【51CTO.com快譯】在數據分析的世界中，隊列分析因為看似非常復雜而總是被人忽視。這一次讓我們來看一看隊列分析究竟能為我們提供什么?以及怎樣進行這種分析。

在種種數據分析工具中，有一種工具經常不被人使用，那就是隊列分析。雖然隊列分析是一種非常強大的分析方式，但因為它看起來非常復雜而總是被人放在一邊。然而，隊列分析能夠為我們提供大量的有效結果，今天就讓我們深入淺出的了解一下它。

讓我們首先來解釋一下什么是隊列分析。隊列分析能夠幫助你在特定的時間段對具有共同特征的一組人群的行為動作進行分析。它能夠讓你通過更加精密的“顯微鏡”來觀察數據，將一個大難題拆分成細碎的拼圖，然后在每塊拼圖上展示出細節。

例如，對于每一個開發者或者分析師來說，他們最想知道的數據分析結果之一就是應用的保留率。因為你有很多種辦法可以讓人們去下載你的應用，但是你會非常希望知道有多少人最終保留了你的應用。保留率是一個關鍵的指標。正如人們所說的：“留住用戶而不是獲得用戶才意味著真正的增長。”在這種情況下，你需要分析安裝移動應用的用戶數據，以及在5天內與該應用進行了交互的用戶數據，用來測量保留率。

這些信息一般會以如下的表格形式顯示：

在上表中，558位用戶在1月3日安裝了應用，在其中有30%的用戶在一天之后回來訪問了這個應用，有23%的用戶在兩天以后訪問了這個應用，有24%是在3天以后，21%是在4天以后，而25%是在5天之后。

這種類型的數據讓人很難清楚地理解數字之間的關系并且作出快速的推斷。作為一名分析師，你會希望通過這5天的數字了解保留率的趨勢以及在日期與日期之間的趨勢，比如在安裝以后第1天與第3天之間的保留情況。

此外，你還需要測量保留用戶與安裝用戶的總數量。這些數字對于隊列分析是非常有用的，如果保留率比較低但安裝用戶很高，那么這顯然是不希望看到的。

假設我們想看到應用安裝后第1天、第3天和第5天的保留數量，那么通過隊列分析，數據就可以以下面的視圖總結并展示出來：

上面的圖表展示了所選定時間段中每天的隊列數據變化情況。這3個隊列分別代表第1天、第3天和第5天。

圖表中豎條的淺色與深色分別代表了用戶總數與保留用戶的數量。粉色豎條顯示的是到第1天日末當天隊列數據的變化情況。綠色顯示的是從第1天到第3天的變化情況。而紫色則顯示的是從第3天到第5天的每日隊列數據變化情況。在第1天也就是1月3日總共安裝用戶為558人，而留存用戶則是深粉色顯示的167人。綠色圖表的顯示也是一致的。在第3天，總用戶是第1天留存的167人，而在這167人中只有135個人保留住了，因此顯示出一個向下的趨勢。

在圖標頂部的曲線顯示的是趨勢分析。粉色、綠色和藍色的平滑曲線分別代表著第1天、第3天和第5天的保留率隊列變化情況，圍繞著曲線的3種顏色的帶狀區域是保留率的可信區間。

分析結果：

用戶保留率出現了明顯的下降趨勢。在應用安裝的第3天之后出現了急劇的下降，下降原因需要進一步探討。

• 1月3日獲取的用戶在第3天到第5天之間表現出了最高的保留率，幾乎沒有下降，和其他區間的隊列數據完全不同，需要深入的了解1月3日所獲取用戶的類型以及特點。此外，用戶總量在這個階段也是最高的。
• 在1月4日獲取的用戶在第5天的保留率相較于第1天與第3天都要低。保留率低于可信區間的下限。
• 1月6日獲取的用戶的第3天保留率明顯高于其他區間。23%的保留率超過了可信區間的上限。
• 數據顯示1月17日的用戶獲取數量出現了一次高峰。

通過應用隊列分析我們可以了解到很多信息，能夠獲取總體趨勢、特定區間的趨勢以及與其它信息包括實施營銷策略與獲取用戶策略相混合時的各種趨勢，能夠幫助我們得出合理的結論，進一步制定更有效的用戶獲取與用戶保留策略。

原文標題：How to Use Cohort Data to Analyze User Behavior

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】

【責任編輯：Ophira TEL：（010）68476606】