国产白丝自慰,青操逼,强开小嫩苞一区二区三区在线,久操视频在线免费观看,成人黄色毛片视频,肏逼乱伦视频,中文字幕国产豆花,非洲一级婬片A片免费

大家好，我是寶器！

根據(jù)QuestMobile數(shù)據(jù)顯示，2021年中國(guó)移動(dòng)互聯(lián)網(wǎng)用戶(hù)規(guī)模保持在近11.6億，2021年5月同比增速竟首次出現(xiàn)負(fù)增長(zhǎng)，這意味著流量紅利時(shí)代結(jié)束，進(jìn)入存量爭(zhēng)奪階段。而互聯(lián)網(wǎng)不同賽道的玩家，也不得不把突破增長(zhǎng)困局的關(guān)鍵點(diǎn)，放在如何提升存量用戶(hù)的留存價(jià)值上。

在該背景下，作不甘淪為取數(shù)工具人的分析師，可以主動(dòng)深入業(yè)務(wù)，通過(guò)海量數(shù)據(jù)挖掘出影響用戶(hù)留存的關(guān)鍵指標(biāo)，并結(jié)合業(yè)務(wù)邏輯，給出合理可行的建議。

接下來(lái)筆者會(huì)分享自己在工作中沉淀的一些留存分析方法論，給大家奉獻(xiàn)滿(mǎn)滿(mǎn)的干貨，別走開(kāi)，精彩馬上來(lái)~

分析框架：

確定流失和留存的具體口徑；
通過(guò)定性和定量等方法尋找與用戶(hù)留存相關(guān)的指標(biāo)，并設(shè)計(jì)相應(yīng)策略；
設(shè)計(jì)AB實(shí)驗(yàn)，檢驗(yàn)留存提升策略的有效性。

確定留存的具體口徑

首先要結(jié)合用戶(hù)行為數(shù)據(jù)，或者基于業(yè)務(wù)常識(shí)，和業(yè)務(wù)人員對(duì)流失或者留存用戶(hù)的口徑達(dá)成一致?？趶降拇_認(rèn)點(diǎn)主要是：【多久（窗口期）】?jī)?nèi)沒(méi)有發(fā)生【什么關(guān)鍵行為】會(huì)被定位為流失。

關(guān)鍵行為

不同業(yè)務(wù)模式下的用戶(hù)核心行為不同，比如對(duì)于交易平臺(tái)，關(guān)鍵行為可能是下單；對(duì)于短視頻平臺(tái)，關(guān)鍵行為可能是播放視頻；對(duì)于工具類(lèi)APP，關(guān)鍵行為可能是啟動(dòng)APP。

窗口期

窗口期的長(zhǎng)短取決于，用戶(hù)關(guān)鍵行為的發(fā)生頻次高低。比如車(chē)主用戶(hù)一般每隔14天加油一次，因此14天可以作為窗口期。

可以基于用戶(hù)相鄰兩次關(guān)鍵行為天數(shù)間隔的75%分位數(shù)的方法確定窗口期的大小。

比如，選取昨日發(fā)生過(guò)關(guān)鍵行為（比如下單、或啟動(dòng)APP）的用戶(hù)作為研究對(duì)象。分析這些用戶(hù)最近兩次關(guān)鍵行為發(fā)生的間隔天數(shù)。如果75%用戶(hù)的間隔天數(shù)都在 xx 天內(nèi)，則 xx 天可以作為流失行為的窗口期。

影響用戶(hù)留存的相關(guān)性因素分析

?搭建影響用戶(hù)留存的指標(biāo)體系

可以選取用戶(hù)靜態(tài)畫(huà)像、活躍行為類(lèi)指標(biāo)、付費(fèi)行為類(lèi)指標(biāo)、以及其他核心行為類(lèi)指標(biāo)作為指標(biāo)體系。也可以參考用研團(tuán)隊(duì)針對(duì)流失和留存用戶(hù)的調(diào)研結(jié)果，為指標(biāo)體系搭建提供新的思路。

一般的，用研團(tuán)隊(duì)對(duì)流失和留存用戶(hù)的調(diào)研提綱如下：

流失用戶(hù)：調(diào)研其年齡、性別、職業(yè)、城市、圈層等社會(huì)學(xué)畫(huà)像；
深度挖掘其為什么流失的原因；
回歸意愿如何；
以及流失的去向是哪里；
他們對(duì)競(jìng)品和本品的使用體驗(yàn)差異點(diǎn)在哪里。
留存用戶(hù)：社會(huì)學(xué)畫(huà)像；
留在本品的核心驅(qū)動(dòng)力；
通過(guò)什么方式被吸引到本品；
來(lái)源渠道。

巧婦難為無(wú)米之炊，數(shù)據(jù)是分析師必備的武器。用戶(hù)調(diào)研結(jié)束后，數(shù)據(jù)分析師要嘗試對(duì)調(diào)研結(jié)果中用戶(hù)強(qiáng)烈吐槽或者十分滿(mǎn)意的功能體驗(yàn)，盡可能抽象成可觀測(cè)、可度量的數(shù)據(jù)指標(biāo)。

比如用戶(hù)吐槽刷到內(nèi)容平臺(tái) APP 廣告太頻繁，可以將廣告性質(zhì)內(nèi)容的曝光次數(shù)作為指標(biāo)，納入下一階段的定量分析中；用戶(hù)認(rèn)為平臺(tái)最大的優(yōu)勢(shì)在于有金幣領(lǐng)取，可以將金幣等指標(biāo)體系納入定量分析中。

影響留存的重要指標(biāo)篩選

影響用戶(hù)留存或者流失的因素非常多，需要從眾多指標(biāo)中篩選出重要度較高的幾個(gè)指標(biāo)。以下有兩種方法可以提供參考。

相關(guān)性分析

選出與留存率相關(guān)性系數(shù)較高的前幾個(gè)行為，作為關(guān)鍵行為候集；同時(shí)還要考慮發(fā)生該行為的用戶(hù)的滲透率高低、留存率提升幅度的高低，即要保證最終的留存人數(shù)處于較高的水平（留存人數(shù) = 人數(shù)*滲透率*留存率）。

假設(shè)某個(gè)社交媒體平臺(tái) APP ，流失用戶(hù)被定義為近7日未啟動(dòng)APP的用戶(hù)。影響留存的指標(biāo)、各指標(biāo)與留存率間的相關(guān)系數(shù)、行為滲透率、留存率提升幅度見(jiàn)下表（具體數(shù)值均為模擬數(shù)據(jù)，請(qǐng)勿參考）。

從上面的四象限圖可以發(fā)現(xiàn)，播放短視頻、金幣頁(yè)面訪問(wèn)等行為的滲透率較高，且留存率提升幅度也較高，因此可以作為影響留存的關(guān)鍵行為候選集。

基于各類(lèi)樹(shù)模型

各類(lèi)樹(shù)（決策樹(shù)、隨機(jī)森林、GBDT等）模型訓(xùn)練結(jié)束后，可以輸出模型所使用的特征的相對(duì)重要度，可以解釋哪些因素是對(duì)預(yù)測(cè)有關(guān)鍵影響，因此可以幫助我們快速找出對(duì)用戶(hù)留存影響度高的關(guān)鍵因素。

① 特征選擇

用戶(hù)畫(huà)像類(lèi)特征（年齡、性別、城市、手機(jī)品牌、手機(jī)型號(hào)、平臺(tái)角色、是否安裝競(jìng)品、競(jìng)品APP安裝數(shù)量、新增渠道類(lèi)型）；
活躍類(lèi)標(biāo)簽（近 7 天APP啟動(dòng)次數(shù)、近 7 天APP使用時(shí)長(zhǎng)、近 7 天活躍天數(shù)、首次活躍距今天數(shù)、末次活躍距今天數(shù)）；
消費(fèi)類(lèi)行為標(biāo)簽（近 7 天內(nèi)容曝光次數(shù)、近 7 天內(nèi)容點(diǎn)擊次數(shù)、近 7 天內(nèi)容播放時(shí)長(zhǎng)）；
互動(dòng)類(lèi)行為標(biāo)簽（近 7 天點(diǎn)贊次數(shù)、關(guān)注次數(shù)、評(píng)論次數(shù)、轉(zhuǎn)發(fā)次數(shù)、收藏次數(shù)）；
付費(fèi)類(lèi)行為標(biāo)簽（近 7 天打賞主播次數(shù)、打賞金額、充值金額）；
金幣激勵(lì)類(lèi)標(biāo)簽（近 7 天金幣提現(xiàn)金額、簽到次數(shù)、得金幣數(shù)、訪問(wèn)福利中心頁(yè)面次數(shù)）。

② 正負(fù)樣本構(gòu)建：先鎖定特定日期范圍（比如 2021.07.01-2021.07.07）的活躍用戶(hù)，根據(jù)其是否在后續(xù)7天（2021.07.08~2021.07.14））活躍來(lái)劃分正負(fù)樣本。

正樣本：
留存用戶(hù)，即前7-14日（2021.07.01-2021.07.07）啟動(dòng)過(guò)APP，近7日（2021.07.08~2021.07.14）啟動(dòng)過(guò)APP的用戶(hù)；
負(fù)樣本：
留存用戶(hù)，即前7-14日（2021.07.01-2021.07.07）啟動(dòng)過(guò)APP，但近7日（2021.07.08~2021.07.14）未啟動(dòng)過(guò)APP的用戶(hù)。

③ 構(gòu)建模型時(shí)的注意點(diǎn)

正負(fù)樣本的樣本數(shù)盡量保持在1：
1，避免正樣本數(shù)量過(guò)少導(dǎo)致學(xué)習(xí)不到正樣本的信息，或者負(fù)樣本數(shù)量過(guò)大影響訓(xùn)練速度；
模型預(yù)測(cè)效果不佳時(shí)，可以嘗試使用多種模型，比如GBDT+LR、XBoost等；
區(qū)分不同類(lèi)型用戶(hù)分別構(gòu)建模型，比如區(qū)分新老用戶(hù)、創(chuàng)作者用戶(hù)和消費(fèi)型用戶(hù)、高低中頻次用戶(hù)等。

根據(jù)上圖（具體數(shù)值均為模擬數(shù)據(jù)，請(qǐng)勿參考）可以看出，近7日活躍天數(shù)、APP啟動(dòng)次數(shù)、訪問(wèn)時(shí)長(zhǎng)、以及播放短視頻次數(shù)等行為指標(biāo)可以作為留存的關(guān)鍵指標(biāo)。

④ 特征間的相關(guān)性分析

通過(guò)對(duì)特征間的相關(guān)性系數(shù)分析發(fā)現(xiàn)， APP 啟動(dòng)次數(shù)和訪問(wèn) APP 時(shí)長(zhǎng)指標(biāo)之間存在很強(qiáng)的相關(guān)性，可以剔除其中一個(gè)指標(biāo)。

至此，我們可以選擇7天內(nèi)APP活躍天數(shù)、啟動(dòng)APP次數(shù)、播放短視頻次數(shù)作為影響留存的關(guān)鍵指標(biāo)。

根據(jù)這些指標(biāo)，我們可以設(shè)計(jì)新人激勵(lì)體系，引導(dǎo)用戶(hù)盡可能地多完成關(guān)鍵行為。比如新用戶(hù)激活后登錄APP、播放視頻，會(huì)有積分或者金幣等形式的激勵(lì)，該激勵(lì)活動(dòng)以 Push 或者站內(nèi)彈窗等形式傳遞到用戶(hù)。

但是激勵(lì)活動(dòng)的具體規(guī)則，比如播放視頻次數(shù)在7天達(dá)到多少，才能給到激勵(lì)呢？我們同樣可以基于數(shù)據(jù)給到建議。比如觀察第一個(gè)7天內(nèi)完成不同播放次數(shù)的用戶(hù)，在下一個(gè)周期的留存率，找到留存率變化的拐點(diǎn)（邊際提升幅度最小的點(diǎn)）作為激勵(lì)規(guī)則的臨界值。

留存關(guān)鍵因素的因果性驗(yàn)證

相關(guān)性不等于因果性，因果性的檢驗(yàn)必需通過(guò)設(shè)計(jì)AB實(shí)驗(yàn)驗(yàn)證，并量化策略的增量效果。

比如對(duì)于金幣激勵(lì)策略，可以抽取50%新用戶(hù)作為對(duì)照組用戶(hù)，且對(duì)照組用戶(hù)無(wú)激勵(lì)活動(dòng)觸達(dá)；50%新用戶(hù)的實(shí)驗(yàn)組，則通過(guò)push或者站內(nèi)彈窗觸達(dá)用戶(hù)。觀測(cè)對(duì)比兩組用戶(hù)在未來(lái)7天的留存率，并核算delta ROI（delta 活躍人數(shù)/金幣折算），以衡量策略的效果。

鑒于網(wǎng)上AB實(shí)驗(yàn)如何開(kāi)展以及如何評(píng)估的文章較多，該部分不再具體展開(kāi)敘述。

總結(jié)

本文介紹了用戶(hù)留存相關(guān)的通用分析方法，希望能夠給大家?guī)?lái)一些新的認(rèn)識(shí)。但限于筆者自身知識(shí)和能力水平限制，本文難免會(huì)有考慮不周全之處，如有不同見(jiàn)解，希望大家可以一起討論。

·················END·················

用戶(hù)留存分析的關(guān)鍵因素

推薦閱讀