产品留存能力 从精细化运营的角度来看，你可能有过这样的疑问，在某一段时间活跃的用户为用户群中： 隔7天来的用户有多少？ 有多少用户是中间6天一天都没来？ 有多少用户是连续访问了7天？ 第30天来的用户中，有多少中间29天没有访问过？ 有多少用户是有连续访问的？ 有多少用户又是每周都来2-3天的？ 他们分别占比多少？ 如果要整体评估产品健康度，我们认为，你可能还需要知道：“一个人使用了几天”，也即很多产品一直无法衡量的维度：粘性。因为由粘性你可以知道：一款产品，用户一个月使用几天，使用大于1天的有多少，使用大于7天的有多少，你也可以再扩展到周的维度，一周使用大于2天的有多少，一周使用大于5天的有多少？以此来综合评估产品的健康度。 当我们将这一模型进行可视化， 如下图，选择

在移动互联网快速发展的今天，大量APP不断涌现，尤其是近一年多以来，小程序的旺势发展，对APP发起了极大的挑战。 如何让自己的APP在竞品中脱颖而出？如何获取更多的用户？如何对现有用户进行全方位的管理和运营？又如何评估渠道效果和用户质量，制定正确的运营推广策略？都无疑是对APP推广人员的数据分析和运营能力提出了更多要求！ 如何用统计分析工具对APP的数据进行分析和运营是今天我们要讲的。 一、常用的统计分析工具 常用的统计分析工具有LeanCloud统计、Flurry Analytics、讯飞开放统计、DataEye、腾讯云分析、友盟游戏统计分析、有数、ad-brix、ASO114。 大家可以根据自己的需要选择统计工具。 二、不同产品周期数据的侧重指标 1、初创期 初创期的重点在于验证产品的核心价值，或者说验证产品的假设：通过某种产品或服务可以为特定的人群解决某个问题。这个阶段应当遵循MVP(Minimum Variable Product) 的思想，以最小的成本来验证创业的想法，并根据用户的反馈快速迭代以调整解决方案，最终在数据上得到验证。 关键数据——目标人群画像 初创期可以通过接入一些第三方的应用监测SDK来了解初期用户群体的画像，从侧面验证用户群体与假设的目标用户群体特征是否一致，常见的是人口学属性(性别、年龄、学历、地域)。 关键数据——留存率 在当前用户符合目标受众特征时

企业在选择用户行为分析工具时，大都不清楚如何选择适合自己业务的用户行为分析工具。笔者自己公司之前网站分析用百度统计APP分析用友盟，公司是做电商行业的，最近公司提出要精细化运营，用数据驱动业务增长，因此在10月份分别考察了国内做得比较出色的几家公司：数极客(阿里系)、神策数据(百度系)和GrowingIO(LinkedIn系)三家公司的用户行为分析产品。 我在选型过程中将各家公司的功能和服务对比文档进行整理，从团队背景和产品定位、数据接入方式、定量分析功能、定性分析功能、二次开发与数据应用、服务项目等六个主要方面深入对比数极客、神策、GrowingIO三大用户行为分析平台，希望能对有用户行为分析需求的企业在选择分析平台时有所帮助。 一、 团队背景及产品定位 数极客团队：来自阿里集团淘宝网(CEO、CTO)、阿里云(首席架构师)，CEO 是产品、运营、营销背景，曾联合创业并融资近千万美元，CTO和架构师是阿里大数据方面的资深技术专家。 产品定位：用户行为智能分析平台 根据数极客官网介绍，数极客是领先的第三代互联网数据分析平台，基于AARRR用户生命周期管理模型提供全程解决方案产品，采用多维细分、同期群分析、漏斗分析、对比分析等超过十种数据分析方法为互联网经营者提供获客、活跃、留存、转化、用户行为等分析数据，提供全面开放的数据API，支持所有行业互联网平台在营销、运营、A

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 之前做过的数据分析项目挺多的，最近有一位朋友，他们公司是一家年销售额勉强破千万的电商企业，因为之前的品牌红利期，加上成本优势、野蛮生长，今年后端成本上涨，前端销量也在下滑，想总结一下之前的数据情况，并为之后发展看看有没有哪些突破点。 于是拿着前几个月的原始数据找到我，一起研究怎么构建他们的业务分析指标，聊了一下午发现这位朋友企业的一个特点： 注重结果而非原因 。 数据分析有什么用这个话题不用多说，大家都看过很多“科学数据增长，用数据指导业务增长”这些话题。但是，要想对数据分析有所了解，最少，基础的指标应该知道，能够快速的通过行业常见模型来拆解自己的业务，心里有个谱，在运营中方能胸有成竹，下面会通过用户指标、行为指标、业务指标3个大类来分享。 什么是指标？ 现代管理学之父 彼得·德鲁克 提出用管理促进企业增长，他讲过一句非常经典的话：如果你不能衡量，那么你就不能有效增长。 那么如何去衡量？就是用 某个统一标准 去衡量业务，这个统一标准就是指标。 用户指标 用户数据是指用户的基本情况，包括姓名、性别、邮箱、年龄、家庭住址、教育水平、职业等。 1、为什么要关注用户指标？ 如果把一款产品看作我的一个鱼塘，那么使用产品的用户就是鱼塘里的鱼，而我们赚钱就靠这些鱼，我们必须找到合适的指标来衡量里面的鱼从而来制定相应的运营策略

进行市场调研，调研当地受欢迎的内容类别，摸清印度市场上和趣头条一类产品的市场规模以及市场增长趋势； 对在印度市场上的竞品通过用户数据进行分析； 在进行前两步分析之后，对自己的产品有一个较为清晰的定位，也可以确定目标用户类型以及用户对内容的需求； 寻求与当地内容创作者的合作以提供差异化新闻内容； 采用用户奖励的方式拉新留存； 邀请印度流量明星、KOL入驻拉新留存，对内容进行精准投放促活、抢占用户时间； 通过用户裂变的方式传播产品，寻求与当地社交平台的合作，使裂变顺利进行； 调研当地常见的推广渠道，进行产品推广。 来源： CSDN 作者： 青梅竹码 链接： https://blog.csdn.net/weixin_43258908/article/details/103579243

作者：史少锋，Apache Kylin committer & PMC，2019/10/11 在上次文章 《如何在 1 秒内做到大数据精准去重》 中，我们介绍了 Apache Kylin 为什么要支持大数据集上的精确去重，以及基于 Bitmap 的精确去重原理等。看到今天的文章标题，你肯定要问，精确去重跟用户行为分析又能有什么关系呢？原来啊，Kylin 采用 Bitmap 完整记录了每个维度组合下的用户集合，利用 Bitmap 提供的或（or）运算方法来高效精准地回答了各种条件下的去重用户数。其实 Bitmap 除了支持或（or）运算外，还支持与（and）运算。因此，稍加扩展，Kylin 就可以基于 Bitmap 的中间结果，轻松实现诸如留存、漏斗等大量使用交集运算的分析，从而非常方便地运用在用户行为、用户画像等领域中。可以说精确去重功能有着一石两鸟的价值，本文将为您介绍如何使用 Kylin 来实现精准的用户行为分析。 示例 先从一个简单的例子说起吧。现在有一个 app 的用户访问记录表 access_log，它包含三个字段：DT (访问日期），User ID（用户标示）和 Page（访问页）： DT User ID Page 20190101 100 index.html 20190101 101 search.html 20190101 102 detail.html … …

一个不具备消息推送功能的APP不能称之为APP，消息推送是产品和运营人员常用用户运营工具。消息推送的目的在于： 通知某件事已发生。如支付成功的扣款提醒，发货提醒等等。 通知平台有什么东西，促进用户进入查看或参与，提升平台活跃、转化和留存。如某条资讯，某个打折活动。 APP推送从是否有前置触发条件看，分为2类： 业务推送，需要触发某个业务逻辑后，程序自动完成推送。如上文提到的发货提醒，程序监控到订单已经产生运单号或已出库，会主动给用户发推送。 营销推送，无前置触发条件，运营人员促进用户转化、活跃、留存为目的而发的非业务推送。如某个抽奖活动，目的在于引导用户打开APP来参与。 对于不同手机操作系统，Android和iOS的消息推送流程有差异，下面分别来介绍。 一、Android推送流程 开发者一般直接使用第三方推送平台服务来完成。当然你也可以选择自己开发一套消息推送方案，这是技术性很强、复杂度很高的项目，大公司可尝试，中小企业就不要想了。从在技术投入、人力成本、实现速度以及最终的效果来看，专业的第三方推送服务商是更好的选择。 Android的消息推送流程如下： 运营人员按照运营目标，确定推送对象和内容。这里的推送对象可以是不同维度的，设备id、账号、标签等。推送对象的数量称为“发送总数”。 推送对象和内容给到第三方推送平台后，并不是直接下发，而是对发送对象对应的设备做有效性筛选

0、导论 增长全景图 一、建立增长大局观 1.1、评估增长的可行性——PMF分析 做增长前，需要确认产品是否达到了PMF 如何判定是否达到PMF 1.2、评估增长的重点——回答4个问题，找到增长点 ·　　 　　 1.3、借鉴其他产品的增长思路 　　 　　 　　 2、找到增长方向标：北极星指标 　　 　　 　　 　　 　　 案例：猎聘如何找到北极星指标 　　 　　 3.1、构建及应用增长模型 增长模型：把北极星指标拆分成细分指标，并用公式将细分指标联系起来。 　　 　　 　　 3.2、4种增长模型 　　 　　 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 　　 实验1，将新增用户表中10月份的预算从1W改成1W5，然后依次计算，得到12月MAU=25227 实验2，将新增用户表中10月份及之后的安装激活率从90%改成95%，然后依次计算，得到12月MAU=26196 3.3、不是负责人，如何应用北极星指标和增长模型 　　 　　 　　 　　 二、5步上线【增长实验】 　　 1、产生高质量实验假设 步骤 　　 　　 　　 1.1、从3类数据中寻找证据支持假设 　　 　　 1.2、通过N轮数据分析提升假设质量 案例：社交APP小恩爱如何提升注册转化率 　　 　　 2、通过ICE模型排列优先级 　　 　　 3.1、设计实验第一步

1、用户模型 “不仅要知道用户当下在想什么，更要知道用户背后在想什么，以及用户正在经历着什么。” 传统用户模型构建方式 用户模型：基于对用户的访谈和观察等研究结果建立，严谨可靠但费时； 临时用户模型：基于行业专家或市场调查数据对用户的理解建立，快速但容易有偏颇。（缺乏时间，资源的情况下） 为了节省时间，降低风险，产品团队往往尽快将产品推向用户，快速试错，在这种场景下如何构造用户模型？ 1，首先，整理和收集已经获得的任何可认知用户的经验和数据，将这些信息映射成为用户的描述信息（属性）或用户的行为信息，并存储起来形成用户档案, 2，实时关注自身数据的波动，及时采取行动 3，记录用户的行为数据而不是单纯地为用户打标签 4，360°覆盖用户全生命周期的用户档案 用户的每一步成长都通过行为记录下来，基于用户所在生命周期的不同阶段，针对新用户、流失用户、活跃用户、沉默用户分别采取有针对性的拉新、转化、留存等运营策略。 2、事件模型 1.事件是什么 就是用户在产品上的行为，它是用户行为的一个专业描述，用户在产品上的所有获得的程序反馈都可以抽象为事件，由开发人员通过埋点进行采集，通俗讲就是：将一段代码放入对应的页面/按钮，用户进入页面/点击按钮的本质是在加载背后的代码，同时再加载事件采集代码，这样就被SDK所记录下来了。 （利用百度统计加入代码采集用户下载成功和失败事件） 2.事件的采集 事件