分布分析

最后更新于:2018-01-19 16:36:29

1. 什么是“分布分析”

在 1.6 版本将“回访分析”升级为“分布分析”,分布分析不但可以告诉你用户有多依赖你的产品,还可以告诉你某个事件指标的用户分布情况。比如,查看订单金额在 100 元以下、100 元至 200 元、200 元以上三个区间的用户分布情况。

指定一个用户行为事件,然后选择事件的指标。分布分析可以帮助揭示以下问题:

  • 通知策略调整前后,用户每天使用产品次数是否增加?
  • 用户首次购买后是否会重复购买?
  • 假设每天使用 3 次以上某关键功能的用户算作核心用户,那么核心用户的成分变化趋势如何?

2. 分析分布比单看日活(DAU)优越在哪里?

日活只能告诉你用户数的变化,分布分析却能揭示单个用户对产品依赖程度的变化。比如某产品虽然三月和四月期间活跃用户量没有明显增长,但是用户关键行为(比如下单,或发布内容)的频率却显著增加,说明产品对于用户的价值增加了。反之,如果虽然日活增长很快,但是行为发生频率却在相比之前较低的水平,很有可能新增加的活跃用户并未真正感受到产品价值。

3. 分布分析界面功能简介——按时间统计

A. 选择用户行为

选择某个事件作为考查的行为。这里可以选择『客户付费』。

B. 选择指标

在这里选择分布分析的指标,可以选择“小时数”或“天数”等时间单位,以下以“小时数”为例。

C. 选择时间单位

选择行为发生的统计时间单位(在图 c 处选择按时间段还是次数进行分析)。可以选择:

  • 一天内: 用户在 0:00-23:59 这 24 小时中的行为分布。
  • 一周内: 用户在周一到周日这 7 天内的行为分布。
  • 一个月内: 用户在不同月份的第一天到最后一天的行为分布。

D. 设置所选事件的筛选条件

比如,只查看 iOS 版本的行为分布。

E. 设置用户筛选条件

针对用户属性,筛选合适的分析对象。比如,只查看女性用户的行为分布。

F. 行为分布表格

第一列是用户选定的查询时间段,按照事件发生时间单位(天/周/月)划分。第二列是在相应时间范围发生行为的总用户数。后面各列,分别是发生行为相应频率的用户数和比例。

鼠标悬停在单元格上,可以查看每个单元格数字代表的具体含义。

点击这个数字,则可以看到这些用户的详细信息,并且更进一步看到其中单个用户的详细行为序列。

G. 自定义分组区间

如果这里选择的属性是数字类型,可以自定义分组区间。如果没有设置,查询引擎会动态计算分组区间。此设置仅在当前查询生效,将查询保存为书签后在书签中也生效。

鼠标浮动在表格的单元格内时,会出现下载连接,点击即可下载用户详情。

4. 分布分析界面功能简介——按次数统计

A. 选择『次数』

选择次数统计按照实际发生次数不去重。 也可以设置自定义分组区间。

B. 行为分布表格

以 b 在表格进行说明,在 9-1(四)这一天内进行过『客户付费』的用户有 12 人,其中有 12 人进行了 1 次 ~ 3 次(不含 3 次)。

5. 分布分析界面功能简介——按事件指标统计

指标选择“合同金额的总和”,在 8-29 当周有 63 人进行了付费,付费金额在 50000 ~ 100000 (不包含)之间的用户有 5 人。

6. 分布分析是如何计算的

分布分析有三种统计方法,按时间段统计、按次数统计和按事件属性的统计指标。选择次数和事件的指标时可以自定义区间。

A. 按时间段统计

统计用户在一天/周/月中,有多少个自然时间段(小时/天)进行了某项操作。

以『一天内』进行『点击广告』的『小时数』分析为例来说明。如果某用户在 15:00 到 16:00 间进行了『点击广告』3 次,17:00 到 18:00 间进行了『点击广告』1 次,则统计为『一天至少在 2 个时段进行点击广告』, 用户在某小时内进行『点击广告』一次或多次,都记 1 次。

对于查看用户一周/一月内某事件的天数,则是统计用户在一周/月中触发过某事件的天数。

B. 按次数统计

统计用户在一天/周/月中,进行某项操作的次数,发生一次就记录一次。

C. 按事件属性的统计指标统计

统计用户在一天/周/月中,发生事件的某属性的统计指标值。属性的统计指标与事件分析一致,有总和、均值、最大值、最小值、去重数。

7. 常见使用场景

当用户首次访问或者完成首次购买后,产品对用户的黏性如何,用户的忠诚度如何,可以通过分布分析功能进行快速诊断。

以电商为例,重复购买次数是比较常用的一个衡量忠诚度的指标,下面我们来看看,如何通过分布分析的功能查看重复购买次数。

根据以上分析结果,我们还可以进一步细分找到这部分参与度高的人群的共同点,在产品中都干了什么,我们可以看看他们是否都来自同一座城市,是否从同一社交网络了解到你的产品,是否年龄都在 30 岁以下?

在以上分析的基础上,按用户所在城市分组:

按用户注册渠道分组:

这样我们就清晰的了解了哪个城市的,哪个渠道的用户忠诚度比较高。