亚马逊|原理简单,但不知道怎么用?一文看懂「同期群模型」

亚马逊|原理简单,但不知道怎么用?一文看懂「同期群模型」

文章图片

亚马逊|原理简单,但不知道怎么用?一文看懂「同期群模型」

文章图片

亚马逊|原理简单,但不知道怎么用?一文看懂「同期群模型」

文章图片

亚马逊|原理简单,但不知道怎么用?一文看懂「同期群模型」


转载/码工小熊
今天继续来谈数据分析八大模型系列 。 今天分享的 , 是一个原理很简单 , 但是应用很广泛的模型:同期群模型 。 在商品分析、用户分析、渠道分析上 , 都用得着哦 。
一、同期群的原理同期群分析原理很简单:种豆子 。 怎么区分哪一种豆子很好?最简单的方法 , 就是分好群体(所谓的“群”)一起种下去(所谓的“同期”)然后观察哪一个长得更快 。
为了达到这个目的 , 我们需要:
  • 选择比较对象 , 按条件分好类
  • 选择合适的比较指标 。
  • 从一个时间节点开始观察 。
  • 对比指标差异 , 找出优质/劣质群体
还拿种豆子举例 , 同期群的做法如下:

这个思路非常简单 , 因此在工作中应用得非常普遍 , 还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 , 也被称为商品LTV模型 。
做法如下:
  • 设定商品等级(A、B、C级)
  • 从商品上市时 , 开始观察
  • 观察商品上市后销量/利润走势
  • 对比每个等级商品 , 是否达成该商品平均水平
  • 如表现优于平均 , 则重点关注缺货问题 , 保障供给
  • 如表现劣于平均 , 则重点关注积压问题 , 减少库存
(如下图)

这个模型非常好用!因为很多商品 , 从上市开始 , 天生是有生命周期走势的 。 通过同期群分析 , 不但可以模拟这个走势 , 而且可以为每个级别的商品定出合理的LTV范围 , 从而及早发现商品销售是否达成预期 。 从而进一步地控制库存情况 , 实现利润最大化(如下图) 。

不止商品分析 , 用户分析也能用得上 。
三、用户同期群:用户留存率模型用户同期群分析 , 也被称为用户留存率模型 。
做法如下:
  • 设定用户分群(一般按注册时间or注册渠道) 。
  • 从注册时间开始 , 观察每X天后 , 该批次用户的留存率 。
  • 拟合整体走势 , 预判X天后 , 该批次用户留存数量 。
  • 找到留存下降最明显节点 , 判断是否进一步深入分析 。
(如下图)

因为大部分APP都只能满足用户部分需求 , 因此用户的留存 , 总是慢慢减少 。 如果发现某些节点 , 用户留存明显下降 , 则说明这些节点出现问题 , 需要进一步分析 。 同时 , 基于同期群数据 , 可以拟合出预计留存用户数量 , 就能为运营筹划服务用户资源 , 提供数据支持(如下图) 。

四、用户同期群:用户LTV模型如果在预测用户留存率的时候 , 同步计算用户预计产生的价值 , 则可以计算出用户LTV 。 具体做法如下: