Một cuộc thảo luận ngắn gọn về "giữ lại" phân tích hành vi của người dùng

Khi phân tích hành vi của người dùng, tỷ lệ giữ chân người dùng là một chỉ số quan trọng mà chúng ta cần chú ý trong công việc. Vậy, bạn định nghĩa sự duy trì như thế nào? Phương pháp tính toán và tình huống sử dụng lưu giữ là gì? Bài viết này phân tích vấn đề này theo ba khía cạnh. Tôi giới thiệu bài viết này tới những ai quan tâm đến phân tích người dùng. Tôi hy vọng nó sẽ hữu ích với bạn.

Thảo luận ngắn gọn 1: Cách định nghĩa

Giữ chân người dùng, đúng như tên gọi, có nghĩa là người dùng sẽ ở lại. Tỷ lệ giữ chân được định nghĩa là tỷ lệ người dùng quay lại sau N ngày kể từ lần sử dụng đầu tiên.

Trong các sản phẩm về hành vi người dùng, chúng ta có thể có định nghĩa chính xác hơn về tỷ lệ giữ chân: tỷ lệ giữ chân là tỷ lệ người dùng đã thực hiện sự kiện ban đầu trong khoảng thời gian đầu tiên và đã thực hiện sự kiện quay lại trong khoảng thời gian thứ hai.

Vì vậy, phương pháp tính toán để duy trì là:

(Số lượng người dùng có sự kiện quay lại trong khoảng thời gian thứ hai / số lượng người dùng có sự kiện ban đầu trong khoảng thời gian đầu tiên) × 100%.

Các sản phẩm khác nhau có thể xác định các sự kiện bắt đầu, sự kiện trả về và độ dài thời gian khác nhau dựa trên điều kiện kinh doanh.

Một số sản phẩm sẽ trực tiếp định nghĩa cả sự kiện bắt đầu và sự kiện trả về là "mở ứng dụng/duyệt trang web", chẳng hạn như một số sản phẩm trò chơi/sản phẩm xã hội (vì mục đích của người dùng khi mở các sản phẩm này rất rõ ràng, về cơ bản là để chơi trò chơi/trò chuyện, do đó sự kiện bắt đầu và trả về có thể được định nghĩa trực tiếp là "mở ứng dụng/duyệt trang web").

Ví dụ, giả sử một sản phẩm trò chơi xác định thời gian giữ chân người dùng bằng cách xác định cả sự kiện bắt đầu và sự kiện quay lại là "mở ứng dụng" và đặt thời gian quan sát là một tuần. Có nghĩa là, sau khi người dùng mở trò chơi (kích hoạt sự kiện bắt đầu), nếu người dùng đó mở lại trò chơi vào tuần tiếp theo, thì người dùng đó sẽ được tính là người dùng được giữ lại của trò chơi vào tuần tiếp theo.

Tất nhiên, cũng có nhiều sản phẩm có định nghĩa khác nhau về sự kiện bắt đầu và sự kiện trả về. Điều này liên quan đến nhu cầu kinh doanh của chính sản phẩm. Ví dụ, đối với một ứng dụng thể dục, sẽ không phù hợp nếu chỉ sử dụng "mở ứng dụng" làm sự kiện bắt đầu và quay lại. Người dùng mở ứng dụng có thể không thực sự làm theo hướng dẫn của ứng dụng để tập thể dục, nhưng chỉ cần xem qua. Thực ra, loại "người xem" này rất dễ bị các ứng dụng thể dục bỏ qua.

Việc tính tất cả người dùng mở lại ứng dụng là người dùng được giữ lại có thể không cung cấp cơ sở thực sự cho hoạt động và phát triển sản phẩm. Trong trường hợp này, nếu chúng ta đặt sự kiện bắt đầu là "mở ứng dụng" và sự kiện trả về là "hoàn tất buổi tập thể dục", sau đó bổ sung thêm thời gian quan sát phù hợp, chúng ta có thể hiểu rõ hơn về mức độ giữ chân người dùng trong sản phẩm.

Thảo luận ngắn gọn 2: Cách tính toán

Phân tích khả năng duy trì tập trung vào số lượng người dùng kích hoạt sự kiện ban đầu rồi quay lại trang web.

Sau đây là ví dụ về cách tính toán sản phẩm phân tích hành vi người dùng:

Tỷ lệ giữ chân = số lượng người dùng có sự kiện bắt đầu trong khoảng thời gian đầu tiên và sau đó có sự kiện quay lại trong khoảng thời gian thứ hai = (số lượng người dùng có sự kiện quay lại trong khoảng thời gian thứ hai / số lượng người dùng có sự kiện bắt đầu trong khoảng thời gian đầu tiên) × 100%

Dựa trên công thức này, chúng ta hãy phân tích chi tiết nhiều thuật toán lưu giữ khác nhau.

1. Tính toán lượng giữ lại hàng ngày

(1) Làm thế nào để tính tỷ lệ giữ chân khách hàng vào ngày hôm sau, 3 ngày, 7 ngày hoặc n ngày kể từ một ngày nhất định?

Khi tính toán loại lưu giữ này, thực tế chúng ta sử dụng "ngày" làm đơn vị của thời gian quan sát. Điều chúng tôi quan tâm là:

1. Số lượng người dùng kích hoạt "sự kiện bắt đầu" vào một ngày cụ thể;
2. Theo dõi xem nhóm người dùng này có kích hoạt "sự kiện quay lại" vào ngày thứ n hay không;
3. Sau khi có được số lượng người dùng ở bước đầu tiên và bước thứ hai:

Tỷ lệ giữ chân n ngày vào một ngày nhất định = số người dùng kích hoạt "sự kiện quay lại" vào ngày thứ n / số người dùng kích hoạt "sự kiện bắt đầu" vào ngày thứ 0 × 100%.

Theo các bước trên, chúng ta có thể dễ dàng kết luận rằng:

Tỷ lệ giữ chân lần thứ hai vào một ngày nhất định = (số người dùng có sự kiện quay lại vào ngày 1 / số người dùng có sự kiện ban đầu vào ngày 0) × 100%

Tỷ lệ giữ chân trong 3 ngày cho một ngày nhất định = (số người dùng có sự kiện quay lại vào ngày thứ 3 / số người dùng có sự kiện ban đầu vào ngày thứ 0) × 100%

Tỷ lệ giữ chân trong 7 ngày cho một ngày nhất định = (số người dùng có sự kiện quay lại vào ngày thứ 7 / số người dùng có sự kiện ban đầu vào ngày thứ 0) × 100%

(Lưu ý: Ngoài ra, một số sản phẩm dữ liệu xác định ngày kích hoạt sự kiện bắt đầu là Ngày 1, điều này có thể có tác động nhất định đến việc tính toán thời gian lưu giữ. Chúng ta nên chú ý đến điều này khi phân tích.)

(2) Làm thế nào để tính toán thời gian lưu giữ ngày hôm sau/3 ngày/7 ngày/n ngày trong một khoảng thời gian nhất định?

1. Trong phạm vi thời gian đã chọn, hãy lọc ra từng ngày có thể tính được thời gian lưu giữ n ngày và ghi lại tổng số người dùng hoàn thành "sự kiện bắt đầu" mỗi ngày;
2. Đối với mỗi ngày có thể tính được mức độ duy trì trong n ngày, hãy tính tổng số người dùng kích hoạt "sự kiện quay lại" vào ngày thứ n;
3. Sau khi có được số lượng người dùng ở bước đầu tiên và bước thứ hai:

Tỷ lệ giữ chân n ngày trong một khoảng thời gian nhất định = số người dùng ở bước 2 / số người dùng ở bước 1 × 100%

Trong hình, phạm vi thời gian chúng tôi chọn là 8 ngày gần nhất (20200831-20200907). Bây giờ chúng ta muốn tính toán dữ liệu duy trì 5 ngày trong vòng 8 ngày này. Chúng ta tính toán thế nào?

Tỷ lệ giữ chân người dùng trong 5 ngày trong 8 ngày qua = (tổng số người dùng giữ chân trong 5 ngày vào mỗi ngày từ 20200831 đến 20200907 / tổng số người dùng có sự kiện bắt đầu vào mỗi ngày từ 20200831 đến 20200907) * 100%;

2. Tính toán mức giữ lại hàng tuần/hàng tháng

(1) Làm thế nào để tính toán thời gian lưu giữ n tuần cho một tuần nhất định? Làm thế nào để tính thời gian lưu giữ n tháng cho một tháng cụ thể?

1. Ghi lại số lượng người dùng kích hoạt "sự kiện bắt đầu" trong tuần/tháng (tuần/tháng 0);
2. Theo dõi xem nhóm người dùng này có kích hoạt "sự kiện quay lại" trong tuần/tháng thứ n hay không và ghi lại số lượng người dùng đã kích hoạt "sự kiện quay lại";
3. Sau khi có được số lượng người dùng ở bước đầu tiên và bước thứ hai:

Tỷ lệ giữ chân trong tuần thứ n của một tuần nhất định = số lượng người dùng kích hoạt "sự kiện quay lại" trong tuần thứ n / số lượng người dùng kích hoạt "sự kiện bắt đầu" trong tuần thứ 0 × 100%

Tỷ lệ giữ chân trong tháng thứ n của một tháng nhất định = số lượng người dùng kích hoạt "sự kiện quay lại" trong tháng thứ n / số lượng người dùng kích hoạt "sự kiện bắt đầu" trong tháng thứ 0 × 100%

(2) Tỷ lệ giữ chân hàng tuần/hàng tháng trong một khoảng thời gian nhất định là bao nhiêu?

1. Trong phạm vi thời gian đã chọn, hãy lọc ra từng tuần/tháng có thể tính được mức duy trì n tuần/n tháng và ghi lại tổng số người dùng hoàn thành "sự kiện bắt đầu" trong mỗi tuần/tháng.
2. Đối với mỗi tuần/tháng có thể tính được mức độ duy trì trong n tuần/n tháng, hãy tính tổng số người dùng kích hoạt "sự kiện quay lại" trong tuần/tháng thứ n;
3. Sau khi có được số lượng người dùng ở bước đầu tiên và bước thứ hai:

Tỷ lệ duy trì trong một khoảng thời gian nhất định trong n tuần/tháng = số người dùng ở bước 2/số người dùng ở bước 1 × 100%

Ví dụ, làm thế nào để tính “tỷ lệ giữ chân 2 tuần trong 6 tuần qua”?

Trong hình, chúng tôi đã chọn phạm vi thời gian là 6 tuần gần nhất.

Vào ngày 26 tháng 2 năm 2012, chúng tôi đã chọn phạm vi thời gian là "6 tuần qua" và khoảng thời gian một tuần mặc định là "Thứ Hai đến Chủ Nhật". Các lựa chọn trong sáu tuần qua như sau:

Chúng ta hãy quay lại chủ đề chính. Bây giờ chúng ta muốn tính toán dữ liệu duy trì trong 2 tuần cho 6 tuần qua. Nó được tính như thế nào?

Tỷ lệ giữ chân người dùng trong 2 tuần trong 6 tuần qua = (tổng số người dùng giữ chân người dùng trong 2 tuần trong mỗi tuần / tổng số người dùng có sự kiện bắt đầu trong mỗi tuần) × 100%

Thảo luận ngắn gọn 3: Phân tích giữ chân, ứng dụng kịch bản

Trong công việc hàng ngày, phân tích duy trì thường được sử dụng trong các tình huống sau:

1. Hiểu chất lượng của kênh

"Tỷ lệ duy trì hàng ngày" có thể được sử dụng để đo lường hiệu suất của người dùng trên mỗi kênh và là một trong những tiêu chí để đo lường chất lượng kênh. Ví dụ, hãy so sánh mức độ giữ chân người dùng trong ngày hôm sau và trong 7 ngày từ các kênh khác nhau (các ngành khác nhau có thể chọn các khoảng thời gian khác nhau) để đo lường mức độ giữ chân người dùng của các kênh khác nhau. Nói chung, khả năng duy trì tốt hơn có thể phản ánh chất lượng tốt hơn của kênh này.

2. Xác định xem biện pháp vận hành hay thay đổi chức năng có hiệu quả hay không

Khi chúng ta kỳ vọng một phương thức/chức năng hoạt động nhất định sẽ cải thiện khả năng duy trì, chúng ta có thể phân tích tỷ lệ duy trì của "người dùng mới được phương thức/chức năng hoạt động đó bao phủ" và "người dùng mới không được phương thức/chức năng đó bao phủ", đồng thời so sánh khả năng duy trì của hai nhóm người dùng này để xác minh tính hiệu quả của phương thức/chức năng đó.

Lấy Tieba làm ví dụ, diễn đàn muốn kiểm tra xem chức năng "đọc bài đăng" có cải thiện hiệu quả giữ chân người dùng mới hay không, do đó đã tiến hành so sánh khả năng giữ chân người dùng mới từ kênh A (một số người sử dụng chức năng đọc bài đăng và một số người thì không).

Qua so sánh, người ta thấy rằng tỷ lệ giữ chân người dùng sau ba ngày sử dụng chức năng đăng bài viết cao hơn 10% so với người dùng mới không sử dụng chức năng này. Điều này cho thấy chức năng "đọc bài viết" có tác động tích cực đến việc giữ chân người dùng mới.

3. Đo lường xem sản phẩm có lành mạnh không

Bạn có thể sử dụng các chỉ số như "tỷ lệ giữ chân hàng tuần" và "tỷ lệ giữ chân hàng tháng" để quan sát mức độ gắn bó của người dùng trên nền tảng và đo lường mức độ hiệu quả của sản phẩm.

Tất nhiên, ngoài ra, các sản phẩm khác nhau có thể có nhiều phương pháp phân tích hơn, chúng tôi sẽ không liệt kê từng phương pháp ở đây.

Nói chung, hôm nay chúng ta sẽ xem xét sâu hơn về "lưu giữ" bằng cách giới thiệu định nghĩa, phương pháp tính toán và các tình huống sử dụng. Trong tương lai, khả năng duy trì sẽ là một chỉ số quan trọng mà chúng ta cần chú ý trong công việc. Nếu bạn muốn tìm hiểu sâu hơn về phân tích khả năng lưu giữ, bạn cần phải thực hành nó trong công việc thực tế~

Tác giả: Triệu Tráng Thực, thành viên của "Liên minh sáng tạo dữ liệu".