編輯導(dǎo)讀：也許不是所有的運(yùn)營(yíng)都知道同期群分析，但它是每個(gè)產(chǎn)品運(yùn)營(yíng)必備的分析方法。本文作者圍繞同期群模型展開分析，希望對(duì)你有幫助。

大家好，我是愛學(xué)習(xí)的小xiong熊妹。

今天繼續(xù)來談數(shù)據(jù)分析八大模型系列。今天分享的，是一個(gè)原理很簡(jiǎn)單，但是應(yīng)用很廣泛的模型：同期群模型。在商品分析、用戶分析、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(jiǎn)單：種豆子。怎么區(qū)分哪一種豆子很好？最簡(jiǎn)單的方法，就是分好群體（所謂的“群”）一起種下去（所謂的“同期”）然后觀察哪一個(gè)長(zhǎng)得更快。

為了達(dá)到這個(gè)目的，我們需要：

• 選擇比較對(duì)象，按條件分好類
• 選擇合適的比較指標(biāo)。
• 從一個(gè)時(shí)間節(jié)點(diǎn)開始觀察。
• 對(duì)比指標(biāo)差異，找出優(yōu)質(zhì)/劣質(zhì)群體

還拿種豆子舉例，同期群的做法如下：

這個(gè)思路非常簡(jiǎn)單，因此在工作中應(yīng)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(shè)定商品等級(jí)（A、B、C級(jí)）
• 從商品上市時(shí)，開始觀察
• 觀察商品上市后銷量/利潤(rùn)走勢(shì)
• 對(duì)比每個(gè)等級(jí)商品，是否達(dá)成該商品平均水平
• 如表現(xiàn)優(yōu)于平均，則重點(diǎn)關(guān)注缺貨問題，保障供給
• 如表現(xiàn)劣于平均，則重點(diǎn)關(guān)注積壓?jiǎn)栴}，減少庫(kù)存

（如下圖）

這個(gè)模型非常好用！因?yàn)楹芏嗌唐?，從上市開始，天生是有生命周期走勢(shì)的。通過同期群分析，不但可以模擬這個(gè)走勢(shì)，而且可以為每個(gè)級(jí)別的商品定出合理的LTV范圍，從而及早發(fā)現(xiàn)商品銷售是否達(dá)成預(yù)期。從而進(jìn)一步地控制庫(kù)存情況，實(shí)現(xiàn)利潤(rùn)最大化（如下圖）。

不止商品分析，用戶分析也能用得上。

三、用戶同期群：用戶留存率模型

用戶同期群分析，也被稱為用戶留存率模型。

做法如下：

• 設(shè)定用戶分群（一般按注冊(cè)時(shí)間or注冊(cè)渠道）。
• 從注冊(cè)時(shí)間開始，觀察每X天后，該批次用戶的留存率。
• 擬合整體走勢(shì)，預(yù)判X天后，該批次用戶留存數(shù)量。
• 找到留存下降最明顯節(jié)點(diǎn)，判斷是否進(jìn)一步深入分析。

（如下圖）

因?yàn)榇蟛糠諥PP都只能滿足用戶部分需求，因此用戶的留存，總是慢慢減少。如果發(fā)現(xiàn)某些節(jié)點(diǎn)，用戶留存明顯下降，則說明這些節(jié)點(diǎn)出現(xiàn)問題，需要進(jìn)一步分析。同時(shí)，基于同期群數(shù)據(jù)，可以擬合出預(yù)計(jì)留存用戶數(shù)量，就能為運(yùn)營(yíng)籌劃服務(wù)用戶資源，提供數(shù)據(jù)支持（如下圖）。

四、用戶同期群：用戶LTV模型

如果在預(yù)測(cè)用戶留存率的時(shí)候，同步計(jì)算用戶預(yù)計(jì)產(chǎn)生的價(jià)值，則可以計(jì)算出用戶LTV。具體做法如下：

• 用前文方法，先算出用戶留存數(shù)值
• 計(jì)算每階段，用戶付費(fèi)率、付費(fèi)金額
• 用戶總價(jià)值=留存用戶*付費(fèi)率*付費(fèi)金額

注意，這樣計(jì)算出的LTV，實(shí)際上指的是：特定時(shí)間內(nèi)，用戶產(chǎn)生的價(jià)值。并非嚴(yán)格意義上的全生命周期價(jià)值。不過，考慮到企業(yè)做經(jīng)營(yíng)計(jì)劃，也是以年/季度為時(shí)間單位做的，所以只考核用戶在3個(gè)月/6個(gè)月/12個(gè)月內(nèi)產(chǎn)生的價(jià)值，也差不多了。

注意！不同業(yè)務(wù)場(chǎng)景下，用戶付費(fèi)形態(tài)會(huì)不同，因此對(duì)LTV計(jì)算會(huì)有影響。

常見的情況，如：

• 理想狀態(tài)：用戶每個(gè)月按固定金額，比例付錢（月租型業(yè)務(wù)）
• 前低后高：越忠誠(chéng)的用戶，買得越多，付費(fèi)越高（粉絲型業(yè)務(wù)）
• 前高后低：初期吸引用戶大量付費(fèi)，后邊不管了（收割型業(yè)務(wù)）

對(duì)應(yīng)的數(shù)據(jù)，可能如下圖所示。計(jì)算用戶LTV的時(shí)候，得關(guān)注付費(fèi)形態(tài)。如果只是簡(jiǎn)單地用“平均每月消費(fèi)”指標(biāo)，很有可能會(huì)用平均值掩蓋了真實(shí)付費(fèi)情況，從而誤導(dǎo)業(yè)務(wù)判斷。

五、渠道同期群：渠道質(zhì)量分析模型

如果在用戶同期群分析的時(shí)候，把分類維度，改成：從XX渠道進(jìn)來的用戶。則可以進(jìn)一步做出：渠道質(zhì)量同期群分析。常見的形式如下：

• 按渠道+投放廣告時(shí)間，分類用戶
• 關(guān)注該渠道+投放時(shí)間進(jìn)入用戶，后續(xù)X天轉(zhuǎn)化率/付費(fèi)
• 計(jì)算用戶產(chǎn)生的消費(fèi)，對(duì)比渠道投放成本
• 針對(duì)轉(zhuǎn)化好的渠道，考慮追加投放
• 針對(duì)轉(zhuǎn)化差的渠道，消減預(yù)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?yàn)樗芎艹浞值乇┞秵栴}。但是同期群沒有解釋問題的能力，為啥某個(gè)渠道的質(zhì)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。

作者：碼工小熊，微信公眾號(hào)：碼工小熊

本文由 @碼工小熊 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議