当前位置:首页  >  数据分析专题  > 

如何使用BI工具构建留存分析模型?

作者:FineBI

发布时间:2023.12.5

浏览次数:201 次浏览

在移动互联网高速发展的今天,用户的注意力变得异常宝贵。如何在激烈的市场竞争中留住用户,成为了每一个产品经理和运营人员必须面对的问题。留存分析模型作为一种衡量和分析用户粘性和产品生命周期的有效工具,其重要性不言而喻。

一、留存分析如何构建?

留存率直接关联到产品的生命周期和收益模型。一个健康的留存曲线通常意味着用户对产品的满意度高,产品生命周期长,进而能够带来更稳定的收入流。相反,如果留存率低,表明用户对产品的黏性不强,产品可能面临较大的流失风险和生命周期缩短的问题。

留存分析模型通常基于以下几个核心指标:

1.新增用户数

在特定时间内首次使用产品的用户数量。

2.活跃用户数

在特定时间内至少使用一次产品的用户数量。

3.留存用户数

在初次使用产品后,再次回到产品的用户数量。

4.流失用户数

在一段时间内没有回到产品的用户数量。

通过这些指标,我们可以构建出日留存、周留存和月留存等不同时间维度的留存曲线。下面是通过FineBI工具制作完成的一张留存分析模型图:

留存分析模型效果图展示

二、留存分析模型的应用

FineBI作为一款商业智能数据分析工具,可以让没有技术经验的企业业务人员,也轻松地制作出一份用户留存率分析的图表。那么,留存分析模型如何应用于实际工作中呢?下面我们将通过几个步骤来详细解析。

1. 新建分析主题

1)在「我的分析」下创建「留存分析」主题,选择「本地Excel文件」点击「上传数据」,选择下载好的「用户留存分析」点击「打开」添加数据,如下图所示:

2)添加完数据后,可以预览刚刚添加的数据,点击「确定」,分析主题创建完成。如下图所示:

2. 制作组件

点击左下角组件,如下图所示:

 

3. 计算激活用户留存率

注:示例数据已经计算激活_登录时间差,若已有数据未经处理,可使用 新增列时间差 计算。

1) 当日留存率

点击「+」,添加计算字段,输入公式COUNTD_AGG(IF(激活_登录时间差=0,联系电话,null))/COUNTD_AGG(联系电话),输入字段名称为「当日留存率」,点击「确定」,如下图所示:

公式说明:

公式 说明
IF(激活_登录时间差=0,联系电话,null) 判断是否为当日登录,若是,返回用户电话,否则返回空值
COUNTD_AGG(IF(激活_登录时间差=0,联系电话,null)) 计算当日登录的用户数(对当日登录用户联系方式进行去重计数)
COUNTD_AGG(IF(激活_登录时间差=0,联系电话,null))/COUNTD_AGG(联系电话) 计算用户留存率:当日登录用户数/当日激活的用户数

2) 第一周留存率

点击「+」,添加计算字段,输入公式COUNTD_AGG(IF(AND(激活_登录时间差>=1,激活_登录时间差<=7),联系电话,null))/COUNTD_AGG(联系电话),输入字段名称为「第一周内留存率」,点击「确定」,如下图所示:

第二周内、第三周内、第四周内留存率同理计算。

 

4. 拖入计算字段

将「最早激活日期」拖入维度轴,留存率指标拖入指标轴,如下图所示:

设置「最早激活日期」显示为「年月」,如下图所示:

留存率指标数值格式设置为百分比,如下图所示:

得出以最早激活日期为维度,每月的激活用户留存率。

其他组件制作详情参见仪表板。

 

5. 效果查看

点击「查看所有数据」,如下图所示:

6.可视化分析

点击图表类型中的折线图,即可直观地观察数据变化。

留存分析模型示例结果折线图

三、结语

留存分析模型是产品运营中不可或缺的一环,它帮助我们从数据中洞察用户行为,优化产品策略,提升用户满意度。通过持续的留存分析和优化,我们能够更好地把握用户需求,提高产品竞争力,赢得市场的长期成功。

FineBI作为一款商业智能分析工具,为用户提供了多种数据分析模型,包括但不限于RFM模型AARRR模型ABC分析(帕累托)波士顿矩阵。这些模型帮助用户以直观的方式展现复杂数据,进行深入的趋势分析和预测,从而支持更加明智的商业决策。FineBI的自助式分析和强大的报表设计功能使得即使是非技术背景的用户也能轻松地挖掘数据价值,而其移动BI功能则确保了数据分析的便捷性和实时性。无论是创建交互式仪表盘还是进行团队协作,FineBI都能够满足企业在数据洞察和决策支持方面的多样化需求。

更多解决方法请点击>>>>FineBI帮助文档

如果您对数据分析相关的知识与工具感兴趣,请点击下方的图片👇,免费试用FineBI,做出一份充实而有成就感的数据分析报告!

商业智能BI产品更多介绍:www.finebi.com