用户粘性分析

1.1 背景

用户粘性是指用户对于品牌或产品的忠诚、信任与良性体验等结合起来形成的依赖程度和再消费期望程度，是了解产品健康度的重要指标。

为了了解团队对产品“不断改进”的过程中，对用户粘性是否有提升作用，产品同学张鸣打算制作一张用户粘性仪表板，用于观察粘性情况。

1.2 分析思路

统计一周内用户使用产品的天数分布，使用了 2 天的有多少人，连续使用 7 天的有多少人；

统计一周内登录两天以上的人数随时间的走势情况，一周登录两天以上的人数越多，说明产品健康度更好；

然后可以分类查看「合作、跟进、潜在」用户的粘性情况。

在线预览链接：用户粘性分析，您可以另存后查看内部编辑步骤或自己操作练习

1.3 分析结果

• 从第一个组件中，我们可以看到【05周—10周】一周登录两次以上的人数持续上升；结合右边的折线图组件，可以看到上升最明显的是潜在用户。说明该时间段的活动或产品优化在用户粘度反馈上是有正向影响的，特别是对潜在用户。

• 只登录一回的用户占 74.83% ，所以从整体看，用户粘性有待加强。

1.4 获取数据

本文使用的示例数据：用户登录表.xlsx

2.1 准备数据

1）新建分析主题并添加数据集「用户登录表」。详情请参见5分钟上手FineBI。

2）接下来我们要进行去重，一个用户如果在一天内多次登录的话，只需要保留一条记录。添加「分组汇总」，如下图所示：

3）添加一个计数列，给所有去重后的每一行数据标注“1”，添加「新增公式列」如下图所示：

4）统计每周内每个用户登录了几回。添加「分组汇总」并拖入字段，更改登录时间的分组为「年周数」。如下图所示：

5）点击「保存」和「更新」。

2.2 制作组件

2.2.1 查看一周登录次数超过两次的人数走势

1）将「联系电话」字段转换为指标，得到联系电话的去重计数（即所有用户的数量）。如下图所示：

2）对去重计数后的联系电话设置指标条件，过滤得到一周内登录不止一次的用户数量。如下图所示：

3）拖入字段「登录时间、联系电话」，制作趋势面积图。如下图所示：

如此便完成了一周登录超过两次人数的时间走势图。

2.2.2 查看不同状态的用户一周登录超过两次人数的走势

复制一个 2.2.1 节制作的组件，在其基础上将「客户状态」拖入颜色栏并将「面积」改成「线」。如下图所示：

如此便获得「合作、潜在、跟进」一周登录两次以上人数的走势。

其余组件用户可另存 1.2 节的仪表板，查看具体做法，本文不再赘述。

2.3 效果查看

详情请查看 1.2 节。