以抖音网易云音乐为例,挖掘用户留存三个阶段的不同需求
员工从入职到离职,一般来说,一个月离职,半年离职,2年以上离职的缘由差别会大不一样。
一个月离职,一般是不能适应工作或与工作内容本身有关。
半年的情况,一般与直接上级有关。
2年以上离职,基本上属于认可公司,但发展受限
其实对于产品留存也和员工入职相似,短期留存、中期留存和长期留存的缘由大有不同。
员工从入职到离职,一般来说,一个月离职,半年离职,2年以上离职的缘由差别会大不一样。
一个月离职,一般是不能适应工作或与工作内容本身有关。
半年的情况,一般与直接上级有关。
2年以上离职,基本上属于认可公司,但发展受限
其实对于产品留存也和员工入职相似,短期留存、中期留存和长期留存的缘由大有不同。
一个漂亮的平均数完全是用数据创造出来的虚幻景象,会给我们的决策造成误导,因此我们需要掌握一个行之有效的方法来剖析真实的用户行为和用户价值,这个方法就是同期群分析(Cohort Analysis)。事实上,数据不会说谎,只是分析数据的人没有做到精准分析而导致对数据呈现的错误解读!
国内对同期群分析相关的研究相对较少,也许不是所有的运营都知道同期群分析,但它是每个产品运营必备的分析方法。在著名的《精益数据分析》一书里面,作为测试数据分析的灵魂也提到了同期群分析的相关内容。
同期群分析最早用于医药研究领域,意在观察不同被试群体的行为随着时间的变化呈现出怎么样的不同。通过监测不同的被试群体,医药研究员可以观察到不同的处方和治疗方式对被试的影响并且确定被试共同的行为模式。