資料分析八大模型：同期群模型

大家好，我是愛學習的小xiong熊妹。

今天繼續來談資料分析八大模型系列。今天分享的，是一個原理很簡單，但是應用很廣泛的模型：同期群模型。在商品分析、使用者分析、渠道分析上，都用得著哦。

一、同期群的原理

同期群分析原理很簡單：種豆子。怎麼區分哪一種豆子很好?最簡單的方法，就是分好群體(所謂的“群”)一起種下去(所謂的“同期”)然後觀察哪一個長得更快。

為了達到這個目的，我們需要：

選擇比較物件，按條件分好類

選擇合適的比較指標。

從一個時間節點開始觀察。

對比指標差異，找出優質/劣質群體

還拿種豆子舉例，同期群的做法如下：

這個思路非常簡單，因此在工作中應用得非常普遍，還衍生出很多其他名字。

二、商品同期群：商品LTV模型

商品分析中的同期群模型，也被稱為商品LTV模型。

做法如下：

設定商品等級(A、B、C級)

從商品上市時，開始觀察

觀察商品上市後銷量/利潤走勢

對比每個等級商品，是否達成該商品平均水平

如表現優於平均，則重點關注缺貨問題，保障供給

如表現劣於平均，則重點關注積壓問題，減少庫存

(如下圖)

這個模型非常好用!因為很多商品，從上市開始，天生是有生命週期走勢的。透過同期群分析，不但可以模擬這個走勢，而且可以為每個級別的商品定出合理的LTV範圍，從而及早發現商品銷售是否達成預期。從而進一步地控制庫存情況，實現利潤最大化(如下圖)。

不止商品分析，使用者分析也能用得上。

三、使用者同期群：使用者留存率模型

使用者同期群分析，也被稱為使用者留存率模型。

做法如下：

設定使用者分群(一般按註冊時間or註冊渠道)。

從註冊時間開始，觀察每X天后，該批次使用者的留存率。

擬合整體走勢，預判X天后，該批次使用者留存數量。

找到留存下降最明顯節點，判斷是否進一步深入分析。

(如下圖)

因為大部分APP都只能滿足使用者部分需求，因此使用者的留存，總是慢慢減少。如果發現某些節點，使用者留存明顯下降，則說明這些節點出現問題，需要進一步分析。同時，基於同期群資料，可以擬合出預計留存使用者數量，就能為運營籌劃服務使用者資源，提供資料支援(如下圖)。

四、使用者同期群：使用者LTV模型

如果在預測使用者留存率的時候，同步計算使用者預計產生的價值，則可以計算出使用者LTV。具體做法如下：

用前文方法，先算出使用者留存數值

計算每階段，使用者付費率、付費金額

使用者總價值=留存使用者*付費率*付費金額

注意，這樣計算出的LTV，實際上指的是：特定時間內，使用者產生的價值。並非嚴格意義上的全生命週期價值。不過，考慮到企業做經營計劃，也是以年/季度為時間單位做的，所以只考核使用者在3個月/6個月/12個月內產生的價值，也差不多了。

注意!不同業務場景下，使用者付費形態會不同，因此對LTV計算會有影響。

常見的情況，如：

理想狀態：使用者每個月按固定金額，比例付錢(月租型業務)

前低後高：越忠誠的使用者，買得越多，付費越高(粉絲型業務)

前高後低：初期吸引使用者大量付費，後邊不管了(收割型業務)

對應的資料，可能如下圖所示。計算使用者LTV的時候，得關注付費形態。如果只是簡單地用“平均每月消費”指標，很有可能會用平均值掩蓋了真實付費情況，從而誤導業務判斷。

五、渠道同期群：渠道質量分析模型

如果在使用者同期群分析的時候，把分類維度，改成：從XX渠道進來的使用者。則可以進一步做出：渠道質量同期群分析。常見的形式如下：

按渠道+投放廣告時間，分類使用者

關注該渠道+投放時間進入使用者，後續X天轉化率/付費

計算使用者產生的消費，對比渠道投放成本

針對轉化好的渠道，考慮追加投放

針對轉化差的渠道，消減預算/整改投放措施

(如下圖)

六、同期群的不足之處

同期群看起來很好使，是因為它能很充分地暴露問題。但是同期群沒有解釋問題的能力，為啥某個渠道的質量突然崩了?單靠同期群解釋不了，需要其他分析模型來解釋。