群组分析- 从您的数据中获取正确的解析
1 Min. Read

使用群组分析,从您的数据中获取正确的解析

Minnie Katzen Mayer Minnie Katzen Mayer May 16, 2019

常见的一种误解是,对数据进行最高级别和最广泛的分析会得出最全面深入的见解。在现实中,事实恰好相反;过于宽泛的数据往往具有欺骗性。设定适当的范围,并对数据进行层层解析和整理,才能真正帮助我们看清哪些有效而哪些无效的。最重要的,是将数据放在正确的背景下进行解读,这才是最有效的。

 

清除杂音

背景有时会非常复杂难以分隔,而有时可能在同一时间代表着很多不同的事物。在统计学课堂上学到的第一点是,数据永远无法确定因果关系,只能确定相关性。谈到相关性,你需要尽可能地去除周围的杂音,以证实一个强有力的原因。数据永远不可能完全脱离杂音,但是选择适当的过滤器可以清除大部分的杂音,给你更有力的解读。

这里有一个真实生活中的“苹果对苹果”的例子。目标:比较家庭消耗12个苹果的习惯。我们将定义一个“家庭”必须有至少4个成员,我们比较同等大小采购(12个)的消耗:

A家庭在星期天买了12个苹果
B家庭在星期三买了12个苹果

苹果对苹果:在一段时间内,不同家庭(至少4为成员)的消耗习惯

在查看未分组数据时,星期六看起来是消耗最高峰的一天,但是除此之外,很难对这些数据进行更多的解读。当我们按购买日期对数据进行分组时,则可以很轻易地看出趋势:A家庭消耗苹果的速度缓慢,但速度相对稳定, 然而在第3天似乎就已经厌倦了苹果,消耗趋于停止。B家庭则相反,最开始并不对所买的苹果感兴趣,但是在第三天和第四天的消耗却激增(也许他们发现了一个超级棒的苹果派菜谱?)。 

回转至广告科技界,让我们重新审视先前的ARPU范例。仅仅将一天的ARPU与另外一天的进行比较是不够的。我们需要考虑所有的杂音并进行过滤:比较一个星期中某几天的ARPU,比较用户及活动的数量,以及是否处于促销和优惠,这些优惠可能推动了更多的购买。当分析任何KPIs时,您需要确保将您的数据与并行数据进行并肩比较;即一一对应。

 

Cohort助力走出困局

在进行并肩排列KPIs以及策略成功度评估时,群组分析是您必备的工具。

 

群组分析:将用户按照共同特征进行分组,以衡量不同用户群组在不同时间范围内的特定KPIs。

 

群组不仅仅只是分析KPIs。群组分析为您找出暗藏的趋势并购提供深度解析,助您对实时营销广告进行优化并且做出实时调整,这些调整可提升用户参与度和收入。

 

开始使用群组

刚开始,群组分析可能显得有点令人生畏,但是完成几个简单步骤之后,您很快就可以成为大师。

 

设置查询

首先也是最重要的一点,您必须确立您希望查找出什么。通过定义KPIs以及成功指标,将引导您朝着正确的方向前进。您是否并肩衡量营销活动以对不同媒体渠道进行比较?或者衡量同一营销活动在不同地区的成功度?那么,您如何定义成功呢?您需要想清楚要问什么问题以及需要什么指标来回答这个问题,只要有了切实可行的想法,您就已经成功一半了。

以下是一个用于撰写群组分析问题的便利公式:

将用户按照相似特征进行分组比较其在某个特定时段的行为和指标

您可以在群组分析中选择的筛选器和分组的范例

这些特征是您用于测量结果的维度。这些KPIs是您用于分析的实际指标,时间表将为测量设定窗口期。

举个例子,我们试图评估某个营销活动在不同国家的成功度。我们希望了解用户在安装应用当天、第二天以及随后几天中的行为。通过对安装后几天时间的对齐,我们可以在同一水平的平台上分析用户行为及其同应用的交互。对指标进行调整以适用于所有用户,实际上也就是一一对应进行对比。当我们定义想要的群组以在控制面板中进行检查时,我们应该选择相关的应用。在以下范例中,我们将会以国别对群组进行分组,并选择从2019年4月1日至7日这一周。我们将设定群组的最小规模为10位用户。我们将添加一个筛选器,以确保其为正确的营销活动:spring_sale_aprilcampaign。下图是参数设置完成的样子:


在AppsFlyer控制面板中设置您的群组分组、筛选器以及维度。

当做好所有准备后,我们点击运行按钮以开始进行查询。

 

分析结果

我们的数据视图取决于预定义的应用内事件。在此范例中,我们将选用两个不同的预定义指标:每用户平均会话量以及每用户平均收益。
当使用每用户平均会话量时,我们看到以下情况:


俄国用户对此应用的参与度非常高,但这是全面的写照吗?

第一眼看过去,春季营销活动似乎在俄国(RU)表现超乎寻常的强劲,而在印度尼西亚(ID)的表现则非常糟糕。从数据的表视图中我们可以看出,在印度(IN)和中国(CN)有小幅的持续增长,第30天每用户平均会话量在俄国则出现了大幅增长。值得注意的是,此数据是默认累积的。


每用户平均会话量的表视图细化,以国别划分。起始日为安装日

但是此数据并不能给我们提供全貌。我们可以看到,与其他国家相比,俄国用户的参与程度很高,而且还在不断攀升。这是否意味着营销活动在俄国最成功呢?


每个事物都有(至少)两面

其实不然。 如果将数据视图切换到每用户平均收益,我们看到一个完全不同故事:虽然俄国用户在营销活动中非常活跃,但是他们并没有任何消费。相反的,中国用户每次访问的平均消费则很高。因此,我们可以得出结论:俄国市场还有提升空间,可对营销活动进行优化并鼓励他们完成购买(例如特别优惠、优惠券或减价)。鉴于中国用户的消费在第四天左右达到高点,我们可以安排在该段时间进行再营销活动。印度用户显示出稳定的消费倾向,这正是我们希望看到的。

我们可以从这两个群组分析中得出的另外一个有趣信息是,印度尼西亚用户的奇异行为。虽然应用的安装次数相当良好(249次),但是完全没有用户启动该应用,也根本没有购买行为。这表明可能存在欺诈,因此需要通过Protect360的控制面板进行更深入的分析。

 

深入解析已为您准备好

既然我们已了解群组分析的基本原理,那么解析进入您控制面板的大量数据就显得没有那么令人生畏了。您可以了解一下群组的姐妹报告:留存报告,它在分析应用的客户流失水平方面具有相似的逻辑。

 

欲了解更多关于群组的信息,请前往AppsFlyer帮助中心。您也可以马上申请演示!
申请演示