电商行业如何做好用户行为分析（二）：用户留存分析

留存分析主要考察的是在某一时段内，完成初始事件的用户，进行下一个关键事件的比例。通过留存分析，可以研究产品的用户粘性、不同用户在产品内的活跃度。

所以留存分析是否有价值，定义适当的 时间段 、 初始事件 和 下一步关键事件 非常关键。之前的分享中还讲过，数据分析需要避免“辛普森悖论”，所以在留存分析中，还要进行合理的 用户分群 。

那么对电商行业来说，如何做好用户留存分析呢？

如上图举例，可通过以下步骤确定电商行业用户留存分析思路：根据商业模式确定合理的分析目标，选定与商业模式和目标相匹配的分析时间段，针对分析目的，选取合适的初始事件、回访事件和对比群组。

以下通过 数数科技ThinkingAnalytics 系统，来举例说明如何完成平台模式电商用户留存分析。

一、设定分析目标

针对上周新增注册用户，分析发放优惠券推广的有效性。

通过TA系统，快速设置分析条件

二、设置分析条件

初始事件：领取优惠券（满50减10）

回访事件：支付订单

用户分群：2018年6月16日-2018年6月22日之间注册用户

分析时段：2018年6月23日-2018年6月29日之间7日留存

三、查看分析结果

从分析结果可以看出，上周注册用户，在本周领取优惠券之后，第一天使用优惠券的比例明显高于后期，在第三天之后基本就没有人完成过订单支付。而且在订单有效期结束前，并没有看到订单支付情况的提升。

四、制定相应对策

针对以上分析结果，可以尝试的策略有：针对未下订单用户在优惠券即将过期前两天给用户推送提醒；发放关联优惠券，如满300减运费，提高用户消费单价；用户选中商品后，自动显示优惠后价格，测试是否会有促进效果。

分析结束后制定应对策略时，也可以采用A/B测试的方式，寻找不同策略的用户响应程度。

结论

留存分析是衡量用户活跃度、对活动响应程度、用户粘性的分析方式。不同商业模式、分析目标下，留存的初始事件、回访事件、分析时段需对应选择，以实现有效的数据分析，驱动业务增长。

下一期将带来“电商行业的数据埋点”。

文韩进（公众号：数数科技）