大家好，我是愛學習的小xiong熊妹。

今天繼續(xù)來談數(shù)據(jù)分析八大模型系列。今天分享的，是一個原理很簡單，但是應用很廣泛的模型：同期群模型。在商品分析、用戶分析、渠道分析上，都用得著哦。

一、同期群的原理

同期群分析原理很簡單：種豆子。怎么區(qū)分哪一種豆子很好?最簡單的方法，就是分好群體(所謂的“群”)一起種下去(所謂的“同期”)然后觀察哪一個長得更快。

為了達到這個目的，我們需要：

• 選擇比較對象，按條件分好類
• 選擇合適的比較指標。
• 從一個時間節(jié)點開始觀察。
• 對比指標差異，找出優(yōu)質/劣質群體

還拿種豆子舉例，同期群的做法如下：

這個思路非常簡單，因此在工作中應用得非常普遍，還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，也被稱為商品LTV模型。

做法如下：

• 設定商品等級(A、B、C級)
• 從商品上市時，開始觀察
• 觀察商品上市后銷量/利潤走勢
• 對比每個等級商品，是否達成該商品平均水平
• 如表現(xiàn)優(yōu)于平均，則重點關注缺貨問題，保障供給
• 如表現(xiàn)劣于平均，則重點關注積壓問題，減少庫存(如下圖)

這個模型非常好用!因為很多商品，從上市開始，天生是有生命周期走勢的。通過同期群分析，不但可以模擬這個走勢，而且可以為每個級別的商品定出合理的LTV范圍，從而及早發(fā)現(xiàn)商品銷售是否達成預期。從而進一步地控制庫存情況，實現(xiàn)利潤最大化(如下圖)。

不止商品分析，用戶分析也能用得上。

三、用戶同期群：用戶留存率模型

用戶同期群分析，也被稱為用戶留存率模型。

做法如下：

• 設定用戶分群(一般按注冊時間or注冊渠道)。
• 從注冊時間開始，觀察每X天后，該批次用戶的留存率。
• 擬合整體走勢，預判X天后，該批次用戶留存數(shù)量。
• 找到留存下降最明顯節(jié)點，判斷是否進一步深入分析。(如下圖)

因為大部分APP都只能滿足用戶部分需求，因此用戶的留存，總是慢慢減少。如果發(fā)現(xiàn)某些節(jié)點，用戶留存明顯下降，則說明這些節(jié)點出現(xiàn)問題，需要進一步分析。同時，基于同期群數(shù)據(jù)，可以擬合出預計留存用戶數(shù)量，就能為運營籌劃服務用戶資源，提供數(shù)據(jù)支持(如下圖)。

四、用戶同期群：用戶LTV模型

如果在預測用戶留存率的時候，同步計算用戶預計產生的價值，則可以計算出用戶LTV。具體做法如下：

• 用前文方法，先算出用戶留存數(shù)值
• 計算每階段，用戶付費率、付費金額
• 用戶總價值=留存用戶*付費率*付費金額

注意，這樣計算出的LTV，實際上指的是：特定時間內，用戶產生的價值。并非嚴格意義上的全生命周期價值。不過，考慮到企業(yè)做經營計劃，也是以年/季度為時間單位做的，所以只考核用戶在3個月/6個月/12個月內產生的價值，也差不多了。

注意!不同業(yè)務場景下，用戶付費形態(tài)會不同，因此對LTV計算會有影響。

常見的情況，如：

• 理想狀態(tài)：用戶每個月按固定金額，比例付錢(月租型業(yè)務)
• 前低后高：越忠誠的用戶，買得越多，付費越高(粉絲型業(yè)務)
• 前高后低：初期吸引用戶大量付費，后邊不管了(收割型業(yè)務)

對應的數(shù)據(jù)，可能如下圖所示。計算用戶LTV的時候，得關注付費形態(tài)。如果只是簡單地用“平均每月消費”指標，很有可能會用平均值掩蓋了真實付費情況，從而誤導業(yè)務判斷。

五、渠道同期群：渠道質量分析模型

如果在用戶同期群分析的時候，把分類維度，改成：從XX渠道進來的用戶。則可以進一步做出：渠道質量同期群分析。常見的形式如下：

• 按渠道+投放廣告時間，分類用戶
• 關注該渠道+投放時間進入用戶，后續(xù)X天轉化率/付費
• 計算用戶產生的消費，對比渠道投放成本
• 針對轉化好的渠道，考慮追加投放
• 針對轉化差的渠道，消減預算/整改投放措施(如下圖)

六、同期群的不足之處

同期群看起來很好使，是因為它能很充分地暴露問題。但是同期群沒有解釋問題的能力，為啥某個渠道的質量突然崩了?單靠同期群解釋不了，需要其他分析模型來解釋。