Question

用户运营分析

Answer 1

背景对于app用户运营团队来说，了解用户规模以及规模的变动状态，才更好更好定位问题及设计贴切的用户运营方案，最终达到增长目的。

项目思路建立日常运营指标体系。根据用户活跃指标来逐步建立用户指标体系，包括DAU/DNU/每日消费转化率/每日新用户消费转化率，观察提炼各个指标变动特点（对比分析），并长期维护；分析用户构成。根据用户生命周期，建立不同阶段用户标签，观察每日用户规模变化趋势，长期监测维护，针对不同用户做个性化运营；分析复购用户画像。对比复购用户和非复购用户行为数据，寻找复购特征，加强引导；项目流程1.用户指标体系--建立表格，并导入数据--DAUselectdate(action_time),count(distinctuser_id)fromuser_actiongroupbydate(action_time)--DNUselectreg_time,count(distinctuser_id)fromuser_infowherereg_time>='2016-2-1'groupbyreg_time--每日消费转化率selectdate(action_time),count(distinctuser_id)AU_count,count(distinctif(type=4,user_id,Null))AU_4_count,concat(round(count(distinctif(type=4,user_id,Null))/count(distinctuser_id)*100,2),"%")asprefromuser_actiongroupbydate(action_time)orderbydate(action_time)--每日新用户下单转化率selectreg_time,count(distinctuser_info.user_id)asNU_Count,count(distinctif(type=4,user_info.user_id,Null))asNU_4_count,concat(round(count(distinctif(type=4,user_info.user_id,Null))/count(distinctuser_info.user_id)*100,2),"%")asprefromuser_infoleftjoinuser_actiononuser_action.user_id=user_info.user_idandreg_time=date(action_time)wherereg_time>='2016-2-1'groupbyreg_timeorderbyreg_time;总共是76天记录，发现2月日开始DAU才有参考数据（1.31只有1个，不作参考），所以后期计算以2.1为分析起点日期。2月中旬开始DAU一直在增长，3月15日达到峰值588，之后下降稳定在360左右；每日下单与DAU呈正相关，并且也在3.15达到峰值；新用户注册一直是个位数，说明该平台目前主要是依靠老用户存活，或者运营方向是面向老用户的；消费转化率稳定在3%-5%；新注册用户的基本不会在当日产生消费。

2.用户标签当新增用户、激活用户增加，且睡眠用户、流失用户减少，那我们的用户规模就在呈上升趋势；反之，则呈下降趋势。分析近期我们用户规模的变动趋势，判断我们的用户池的健康程度。标签制定：

将注册当天的用户作为新用户将注册未满一周的用户作为未激活用户（为了避免新用户成为跳出用户）注册后的第8天，用户进入激活期，激活期为注册后的第8到第14天，在激活期回访的用户，则成为激活用户。（为了让未激活用户成为激活用户）若用户成为激活用户后，有一周没有活跃；或从注册后在激活期（第8到第14天）未激活且第14天之后也未活跃的用户作为睡眠用户。（主要做唤醒）将成为睡眠用户后，有两周没有活跃的用户作为流失用户。（虽然同为唤醒范围，但是流失用户的唤醒难度要大于睡眠用户，在预算较少的唤醒活动中不予考虑。）--先整理每天用户的注册时间，最近活跃时间createtablebase_infoasselecta.dates,user_info.user_id,date(reg_time)date_reg,max_time,min_timefrom(selectdate(action_time)asdates,user_id,max(date(action_time))asmax_time,min(date(action_time))asmin_timefromuser_actiongroupbydate(action_time),user_id)aleftJOINuser_infoonuser_info.user_id=a.user_idGROUPBYa.dates,a.user_idORDERBYa.dates,a.user_id--用户标签createviewempasselectdates,user_type,count(*)asuser_countfrom(select*,casewhendates=date_regthen"new_user"when(datediff(max_time,date_reg)<7ormax_timeisnull)anddatediff(dates,date_reg)<14then"inaction_user"whendatediff(max_time,date_reg)>=7anddatediff(dates,max_time)<7then"action_user"when(datediff(max_time,date_reg)>=7anddatediff(dates,max_time)>7)or(datediff(dates,date_reg)>14and(datediff(max_time,date_reg)<7ormax_timeisnull))then"sleep_user"when(datediff(max_time,date_reg)>=7anddatediff(dates,max_time)>21)or(datediff(dates,date_reg)>28and(datediff(max_time,date_reg)<7ormax_timeisnull))then"lose_user"endasuser_typefrombase_info)asAgroupbydates,user_type--统计每日用户构成selectdates,max(caseuser_typewhen'new_user'thenuser_countelse0end)as'new_user',max(caseuser_typewhen'inaction_user'thenuser_countelse0end)as'inaction_user',max(caseuser_typewhen'action_user'thenuser_countelse0end)as'action_user',max(caseuser_typewhen'sleep_user'thenuser_countelse0end)as'sleep_user',max(caseuser_typewhen'lose_user'thenuser_countelse0end)as'lose_user'fromempgroupbydates睡眠用户、流失用户都非常低，平台老用户粘性非常高，是影响平台dau的关键群体；新注册用户少，可以从拉新方向做用户增长；3.15活跃用户有骤降，可能和平台活动有关，需要进一步分析3.用户复购分析对于用户运营来说，由于获客成本居高不下，提升用户复购是将用户价值最大化的关键。那到底什么时候该关注复购，凯文·希尔斯特罗姆在《精益数据分析》一书中给了参考：

90天内重复购买率达到1%~15%；说明你处于用户获取模式；把更多的精力和资源投入到新用户获取和转化；90天内重复购买率达到15~30%；说明你处于混合模式；平衡用在新用户转化和老用户留存、复购上的精力和资源；90天内重复购买率达到30%以上；说明你处于忠诚度模式；把更多的精力和资源投入到用户复购上；用户复购率=复购用户数/活跃用户数；复购用户数：一段时间内购买次数达两次及以上的用户数--复购selectcount(if(order_count>1,user_id,null))fugou_user_count,sum(ren)au_count,count(if(order_count>1,user_id,null))/sum(ren)asfugoulvfrom(selectuser_id,count(if(type=4,user_id,null))asorder_count,1asrenfromuser_actiongroupbyuser_id)a复购率在8%，属于新用户获取模式，可以寻找合适渠道，加大拉新--用户画像静态标签_复购（各年龄段，各性别的人数）selectage_between,sex,count(*)'人数'fromuser_infowhereuser_idin(selectuser_idfromuser_actiongroupbyuser_idhavingcount(if(type=4,user_id,null))>1)groupbyage_between,sex--用户画像静态标签_非复购（各年龄段，各性别的人数）selectage_between,sex,count(*)'人数'fromuser_infowhereuser_idin(selectuser_idfromuser_actiongroupbyuser_idhavingcount(if(type=4,user_id,null))<=1)groupbyage_between,sexorderbyage_between,sex*TGI（目标群体指数）是TargetGroupIndex的简称，可反映目标群体在特定研究范围(如地理区域、人口统计领域、媒体受众、产品消费者)内的强势或弱势。TGI=100表示平均水平

复购用户与非复购用户的年龄、性别分布基本相似，主要集中在26-35岁之间的男性与未知性别通过TGI对比发现，26-35岁用户更容易产生复购行为，男性比女性更容易产生复购行为小结睡眠用户、流失用户都非常低，平台老用户粘性非常高，是影响平台dau的关键群体平台目前主要是依靠老用户存活，新注册用户的基本不会在当日产生消费，可以设计方案尽快建立新用户消费习惯消费转化率稳定在3%-5%复购率在8%，属于新用户获取模式，可以寻找合适渠道，加大拉新做用户增长通过TGI对比发现，26-35岁用户更容易产生复购行为，男性比女性更容易产生复购行为3.15活跃用户有骤降，可能和平台活动有关，需要进一步分析