移动互联网应用数据分析中如何进行用户分群

文/@Leo_cui

谈到用户分群,其实没人比你更了解自己的产品和业务,因此如何定义需要跟踪的指标就变得很重要。类似于Talking Data这种工具可以让你对自己的用户群分段提供更多的自定义控制。通过建立这些用户分群,你可以深入了解用户在应用中的行为,并发现用户可能自己都没有意识到的需求。对更活跃或者更高价值的的用户,形成差异化的方案(如:更高的折扣)。

用户分群意味着自定义用户定义

在移动互联网应用的一些标准指标,如:设备类型、位置信息、操作系统,新增用户vs回访用户比较等。这些维度是跨表的,通过过滤或者合并分析你的应用使用情况以及行为分析;例如:分析每天中哪个时段产生最多的新用户?在将来的推广运营工作的的重点。

用户分群是你根据应用自定义的额外指标,理想的自定义指标会帮助你通过较少的数据,区分应用使用的情况,好的指标如:包括注册状态,用户类型以及性别等,它们可以是根据已有的数据资源或者基于应用内的行为。

可能的用户分群

  • 统计指标-年龄,性别,地域
  • 注册状态-免费,试用,付费用户
  • 购买历史-未付费用户,一次付费用户,多次付费用户
  • 访问位置-用户在哪些位置使用应用
  • 使用频率-用户使用应用的频率
  • 使用深度-轻度,中度,重度用户
  • 广告点击-用户点击了应用内广告 vs 未点击广告

例子:电商应用中 付费用户分析

在许多电子商务的客户端应用中,很小比例的客户产生会很大交易额比例的订单。大部分成功的电商客户端会认真分析这些价值较高的用户分群并试图发展更多的和他们有类似行为的用户。

为了发现这些潜在的模式和机会,可以建立一个自定义指标来记录那些发生购买行为的应用中用户的会话历史。利用这些数据,我们可以根据用户等级、使用时段、设备类型、忠诚度等来对这些用户进行分群,这些分群可以描绘出“典型”的有购买意愿的用户是什么样的,接下来你可以据此来进行调整邮件营销,定向积分墙、以及相关面向用户获取的推广活动的策略。

举例来说,我们对比了不同用户分群的用户忠诚度-每天他们启动应用的次数和使用的时长。

未付费用户

image003

 

 付费用户

image004

 

 

你可以观察到,那些有购买行为的用户比没有购买行为的用户更“忠诚”,付费用户中每天使用低于5次的只有不到30%,而非付费用户每天使用低于10次的用户占到近9成。换句话说,用户不太倾向于在前几次访问就购买产品。这些结论可以指导后面的产品设计应该更注重保留用户直到产品购买行为。

根据我们的统计,电子商务应用的购买行为一般在首次使用的2周左右发生。你可以对这些首次使用用户利用这段时间进行推送通知,特定的折扣以及优惠券来提高他们的留存水平并提高应用打开频率。用户和应用有了足够的交互,他们更有可能产生购买行为。

如何使用用户分群和自定义事件

请参阅:http://www.tenddata.com/document_center/statistics.jsp

by @Leo_cui

发表评论

电子邮件地址不会被公开。 必填项已用*标注