大家好，我是爱学习的小xiong熊妹。
今天继续来谈数据分析八大模型系列。今天分享的，是一个原理很简单，但是应用很广泛的模型：同期群模型。在商品分析、用户分析、渠道分析上，都用得着哦。
一、同期群的原理
同期群分析原理很简单：种豆子。怎么区分哪一种豆子很好？最简单的方法，就是分好群体（所谓的“群”）一起种下去（所谓的“同期”）然后观察哪一个长得更快。
为了达到这个目的，我们需要：
-
选择比较对象，按条件分好类
-
选择合适的比较指标。
-
从一个时间节点开始观察。
-
对比指标差异，找出优质/劣质群体
还拿种豆子举例，同期群的做法如下：
这个思路非常简单，因此在工作中应用得非常普遍，还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，也被称为商品LTV模型。
做法如下：
-
设定商品等级（A、B、C级）
-
从商品上市时，开始观察
-
观察商品上市后销量/利润走势
-
对比每个等级商品，是否达成该商品平均水平
-
如表现优于平均，则重点关注缺货问题，保障供给
-
如表现劣于平均，则重点关注积压问题，减少库存
（如下图）
这个模型非常好用！因为很多商品，从上市开始，天生是有生命周期走势的。通过同期群分析，不但可以模拟这个走势，而且可以为每个级别的商品定出合理的LTV范围，从而及早发现商品销售是否达成预期。从而进一步地控制库存情况，实现利润最大化（如下图）。
不止商品分析，用户分析也能用得上。
三、用户同期群：用户留存率模型
用户同期群分析，也被称为用户留存率模型。
做法如下：
-
设定用户分群（一般按注册时间or注册渠道）。
-
从注册时间开始，观察每X天后，该批次用户的留存率。
-
拟合整体走势，预判X天后，该批次用户留存数量。
-
找到留存下降最明显节点，判断是否进一步深入分析。
（如下图）
因为大部分APP都只能满足用户部分需求，因此用户的留存，总是慢慢减少。如果发现某些节点，用户留存明显下降，则说明这些节点出现问题，需要进一步分析。同时，基于同期群数据，可以拟合出预计留存用户数量，就能为运营筹划服务用户资源，提供数据支持（如下图）。
四、用户同期群：用户LTV模型
如果在预测用户留存率的时候，同步计算用户预计产生的价值，则可以计算出用户LTV。具体做法如下：
-
用前文方法，先算出用户留存数值
-
计算每阶段，用户付费率、付费金额
-
用户总价值=留存用户*付费率*付费金额
注意，这样计算出的LTV，实际上指的是：特定时间内，用户产生的价值。并非严格意义上的全生命周期价值。不过，考虑到企业做经营计划，也是以年/季度为时间单位做的，所以只考核用户在3个月/6个月/12个月内产生的价值，也差不多了。
注意！不同业务场景下，用户付费形态会不同，因此对LTV计算会有影响。
常见的情况，如：
-
理想状态：用户每个月按固定金额，比例付钱（月租型业务）
-
前低后高：越忠诚的用户，买得越多，付费越高（粉丝型业务）
-
前高后低：初期吸引用户大量付费，后边不管了（收割型业务）
对应的数据，可能如下图所示。计算用户LTV的时候，得关注付费形态。如果只是简单地用“平均每月消费”指标，很有可能会用平均值掩盖了真实付费情况，从而误导业务判断。
五、渠道同期群：渠道质量分析模型
如果在用户同期群分析的时候，把分类维度，改成：从XX渠道进来的用户。则可以进一步做出：渠道质量同期群分析。常见的形式如下：
-
按渠道+投放广告时间，分类用户
-
关注该渠道+投放时间进入用户，后续X天转化率/付费
-
计算用户产生的消费，对比渠道投放成本
-
针对转化好的渠道，考虑追加投放
-
针对转化差的渠道，消减预算/整改投放措施
（如下图）
六、同期群的不足之处
同期群看起来很好使，是因为它能很充分地暴露问题。但是同期群没有解释问题的能力，为啥某个渠道的质量突然崩了？单靠同期群解释不了，需要其他分析模型来解释。
标签：数据分析,八大,LTV,模型,用户,留存,付费,同期 来源： https://www.cnblogs.com/LYL0576/p/15873492.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。