一、何為群組？

8月份A渠道導(dǎo)入的新用戶們是一個(gè)用戶群；

系統(tǒng)版本為iOS10以上的用戶們是一個(gè)用戶群；

加入購物車卻沒有完成付款的用戶們是一個(gè)用戶群；

曾有過消費(fèi)行為卻連續(xù)7天以上未登錄的用戶們是一個(gè)用戶群；

……

我們可以根據(jù)分析需要?jiǎng)澐殖鰺o數(shù)個(gè)用戶群。當(dāng)然全體用戶也是一個(gè)用戶群。

二、使用群組我們可以做什么？

1.歸因

產(chǎn)品數(shù)據(jù)無論是變好還是變壞，我們都應(yīng)找出其原因，找出變好的原因就可以讓它變得更好，找出變差的原因就可以讓它停止變差。而產(chǎn)品數(shù)據(jù)的關(guān)注點(diǎn)往往在用戶身上，比如用戶的活躍度、留存、付費(fèi)率等。因此數(shù)據(jù)的波動(dòng)也往往是某些用戶群體導(dǎo)致的，我們要找出這個(gè)群體，找出數(shù)據(jù)波動(dòng)的原因。

那么，最簡(jiǎn)單的方法就是分組看數(shù)據(jù)（group by），舉個(gè)簡(jiǎn)單的例子：用戶流失率升高了，怎么歸因？

首先要知道我們的用戶在不同維度下都可以分成多組：性別維度分男女、年齡維度分老少……而各組用戶的數(shù)據(jù)趨勢(shì)往往是不同的，也就是說數(shù)據(jù)的變化是非均勻分布的。

那么，如果我們以用戶來源作為維度來分組看數(shù)據(jù)，我們就可以知道是不是某些渠道的用戶出了問題。除此之外，我們還可以以產(chǎn)品版本為維度、以用戶的操作系統(tǒng)為維度、以用戶的網(wǎng)絡(luò)環(huán)境為維度、以用戶的對(duì)產(chǎn)品的使用進(jìn)度為維度、以用戶具體行為為維度（如通過是否觸發(fā)（或完成）過某行為將用戶分為兩組；也可以用多個(gè)行為將用戶分為多組）……

回到例子中（以游戲產(chǎn)品舉例，其他產(chǎn)品同理）：

我們先以渠道作為維度，發(fā)現(xiàn)各渠道趨勢(shì)相似，無明顯差異。那么，我們就更換維。

這次，我們以產(chǎn)品使用進(jìn)度為維度，發(fā)現(xiàn)只有等級(jí)為5的用戶流失率隨時(shí)間的推移上升明顯；

我們?cè)僖杂脩粜袨闉榫S度，發(fā)現(xiàn)完不成5級(jí)的主線任務(wù)是5級(jí)流失率上升的主要原因；

再以行為為維度，發(fā)現(xiàn)沒有獲得道具X是未完成5級(jí)主線任務(wù)的主要原因；

再以行為為維度，發(fā)現(xiàn)沒有去地圖N是未獲得道具X的主要原因；

……如此一步步歸因到最后，最終，我們發(fā)現(xiàn)是產(chǎn)品的引導(dǎo)做得不夠明晰，用戶不知道要去地圖N才能獲得道具X?？梢钥吹?，通過這樣分組觀察數(shù)據(jù)，我們可以較容易地找到數(shù)據(jù)變化的原因所在。

另外再次提醒，在整體數(shù)據(jù)趨于穩(wěn)定的情況下不應(yīng)大意，此時(shí)有可能是一部分用戶群的數(shù)據(jù)正在變好，另一部分用戶群的數(shù)據(jù)正在變差。

2.精準(zhǔn)觀測(cè)目標(biāo)用戶

我們做產(chǎn)品是有目標(biāo)人群的，我們做功能優(yōu)化、活動(dòng)策劃往往也是有目標(biāo)用戶的。我們要明確地知道目標(biāo)用戶是誰，他們之前和之后的數(shù)據(jù)是怎樣的，才能評(píng)估產(chǎn)品改版或活動(dòng)執(zhí)行的效果，而如果我們僅通過觀測(cè)整體數(shù)據(jù)來衡量，則效果往往不明顯，因?yàn)閿?shù)據(jù)會(huì)被沖淡和干擾。

3.精細(xì)化運(yùn)營(yíng)

不同用戶群的需求往往是有差異的，因此，一視同仁不如各給所需。

還有一類特殊的用戶群體，我們稱之為高價(jià)值用戶，二八定律大家都知道，顯然我們應(yīng)該找出這20%的人，并重點(diǎn)服務(wù)好他們。

4.對(duì)比分析

很多時(shí)候，我們看單一群體的數(shù)據(jù)是不容易發(fā)現(xiàn)問題的。

比如，我告訴你某APP第二季度男性用戶貢獻(xiàn)收入1000萬元，你覺得是多還是少？?你可能會(huì)覺得條件不足，無法判斷。

如果我再告訴你它同比增長(zhǎng)15%，環(huán)比增長(zhǎng)10%呢？?通過對(duì)比不同時(shí)段的群體，你可能會(huì)覺得它的増勢(shì)還不錯(cuò)。

如果我再告訴你其女性用戶貢獻(xiàn)收入3000萬元，同比增長(zhǎng)60%，環(huán)比增長(zhǎng)30%呢？?通過對(duì)比不同性別的群體，你會(huì)了解到這兩個(gè)群體的差距越拉越大。

這就是數(shù)據(jù)對(duì)比顯而易見的意義。

在其背后我們可以考慮兩個(gè)群體差距拉大的原因是什么？是否符合產(chǎn)品預(yù)期與定位？未來是期望繼續(xù)拉大差距（專精）還是縮小差距（平衡）？

我們最常用也是最簡(jiǎn)單的用戶群對(duì)比就是“同期群對(duì)比”，包括同比和環(huán)比。

“同期群”簡(jiǎn)單來說，就是以時(shí)間起點(diǎn)為唯一變量（時(shí)間長(zhǎng)度相同，其他條件也相同）的多個(gè)用戶群。

用中秋假期（3天）的用戶活躍數(shù)據(jù)對(duì)比端午假期（3天）的用戶活躍數(shù)據(jù)，就是簡(jiǎn)單的同期群對(duì)比。

比“同期群對(duì)比”高級(jí)一點(diǎn)的是“同期群分析”，區(qū)別在于前者對(duì)比的是“點(diǎn)”數(shù)據(jù)，后者對(duì)比的是“線”數(shù)據(jù)。也就是說“同期群分析”會(huì)對(duì)比多個(gè)同期群隨著時(shí)間而發(fā)生的數(shù)據(jù)變化。

最常用的同期群分析就是留存分析，比如8.20、8.21、8.22三天的新增用戶構(gòu)成了3個(gè)同期群，查看并對(duì)比他們?cè)诟髯噪S后七天的留存率變化就是一個(gè)簡(jiǎn)單的同期群分析。我在3年前寫的一篇關(guān)于LTV分析的文章用的也是同期群分析的方法。

同期群分析的主要目的在于通過對(duì)比來發(fā)現(xiàn)出現(xiàn)問題的“群”，通過優(yōu)化產(chǎn)品，我們期望“新群”的數(shù)據(jù)能夠總是好于“老群”。

同期群的分析只是群組分析的一個(gè)典型案例，除了時(shí)間，我們還有很多劃分群組的維度，也可多維度組合，如一線城市的互聯(lián)網(wǎng)從業(yè)者對(duì)比二線城市的互聯(lián)網(wǎng)從業(yè)者。

在BI系統(tǒng)的所有數(shù)據(jù)展示區(qū)域，我們都可以加上用戶群對(duì)比的功能，以查看并分析不同用戶群體在不同數(shù)據(jù)指標(biāo)上的表現(xiàn)差異。

5.群畫像分析

將用戶群體的屬性分布逐一展示出來，就是群體畫像。通過群畫像，我們可以了解到指定用戶群的年齡分布、性別分布、等級(jí)分布、設(shè)備品牌分布、活躍度分布等等。

通過觀察和對(duì)比群體畫像，我們可以了解到自己對(duì)目標(biāo)用戶群體的定位是否精準(zhǔn)，以及該往哪個(gè)方向調(diào)整。

三、系統(tǒng)實(shí)現(xiàn)

沒有成熟的系統(tǒng)支持，群組分析的門檻和成本其實(shí)還是有些高的，需要手動(dòng)取數(shù)和作圖，而這部分工作其實(shí)是可以交給程序來完成的。

那么，系統(tǒng)實(shí)現(xiàn)的難點(diǎn)就在于如何幫助使用者簡(jiǎn)單地拼裝sql語句進(jìn)行數(shù)據(jù)的提取，以及如何做好數(shù)據(jù)的可視化。