Cohort模型是指什么?群组分析Cohort模型的适用场景、应用及案例
一、Cohort模型是指什么
Cohort即分组、同期。Cohort模型通过对性质完全一样的可对比群组的留存、活跃和流失情况的比较,来发现哪些因素影响短、中、长期的群组变化情况。Cohort模型简单,直观。相较与比较繁琐的损失分析,RFM或者用户聚类等,Cohort只用简单的一个图表,就直接描述了用户在一段时间周期(甚至是整个LTV)的留存(或流失)变化情况。
Cohort模型
二、Cohort模型的适用场景
1、用户留存率分析
2、用户流失率分析
3、用户续费率分析
4、用户退费率分析
5、广告转化率分析
以上是最常用的场合,但可以衍生到诸多场合,比如用户的交易数据,不同月份获取的用户在交易频次、客单价、成交周期的分析等。
总之,只要你愿意思考和想象,Cohort都有助于分析师从更为细分的群体去观察这些群体的行为和交易的变化发展情况。
三、Cohort模型的应用
Cohort Analysis就是做好观察用户的分组,分组先分维度,再分粒度。如果按用户的新增日期分组,那时间就是维度,如果按新增用户的渠道来源分组,渠道就是维度;其次是粒度,时间维度是按照月或者按照天,这是粒度差异;新增的渠道纬度,是新增的来源产品,还是来源的具体网址,这也是粒度的差异;通过基于这两方面的分组可以将对比的差异值逐级锁定,寻找原因。
对于用户的留存分析一般有两个大的分组方向:从用户的获取角度分组、从用户的行为角度分组。
1、从用户获取的角度分组
如果按获取的时间分( 粒度选择天或周或月,依赖于产品本身的使用频率,例如 IM 产品就适合按天看,而记事本等工具类产品就更适合按周看 ),我们就可以清晰的看到,各个时间段获取的用户在留存率表现上是不是稳定,例如上面第一个留存曲线中一个月的收敛是稳定现象,还是强烈波动平均后的结果。通过这个分析我们能圈定出流失用户做用户画像分析,并在流失率高的时间段进行干预。
同样是获取的角度,还可以通过渠道分。看不同渠道来的用户后续的留存情况。通过渠道维度的分析能够判定渠道的优劣,好的渠道可以加大投入,差的渠道可以选择淘汰。
2、从用户行为的角度分组
从用户行为角度分组对于功能比较复杂的产品也很重要。例如现在的浏览器产品,已经不单单是解决用户访问网页的需求,还向用户提供新闻、小说、视频服务,是一个内容的综合服务体。
从用户的角度来说,选择用一个浏览器来看小说,并不是说也一定会用他来看新闻、视频。所以同样是用户流失,他可能是对不同功能模块体验的不满。
这个时候,我们就可以通过用户行为这个角度分组来分析具体问题。例如在浏览器这个例子中,新闻、小说、视频都应该是每日活跃,且高留存比例的功能,如果分组中发现使用过某个功能的用户在之后的时间中留存情况很差,那就需要对这个功能做专项的优化了,相较于竞争对手有哪些方面做的不够好。
四、Cohort模型的案例
1、分析步骤
计算出每月公司新增用户数量,以及每月新增用户在当月、次月、3月、...、N月的留存用户数量,即下图中的第一个表。
根据下图第一个表中的数据,计算用户留存率(即第二个表中的数据);以1月的新增用户为例:1月新增的100个用户在T+0月的留存率=1月留存的用户数量90人/1月新增的用户数量100人=90%;T+1月到T+N月的留存率以此类推进行计算,就可以得到表2的留存率数据。
Cohort模型分析用户留存率
表1中,第一列为月份的排列,第二列为对应每个自然月中新增的用户数量。右侧表格即为当月新增的用户数量在后续每个月中的留存情况。
表2中,首先横向看表,能够看出每个月新增用户在后续各月的留存率情况。其次纵向看表,能够看出不同月份新增用户分别在下个月、下下个月等的留存表现如何。
2、分析解读
从横向看,每月新增用户的留存率应该是逐月递减的,但不应该是无穷递减,应该在某一个月达到一个稳定值,比如在第12个月留存率达到稳定值25%左右。
理想情况下,达到稳定状态的值越高越好,代表公司运营用户的能力比较强,且能有效扩大用户的LTV和降低CAC。
每个公司因经营业务的不同,达到稳定值经历的周期和最终的稳定值也是不同的。
从纵向看,不同月份的在同时期的用户留存率应该是越来越高,因为随着公司的发展和对用户运营的加深,首先公司获取的用户应该是越贴近目标用户的,且随着运营手段的增强,对目标用户的掌控和留存能力也应该是提升的。
总结
优化猩SEO:Cohort模型最重要的作用就是分析不同客户群体的留存情况,从而帮助分析更好的留存是如何产生的,并指导运营提升留存。Cohort本质上就是不同类人群的留存曲线的堆栈。
参考链接:
Cohort模型
https://www.yymiao.cn/baike/82746.html
用户留存分析之Cohort模型
https://zhuanlan.zhihu.com/p/260031950
用户增长——Cohort Analysis 留存分析
https://cloud.tencent.com/developer/article/1913585
一种留存分析的方案:Cohort Analysis
想了解更多营销百科的内容,请访问:营销百科