首页 › 网站首页 ›运营营销› APP运营 › 查看内容

用户运营分析（指标体系+用户标签）

网络营销 2022-6-20 10:06 6904人围观 APP运营

布景

对于APP 用户运营团队来说，领会用户范围以及范围的变更状态，才更好更好定位题目及设想贴切的用户运营计划，终极到达增加目标。

项目思绪

建立平常运营目标系统。按照用户活跃目标来慢慢建立用户目标系统，包括DAU/DNU/逐日消耗转化率/逐日新用户消耗转化率，观察提炼各个目标变更特点（对照分析），并持久保护；
分析用户组成。按照用户生命周期，建立分歧阶段用户标签，观察逐日用户范围变化趋向，持久监测保护，针对分歧用户做本性化运营；
分析复购用户画像。对照复购用户和非复购用户行为数据，寻觅复购特征，增强指导；

项目流程

1.用户目标系统

--建立表格，并导入数据
-- DAU
select date(action_time),count(distinct user_id)
from user_action
group by date(action_time)

-- DNU
select reg_time,count(distinct user_id) from user_info
where reg_time >='2022-2-1'
group by reg_time

-- 逐日消耗转化率
select date(action_time),count(distinct user_id) AU_count,
count( distinct if(type=4,user_id,Null)) AU_4_count,
concat(round(count(distinct if(type=4,user_id,Null))/count(distinct user_id)*100,2),"%") as pre
from user_action
group by date(action_time)
order by date(action_time)

-- 逐日新用户下单转化率
select reg_time,count(distinct user_info.user_id) as NU_Count,
count(distinct if(type=4,user_info.user_id,Null)) as NU_4_count,
concat(round(count(distinct if(type=4,user_info.user_id,Null))/count(distinct user_info.user_id) *100,2),"%") as pre
from user_info
left join user_action on user_action.user_id = user_info.user_id and reg_time = date(action_time)
where reg_time >='2022-2-1'
group by reg_time
order by reg_time;

总共是76天记录，发现2月日起头DAU才有参考数据（1.31只要1个，不作参考），所今前期计较以2.1为分析起点日期。2月中旬起头DAU一向在增加，3月15日到达峰值588，以后下降稳定在360左右；逐日下单与DAU呈正相关，而且也在3.15到达峰值；新用户注册一向是个位数，说明该平台今朝主如果依靠老用户存活，大概运营偏向是面向老用户的；消耗转化率稳定在3%-5%；新注册用户的根基不会在当日发生消耗。

2.用户标签

当新增用户、激活用户增加，且就寝用户、流失用户削减，那我们的用户范围就在呈上升趋向；反之，则呈下降趋向。分析近期我们用户范围的变更趋向，判定我们的用户池的健康水平。
标签制定：

将注册当天的用户作为新用户
将注册未满一周的用户作为未激活用户（为了避免新用户成为跳出用户）
注册后的第8天，用户进入激活期，激活期为注册后的第8到第14天，在激活期回访的用户，则成为激活用户。（为了让未激活用户成为激活用户）
若用户成为激活用户后，有一周没有活跃；或从注册后在激活期（第8到第14天）未激活且第14天以后也未活跃的用户作为就寝用户。（首要做叫醒）
将成为就寝用户后，有两周没有活跃的用户作为流失用户。（虽然同为叫醒范围，可是流失用户的叫醒难度要大于就寝用户，在预算较少的叫醒活动中不予斟酌。）

-- 先整理天天用户的注册时候，比来活跃时候
create table base_info as
select
a.dates,user_info.user_id, date(reg_time) date_reg,max_time,min_time
from
(select date(action_time) as dates,user_id,max(date(action_time)) as max_time,min(date(action_time)) as min_time from user_action
group by date(action_time),user_id)a
left JOIN user_info
on user_info.user_id=a.user_id
GROUP BY a.dates,a.user_id
ORDER BY a.dates,a.user_id

--用户标签
create view emp as
select dates,user_type,count(*) as user_count from (
select *,
case when dates =date_reg then "new_user"
when (datediff(max_time,date_reg)<7 or max_time is null) and datediff(dates,date_reg)<14 then "inaction_user"
when datediff(max_time,date_reg)>=7 and datediff(dates,max_time)<7 then "action_user"
when (datediff(max_time,date_reg)>=7 and datediff(dates,max_time)>7) or (datediff(dates,date_reg)>14 and (datediff(max_time,date_reg)<7 or max_time is null )) then "sleep_user"
when (datediff(max_time,date_reg)>=7 and datediff(dates,max_time)>21 ) or (datediff(dates,date_reg)>28 and (datediff(max_time,date_reg)<7 or max_time is null )) then "lose_user"
end
as user_type
from base_info) as A
group by dates, user_type
-- 统计逐日用户组成
select dates,
max(case user_type when 'new_user' then user_count else 0 end) as 'new_user',
max(case user_type when 'inaction_user' then user_count else 0 end) as 'inaction_user',
max(case user_type when 'action_user' then user_count else 0 end) as 'action_user',
max(case user_type when 'sleep_user' then user_count else 0 end) as 'sleep_user',
max(case user_type when 'lose_user' then user_count else 0 end) as 'lose_user'
from emp
group by dates

就寝用户、流失用户都很是低，平台老用户粘性很是高，是影响平台dau的关键群体；
新注册用户少，可以从拉新偏向做用户增加；
3.15活跃用户有骤降，能够战争台活动有关，需要进一步分析

3.用户复购分析

对于用户运营来说，由于获客本钱居高不下，提升用户复购是将用户代价最大化的关键。那到底什么时辰该关注复购，凯文·希尔斯特罗姆在《精益数据分析》一书中给了参考：

90天内反复采办率到达1%~15%；说明你处于用户获得形式；把更多的精神和资本投入到新用户获得和转化；
90天内反复采办率到达15~30%；说明你处于夹杂形式；平衡用在新用户转化和老用户保存、复购上的精神和资本；
90天内反复采办率到达30%以上；说明你处于虔诚度形式；把更多的精神和资本投入到用户复购上；
用户复购率 = 复购用户数 / 活跃用户数；
复购用户数：一段时候内采办次数达两次及以上的用户数

--复购
select count(if(order_count>1,user_id,null)) fugou_user_count, sum(ren) au_count,
count(if(order_count>1,user_id,null))/sum(ren) as fugoulv

from (
select user_id, count(if(type=4,user_id,null)) as order_count, 1 as ren
from user_action
group by user_id ) a

复购率在8%，属于新用户获得形式，可以寻觅合适渠道，加大拉新

--用户画像静态标签_复购（各年龄段，各性此外人数）
select age_between,sex,count(*) '人数' from user_info where user_id in(
select user_id
from user_action
group by user_id
having count(if(type=4,user_id,null)) >1)
group by age_between,sex

-- 用户画像静态标签_非复购（各年龄段，各性此外人数）
select age_between,sex,count(*) '人数' from user_info where user_id in(
select user_id
from user_action
group by user_id
having count(if(type=4,user_id,null)) <=1)
group by age_between,sex
order by age_between,sex