轉載/碼工小熊
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、管道分析上，都用得着哦。
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：
- 選擇比較對象，按條件分好類
- 選擇合适的比較名額。
- 從一個時間節點開始觀察。
- 對比名額差異，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，是以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準
- 如表現優于平均，則重點關注缺貨問題，保障供給
- 如表現劣于平均，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，天生是有生命周期走勢的。通過同期群分析，不但可以模拟這個走勢，而且可以為每個級别的商品定出合理的LTV範圍，進而及早發現商品銷售是否達成預期。進而進一步地控制庫存情況，實作利潤最大化（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。
- 設定使用者分群（一般按注冊時間or注冊管道）。
- 從注冊時間開始，觀察每X天後，該批次使用者的留存率。
- 拟合整體走勢，預判X天後，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。
因為大部分APP都隻能滿足使用者部分需求，是以使用者的留存，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，基于同期群資料，可以拟合出預計留存使用者數量，就能為營運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産生的價值，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：特定時間内，使用者産生的價值。并非嚴格意義上的全生命周期價值。不過，考慮到企業做經營計劃，也是以年/季度為時間機關做的，是以隻考核使用者在3個月/6個月/12個月内産生的價值，也差不多了。
注意！不同業務場景下，使用者付費形态會不同，是以對LTV計算會有影響。
常見的情況，如：
- 理想狀态：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，得關注付費形态。如果隻是簡單地用“平均每月消費”名額，很有可能會用平均值掩蓋了真實付費情況，進而誤導業務判斷。
五、管道同期群：管道品質分析模型
如果在使用者同期群分析的時候，把分類次元，改成：從XX管道進來的使用者。則可以進一步做出：管道品質同期群分析。常見的形式如下：
- 按管道+投放廣告時間，分類使用者
- 關注該管道+投放時間進入使用者，後續X天轉化率/付費
- 計算使用者産生的消費，對比管道投放成本
- 針對轉化好的管道，考慮追加投放
- 針對轉化差的管道，消減預算/整改投放措施
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，為啥某個管道的品質突然崩了？單靠同期群解釋不了，需要其他分析模型來解釋。
我是“資料分析不是個事兒”，常年分享資料分析幹貨，不定期分享好用的職場技能工具。