如何使用隊列數據進行APP用戶行為分析

在數據分析的世界，隊列經常被撇到一邊，這似乎是因為其復雜的特性。那么學習這些分析能夠獲得什么幫助，以及是如何做到的。

在數據分析的世界，有一個工具經常被閑置。雖然是一個非常強大的分析工具，隊列卻經常因為其復雜的特性而被放在一邊。隨著數據分析的過程中它能給與很多幫助，人們的看法發生改變，現在讓我們更加深入的認識隊列。

先解釋什么是隊列開始。隊列能夠幫助你分析一組人群在特定時間里共有的普遍特性，包括其操作或者行為。隊列允許你從更多的“微”鏡頭看到數據，并提供你一些關于整體分析拼圖中具體某一塊的細節。

舉例：每一個開發者或者分析學者首先想知道的關于他們的App的數據是留存率。你能讓多少人下載你的App，更能讓多少人保留你的App。留存率是關鍵指標，因為“用戶留存是真實的增長而不僅僅是用戶獲取”。在這樣的情況下，那些已經安裝了你的App的用戶，接下來的5天就是觀察他們是否與App有互動，作為留存率的測試。

下面的信息以表格的形式顯示：

注：cohort-隊列 ，people-人，day-天，3-JAN-2016：2016/01/03(以此類推)，average-平均值

在上面的表中，有558個用戶在2016年1月3號下載了這個App，第1天（DAY1）有30%用戶登錄使用了這個App，第二天是23%，第三天是24%，第四天是21%，第五天是25%。根據數據的顯示，很難讀出數據背后的含義，和作出快速的參考。作為分析人員，你想了解過去5天的（從下載后第1天開始）的留存趨勢，以及固定時期內的趨勢，那么說下下載后的第一天和第三天。

此外，你想測試留存的總數和（階段）獲得的用戶。對于少數隊列來說，合計是很有用的，一方面留存率可能很低，但是獲得的用戶人數很高，卻不是理想的用戶。我們對第一天，第三天和第五天的留存人數很感興趣。下面隊列數據在循環點里進行了可視化的總結：

上面的圖表顯示了日常隊列隨著選擇的天數變化的趨勢。如：從開始到第1天，第3天，第5天的三個隊列。

柱狀圖中淺色和深色的陰影部分分別表示客戶的留存數量和留存率。粉色條形圖顯示了第一天結束后的日常隊列，綠色條形圖顯示了第一天到第三天的日常隊列，紫色條形圖顯示了從第三天到第五天的日常隊列。第一天1月3號，從粉色圖表可以看出，獲得的用戶總數是558，而留存的用戶是167。對于相同的隊列，在第三天，下載總數不變，隨著從第一天開始，留存的用戶數量僅僅是167。在這167個人中，只有135個人留存下來。一個下降趨勢開始出現。

三個圖表的頂部的趨勢分析各自顯示了從第一天，第三天，第五天開始的日常隊列的留存率。三種顏色的彩條顯示了圍繞著線所代表的置信區間，而圍繞平滑線的彩條是關于留存率的。

獲得的洞察力：

1、留存率明顯向下的趨勢已經出現。自安裝App的三天后，留存率出現銳減。這需要進一步的調查，因為下降就是從第三天開始的。

2、1月3號獲得用戶有著最高的留存率，但是從第三天到第五天開始，留存率開始無預警的下降，跟其他日常隊列不一樣。應該深入挖掘1月3號當天獲得的用戶有哪些特性。另外，當天的用戶人數相比其他時候的下載人數也是最高的。

3、1月4號獲得的用戶相比1月3號，留存率較低。到了第五天，它相比第一天和第三天，留存率低于置信區間較低的條形。

4、數據同樣顯示了在1月17號用戶獲得數量出現了高峰。通過隊列的使用，我們可以學習整體趨勢，特定時間段的趨勢，極限值，以及當結合其他信息如市場營銷策略和在測試期間實現的用戶獲得策略，我們可以將這些合理的結論記下來，用來進一步增強用戶獲得的策略和留存策略。