大家好,大模我是型同爱学习的小xiong熊妹。
今天继续来谈数据分析八大模型系列。期群今天分享的模型,是数据一个原理很简单,但是分析应用很广泛的模型:同期群模型。在商品分析、大模用户分析、渠道分析上,都用得着哦。
同期群分析原理很简单:种豆子。怎么区分哪一种豆子很好?最简单的方法,就是分好群体(所谓的“群”)一起种下去(所谓的“同期”)然后观察哪一个长得更快。
为了达到这个目的,我们需要:
还拿种豆子举例,同期群的做法如下:
这个思路非常简单,因此在工作中应用得非常普遍,还衍生出很多其他名字。
商品分析中的同期群模型,也被称为商品LTV模型。
做法如下:
这个模型非常好用!因为很多商品,从上市开始,天生是有生命周期走势的。通过同期群分析,不但可以模拟这个走势,而且可以为每个级别的商品定出合理的LTV范围,从而及早发现商品销售是否达成预期。从而进一步地控制库存情况,实现利润最大化(如下图)。
不止商品分析,用户分析也能用得上。
用户同期群分析,也被称为用户留存率模型。
做法如下:
因为大部分APP都只能满足用户部分需求,因此用户的留存,总是慢慢减少。如果发现某些节点,用户留存明显下降,则说明这些节点出现问题,需要进一步分析。同时,基于同期群数据,可以拟合出预计留存用户数量,就能为运营筹划服务用户资源,提供数据支持(如下图)。
如果在预测用户留存率的时候,同步计算用户预计产生的价值,则可以计算出用户LTV。具体做法如下:
注意,这样计算出的LTV,实际上指的是:特定时间内,用户产生的价值。并非严格意义上的全生命周期价值。不过,考虑到企业做经营计划,也是以年/季度为时间单位做的,所以只考核用户在3个月/6个月/12个月内产生的价值,也差不多了。
注意!不同业务场景下,用户付费形态会不同,因此对LTV计算会有影响。
常见的情况,如:
对应的数据,可能如下图所示。计算用户LTV的时候,得关注付费形态。如果只是简单地用“平均每月消费”指标,很有可能会用平均值掩盖了真实付费情况,从而误导业务判断。
如果在用户同期群分析的时候,把分类维度,改成:从XX渠道进来的用户。则可以进一步做出:渠道质量同期群分析。常见的形式如下:
同期群看起来很好使,是因为它能很充分地暴露问题。但是同期群没有解释问题的能力,为啥某个渠道的质量突然崩了?单靠同期群解释不了,需要其他分析模型来解释。
(责任编辑:百科)
彩讯股份(300634.SZ):股东广东达盛累计减持437.99万股
全国内河首座岸基式LNG加注站完成首船加注 全产业链发展格局初步构建
兴胜创建(00896.HK)因行使购股权配发1090.9万股 每股发行价1.16港元
联康生物科技集团(00690.HK)发布公告:年度由盈转亏7132万港元
保利协鑫能源(3800.HK)盈警后低开高走半日收涨7% 多晶硅价格明显上升
欧洲三大股指均下跌 伦敦股市13日下跌较前一日幅度为1.05%