何为群组？使用群组我们可以做什么？

一、什么是群组？8月，A渠道引入的新用户是用户群；系统版本超过iOS10的用户是用户群；加入购物车但未付款的用户是用户群；有消费行为但连续7天以上未登录的用户是用户群；。。我们可以根据分析的需要划分无数的用户群。当然，所有用户也是用户群。我们能做些什么来使用组？1.归因产品数据，无论是好是坏，我们都应该找出原因，找出好的原因可以让它变得更好，找出坏的原因可以让它停止坏。而产品数据往往集中在用户身上，如用户活动、保留、支付率等。因此，数据波动往往是由一些用户群体引起的。我们需要找出这个群体和数据波动的原因。那么，最简单的方法就是分组看数据。（groupby），举个简单的例子:用户流失率上升，如何归因？首先，我们应该知道，我们的用户可以在不同的维度下分为多组：性别维度分为男性和女性，年龄维度分为老少。。。每组用户的数据趋势往往不同，即数据的变化分布不均匀。所以，如果我们以用户来源为维度来分组数据，我们就可以知道某些渠道的用户是否有问题。此外，我们还可以以产品版本为维度，以用户操作系统为维度，以用户网络环境为维度，以用户对产品的使用进度为维度，以用户的具体行为维度（如触发（或完成）将用户分为两组；用户也可以分为多组）。回到例子中（以游戏产品为例，其他产品也是如此）：我们首先以渠道为维度，发现各渠道趋势相似，无明显差异。然后，我们将更换维度。这一次，我们以产品使用进度为维度，发现只有5级的用户流失率随着时间的推移显著上升；我们发现5级的主要任务是5级流失率上升的主要原因；然后发现道具X是未完成5级主要任务的主要原因；然后是行为维度，发现没有去地图N是没有道具X的主要原因；........一步一步地归因于最后，我们发现产品指导不够清楚，用户不知道要去地图N才能得到道具X。可以看出，通过这样的分组观察数据，我们可以更容易地找到数据变化的原因。可以看出，通过这种分组观察数据，我们可以更容易地找到数据变化的原因。此外，再次提醒，当整体数据趋于稳定时，不应粗心大意。此时，一些用户组的数据可能正在改善，而另一些用户组的数据正在恶化。2.准确观察目标用户。我们有目标群体生产产品。我们经常有目标用户进行功能优化和活动策划。为了评估产品修订或活动执行的效果，我们应该清楚地知道目标用户是谁，他们之前和之后的数据是什么。如果我们只通过观察整体数据来衡量，效果往往不明显，因为数据会被稀释和干扰。3.不同用户群体对精细操作的需求往往不同，所以一视同仁不如给予需求。还有一种特殊的用户群，我们称之为高价值用户。众所周知，我们应该找到20%的人，专注于为他们服务。4.对比分析很多时候，我们不容易发现单组数据中的问题。例如，我告诉你，男性用户在APP的第二季度贡献了1000万元，你认为是多还是少？
你可能会觉得条件不足，无法判断。假如我告诉你它同比增长15%，环比增长10%？
通过比较不同时期的群体，你可能会认为它的增长很好。如果我告诉你其女性用户贡献3000万元，同比增长60%，环比增长30%？
通过比较不同性别的群体，你会知道这两个群体之间的差距越来越大。这就是数据对比的明显含义。我们可以考虑为什么两个群体之间的差距会扩大？是否符合产品预期和定位？未来是期望继续扩大差距(专业)还是缩小差距(平衡)？最常用、最简单的用户群比较是“同期群比较”，包括同比和环比。简单来说，“同期群”是以时间起点为唯一变量(时间长度相同，其他条件相同)的多个用户群。端午节假期(3天)用户活跃数据与中秋节假期(3天)用户活跃数据进行比较，是同期群体的简单比较。“同期群分析”高于“同期群对比”。区别在于前者比较“点”数据，后者比较“线”数据。也就是说，随着时间的推移，“同期群分析”会比较多个同期群的数据变化。同期最常用的群分析是保留分析，如8.20、8.21、8.223天的新用户构成了3个同期群，对其随后7天的留存率变化进行了检查和比较，这是一个简单的同期群分析。我三年前写的一篇关于LTV分析的文章，也是同期群分析的方法。同期群体分析的主要目的是通过比较发现有问题的“群体”。通过优化产品，我们希望“新群体”的数据总是比“老群体”好。同期群体分析只是群体分析的典型案例。除了时间，我们还有很多分组的维度，也可以多维度组合。比如一线城市的互联网从业者比较二线城市的互联网从业者。在BI系统的所有数据显示区域，我们可以添加用户组比较功能，以查看和分析不同用户组在不同数据指标上的性能差异。5.群画像分析逐一显示用户群的属性分布，即群画像。通过群体肖像，我们可以了解指定用户群体的年龄分布、性别分布、等级分布、设备品牌分布、活动分布等。通过观察和比较群体肖像，我们可以了解我们对目标用户群体的定位是否准确，以及我们应该调整哪个方向。3、没有成熟的系统支持，群体分析的门槛和成本仍然很高，需要手动取数和绘图，这部分工作实际上可以交给程序完成。因此，系统实现的难点在于如何帮助用户简单地组装sql语句进行数据提取，以及如何做好数据的可视化。