用SQL分析——用户参与度和活动直方图的分析
用户参与度是展现用户喜欢使用品的最佳指标之一。如果你可以找到正确的产品,并扩展产品种类,就可以提高用户参与度。用户参与度可以是指用户和产品之间的互动,也可以是一系列的特定操作(或某一个操作)。
评估用户参与度的常用指标有MAU 和 DAU,DAU/MAU 转换率(即日活跃用户与月活跃用户的比值)。这个指标能表明用户与产品互动的“深度”。然而,这个指标更适合日常使用,无法深入了解用户的参与频率。
此外,用户可能不会每天都使用你的产品,使用频率可能为每周或每月几次。因此,除了 DAU/MAU 转换率之外,我还建议你查看参与频率或活动直方图。下面,我将演示如何使用 SQL 进行分析。如果你想了解更多数据分析相关内容,可以阅读以下这些文章:
Pandas和SQL,数据科学家应该用哪个?
Facebook和Microsoft数据科学家面试,他们会问这些SQL问题
如何在Jupyter Notebook里运行SQL?
面试常见5大SQL题目:培养SQL技能,助你完胜任何面试!
用户活动直方图显示用户在一个月内活跃的总天数。你可以将其设为通用,用于反映查看(views)、打开(opens)或登录(logins)等顶级活动。用户活动直方图还可以表示某固定操作,你可以以此来评估产品。
此直方图的目的是说明:
- 1. 是否有群用户每天都会来用你的产品?
- 2. 用户多久回来使用一次你的产品?
- 3. 你的产品是否有用户分组?有多少用户参与度很高,又有多少用户只是在“探索”阶段?
该直方图通常能对用户活动、留存率或任期(行为变化的时间轴)进行补充分析。你可以用直方图发现高级用户,然后保留此用户组,用于电子邮件和其他营销活动。
以下是可用于构建直方图的 SQL 代码:
结果示例:
现在,我们可以通过 Power BI 图表的可视化,通过不同的参与度了解直方图的含义。
每日参与频率
Daily Engagement Frequency
这是最常见的向左倾斜式用户行为模式之一。该图表示,你的活跃用户的行为与新用户非常相似,并大多数用户每月仅使用几次该产品。渐进式用户模式是一个好兆头,表明第 7 天和第 28 天的留存率可能会升高。如果这是新用户的直方图,则那么你可能需要改进新用户登录流程。
每周参与频率
Weekly Engagement Frequency
此图表显示,大多数用户每周都会使用你的应用程序/产品。一天以上的留存率很高,并且第28天的留存率很有可能升高。如果这是新用户的直方图,那么你的新用户登录流程运行良好,新用户转化为活跃用户的机率也很大。
每月参与频率
Monthly Engagement Frequency
上述图表出现的变化非常好,这些变化显示有哪些用户组每天都使用你的产品。许多用户经常回购,因此你的高级用户范畴很大,你可以借助这些用户进行实验、广告,增加产品销售额等……
危险信号
上图出现的变化不太好。上图表示,大多数用户只试用了几次产品就彻底流失了。参与度不高很常见,对于某些用户每月只使用几次的产品来说,这种情况完全在预料之内。但是,如果你希望用户每天都使用你的产品,那么扩大营收就存在很大的挑战,你必须更多地考虑自己的价值主张和产品定位。
高级用户
Power User
看到那 5% 的峰值了吗?那就是你的高级用户。这些高级用户每天都使用你的产品。如果你看到这样的模式,你应该关注这个用户组。分析该用户组,然后试着将用户数量翻番。查看用户任期、属性和行为。所有这些因素都能提示你目前应该做什么,以及怎样才能更好地利用这些因素。这些用户更有可能使用新功能、点击推送,并且不太可能流失或退订。你必须有效利用这些数据和知识!
对直方图分析的结论远远不止如此。你的下一步是按时间顺序查看用户活动。好的产品更能留住用户,具体表现为,每月或每年参与频率图表的变化逐步向右偏移。如果你没有看到这种向右的转变,你可能需要与领导层讨论,了解如何最好地采用更强有力的方法来扩大用户规模、提高留存率。
从过去数据来看,几乎所有成功的产品都在用户留存率方面的表现非常一致。留存率是用户粘性、活动和返回的结果。分析留存率是了解用户行为模式的良好开始,能够帮助你通过分析见解影响或改变公司战略的方向。
感谢你的阅读!你可以订阅我们,了解更多有关数据分析、数据科学和求职的信息。你还可以订阅我们的YouTube频道,观看大量数据科学相关公开课:https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ;在LinkedIn上关注我们,扩展你的人际网络!https://www.linkedin.com/company/dataapplab/
原文作者:Olga Berezovsky
翻译作者:Lia
美工编辑:过儿
校对审稿:Jiawei Tong
原文链接:https://blog.olgaberezovsky.com/user-engagement-and-activity-histogram-analysis-6f9fca471d11