用户:深入洞察用户
场景4:流失用户分析
在新增留存报表中,会发现次留在50%左右,三留在20%左右,会有不少用户流失,为进一步分析流失原因,您可以通过建立用户分群,将流失用户进行圈选并分析流失节点、流失后是否再登录等;
- 查看单个流失用户
留存分析中,切换为流失>单击5月17日 流失的143人>单击第一个账号ID>进入该账号的用户行为序列,可以查看该用户的基本信息、是否为流失用户、在游戏内具体行为分析,即可以可视化查看每一位用户的用户,具体如图;图1 切换为流失图2 进入用户列表图3 用户列表图4 进入用户行为序列
- 圈定流失用户分群
由于流失的人群较多,可以对流失用户进行分群分析共性,单击“+”>输入分群名称为0517首日流失用户:
图5 选定流失用户图6 创建分群 - 交叉分析-流失用户带入新增付费分析
打开已存报表新增用户付费及战斗胜率>全局筛选 选择0517首日流失用户 属于分群>单击计算>单击保存,具体操作如图;
图7 分析流失用户付费情况 - 分析流失用户的末次核心行为
为了更深入分析用户流失的节点,可以对用户最后的核心行为进行分析,看看是否存在流失共性,从而看是否需要调整产品设计。因此,需要先定义出核心行为,再利用首末次标签创建用户末次参与的核心行为,最后通过属性分析对用户末次核心行为进行定量查看。确定核心行为:单击数据>单击虚拟事件>进入虚拟事件创建页面,可以根据业务实际情况选择,此处选择“开始战斗”、“参与竞技场”、“参见活动”、“爬塔玩法”为核心行为,并设置显示名>单击保存。
图8 创建“核心行为”图9 “核心行为“创建成功创建用户末次核心行为的标签:确定核心行为后,想了解用户最后的核心行为都是哪些,则需要通过用户标签的首末次标签实现,单击用户>单击用户标签>单击“+创建标签”>选择首末次标签,进入标签配置>选择用户“末次”完成“核心事件”的“事件名称”,并设置更新机制及标签名为“末次核心行为”。
图10 进入“用户标签”图11 创建标签图12 选择“首末次标签”图13 创建“用户末次核心行为”标签分析流失用户的末次行为分布情况:标签创建后,进一步对流失用户进行分析,可以单击分析中属性分析>全局筛选为“0517首日流失用户“属于分群>按“末次核心行为”进行分组,可以看到最后的末次行为top2分别为开始战斗、参见活动,进而带入到实际的产品逻辑中进入深入分析。
图14 选择“属性分析”模型图15 配置指标并保存用户标签适用场景
- 条件标签:根据用户做过或依次做过的行为进行用户打标签,应用场景有用户活跃度、付费情况进行用户分层等;
- 首末次标签:根据用户行为首次或末次指定事件属性值作为标签标记,应用场景有破冰付费偏好、流失前末次行为等;
- 指标值标签:根据用户某个时间范围事件属性做聚合运算,对用户打标签,应用场景有累计在线时长、战斗胜率等;
- ID标签:通过Excel导入外部标签;
- SQL标签:自定义标签逻辑;