工具型产品如何做用户增长 附3点做好用户增长

事件分析事件分析的应用领域很广，不同的学者都从这个领域的角度进行了阐述。事件研究(Event research)是一种定量分析方法，根据事件发生前后的数据统计，采用特定的技术来衡量事

事件分析

事件分析的应用领域很广，不同的学者都从这个领域的角度进行了阐述。事件研究(Event research)是一种定量分析方法，根据事件发生前后的数据统计，采用特定的技术来衡量事件的影响。

运营的事件分析是跟踪或记录用户的行为或业务流程。以栗子为例。一个电子商务产品可能包括以下事件:用户注册、浏览商品、添加购物车、支付订单等。

事件细分:对某一行为的无限细分，定位影响该行为的因素，也是对用户进行分组的过程。

往下钻，往下钻。这就是事件分析的特点。至于怎么用，什么时候用，要看具体问题。

漏斗分析

关于漏斗模型，我认为本质是分解和量化。为什么这么说？这是营销漏斗模型。

百科给出的解释:营销漏斗模型是指在营销过程中，将非潜在客户逐渐转化为客户的量化模型。营销漏斗模型的价值在于量化营销过程中各个环节的效率，帮助找到薄弱环节。

也就是说，营销环节是指从获取用户到最终转化为购买的整个过程中的一个子环节，相邻环节的转化率是指用数据指标量化每一步的表现。

所以整个漏斗模型就是先把整个购买流程拆分成步骤，然后用转化率衡量每个步骤的表现，最后通过异常的数据指标找出有问题的环节，从而解决问题，优化步骤，最终达到提升整体购买转化率的目的。整个漏斗模型的核心思想其实可以归为分解和量化。

以电子商务为例，可以建立几个核心漏斗，如下:

Banner，活动区，打折区，爆款区等等。

2.搜索漏斗

搜索漏斗，也可以拆分成更小的漏斗，比如细分关键词排序、关键词点击、最佳匹配标签选择、浏览时长等数据项。

3.产品漏斗

产品漏斗，实际上可以拆卸很多支漏斗，看使用情况。

保留分析

留存分析(Retention analysis)是一种分析模型，用于分析用户的参与/活动，以及有多少采取初始行动的用户会采取后续行动。这是衡量产品对用户价值的重要方法。

保留分析可以帮助回答以下问题:

一个新客户在未来的一段时间内是否完成了您期许用户完成的行为？如支付订单等某个社交产品改进了新注册用户的引导流程，期待改善用户注册后的参与程度，如何验证？想判断某项产品改动是否奏效，如新增了一个邀请好友的功能，观察是否有人因新增功能而多使用产品几个月？

下面是一个常见的保留曲线，我把它分为三部分:第一部分是振荡期，第二部分是选择期，第三部分是平稳期。

那么我们如何使用留存分析呢？举个栗子:

通过细分用户群体，分析每个产品功能点对用户留存的影响，不仅可以比较收藏，还可以比较、喜欢、转发、评论、关注等等。

如果是电商，可以和不买对比，买一次，两次，三次，四次，五次，六次等。

通过分析曲线，我们找到了保留率最高的功能点或行为点。幻数和幻函数:

交易类，购买5次以上的用户留存率最高，那我们的策略既尽可能快的使用户达到5次购买（一定注意时间窗口）工具类产品，那就找到魔法功能，使用这个功能用户留存最高如果是UGC类那就找到用户发帖的数量或者用户使用的功能作为魔法数字和魔法功能

分布分析

在正常生产条件下，产品质量不可能完全一样，但也不会相差太多。而是围绕某个平均值在一定范围内变化和分布。

分布分析是通过分析质量的变化分布来发现问题的重要方法。它可以知道生产过程是否正常，是否出现废品等。它的工具是直方图，所以也叫直方图法。

如下图所示，我们可以看到一个人数和交易者单价的分布。

这种相似度就是用户分布分析，主要是找集中度。当然，更深刻的，我们可以用K-means聚类算法玩更高。

摘要

以上只是数据分析中常用的一些方法。现实中，我们要面对的比网上的例子要复杂和细分得多，但逻辑就是这么简单。分析是工具，看你想要什么。