النمو المتزايد: قم بإجراء التحليل الجماعي الخاص بك باستخدام كود المصدر المفتوح هذا

يعد تحليل المجموعة ، والاحتفاظ ، والتخبط من بعض المقاييس الرئيسية في بناء الشركة.

لكن هذه ليست مجرد مقالة أخرى عن التحليل الجماعي. إذا كنت عالم بيانات متمرسًا وتعرف بالفعل أهمية الموضوع وترغب في تخطي المقدمة ، فيمكنك الانتقال إلى المحاكي ، حيث يمكنك تعلم كيفية إجراء تحليل جماعي ومحاكاة نمو بدء التشغيل استنادًا إلى الاحتفاظ ، والتخبط ، و عدد من العوامل الأخرى ، أو تحليل سجلات PayPal الخاصة بك باستخدام البرنامج الذي قمت بفتحه.

ومع ذلك ، إذا كنت لا تدرك أن هذه بعض أهم المقاييس حولها ، فتابع القراءة.

مقدمة في التحليل الجماعي

أولاً ، دعنا نفهم ما نتحدث عنه هنا بتعريف التحليل الجماعي. باختصار ، المجموعة هي مجموعة من الموضوعات ذات خاصية تعريف مشتركة . ربما هذا هو سنهم ، وربما جنسيتهم ، وربما المدينة التي ولدوا فيها ، وما إلى ذلك.

العمر مثال جيد بشكل خاص. غالبًا ما نشير إلى أولئك الذين ولدوا بين الستينيات والثمانينيات كأعضاء في "الجيل العاشر" وأولئك الذين ولدوا بين الثمانينيات والتسعينيات كأعضاء في "الجيل Y". كل مجموعة ، كل جيل ، لها خصائصها المميزة .

وبالمثل ، يمكن لأي شركة تجميع وتحليل عملائها حسب المجموعة. من الطرق الشائعة والمفيدة جدًا لتحليل عملائك تجميعهم حسب التاريخ الذي بدأوا فيه استخدام خدمتك .

ماذا لو سألتك: " كم من إيراداتك الشهر الماضي أتت من العملاء الذين بدأوا العمل معك منذ عام؟ "أي شيء على الإطلاق؟ قد يبدو المستخدمون الجدد في حالة جيدة ، لكن الاشتراكات وحدها لا تعني الأرباح. هل تعرف الإجابة؟ إذا لم يكن الأمر كذلك ، فسيكون من المفيد التعرف على التحليل الجماعي.

المجموعات ، والاحتفاظ ، والتحليل المتخبط

إذا قمت بتحليل أرباحك حسب المجموعات ، يمكنك استنتاج (على أساس شهري) مقدار أرباحك التي تأتي من مستخدمين جدد ومقدار ما يأتي من المستخدمين القدامى . بالإضافة إلى ذلك ، يمكنك اتخاذ الخطوة التالية والتنبؤ بالإيرادات المستقبلية المنسوبة إلى الاحتفاظ ومحاسبة الزخم بدرجة أعلى بكثير من الدقة.

حسنًا ، لقد توصلنا إلى أن المجموعة الفوجية هي مجموعة من الأشخاص لها خاصية تعريف مشتركة. من هنا ، سننتقل من خلال المثال ، بفحص مقاييس بدء تشغيل الحوسبة السحابية الجديدة. لنبدأ بتحليل مجموعة واحدة فقط. في هذه الحالة ، سنلقي نظرة على العملاء الذين بدأوا العمل معنا في كانون الثاني (يناير) 2012.

المقياس الأول المهم الذي نحتاج إلى حسابه هو الاحتفاظ : كم عدد المستخدمين الجدد لشهر كانون الثاني (يناير) الذي ظل معنا في شباط (فبراير)؟ لنفترض أن لدينا 100 مشترك في يناير ، وقرر 20 مشتركًا فقط إلغاء اشتراكاتهم ، مما ترك لنا 80 مشتركًا متبقيًا في فبراير. يخبرنا تحليل الاحتفاظ الأساسي أن معدل الاستبقاء 80٪. الآن ، لنفترض أن 8 عملاء قرروا الإلغاء في فبراير. لذلك في مارس ، لدينا 80-8 = 72 مستخدمًا. منذ 72/80 = 90٪ ، احتفظنا بنسبة 90٪ بعد شهرين لمجموعة كانون الثاني (يناير) 2012.

يحسب بعض الأشخاص الاستبقاء كدالة للحجم الأولي للمجموعة ، لكنني أفضل حساب الاستبقاء كدالة للشهر السابق لكل مجموعة.

معدل التموج هو مقياس أساسي آخر. يمكن تعريفه من حيث الاستبقاء: churn = 1 - الاحتفاظ. لذا فإن الاستبقاء بنسبة 80٪ يعني حدوث خلل بنسبة 20٪. بالكلمات ، هو المعدل الذي يترك به العملاء خدمتك.

بالعودة إلى بدء تشغيل الحوسبة السحابية ، دعنا نحلل حالة مثالية (اقرأ: غير حقيقية) : معدل الاحتفاظ بنسبة 100٪. هذا يعني أن لا أحد من عملائنا يترك الخدمة - ولا أحد يلغيها على الإطلاق. لنفترض أن شركتنا تحصل على 1000 عميل جديد شهريًا. بعد 24 شهرًا ، أصبح لدى هذه الشركة 24000 عميل نشط. ليس سيئا جدا. لسوء الحظ ، هذا السيناريو مستحيل أساسًا - الاحتفاظ بنسبة 100٪ موجود فقط في جنة بدء التشغيل.

الآن ، لنكن أكثر واقعية إلى حد ما ونقول إن شركتنا لديها معدل استبقاء 90٪. بعبارة أخرى ، تخسر كل مجموعة 10٪ من عملائها كل شهر. مرة أخرى ، سنفترض 1000 عميل جديد كل شهر.

في هذه الحالة ، بعد استقبال 1000 مستخدم جديد في يناير 2012 ، فقدنا 100 عميل في فبراير ، و 90 في مارس ، و 81 في أبريل ، وما إلى ذلك. دعونا نرى كيف يبدو هذا الرسم البياني.

مع 1000 مستخدم جديد شهريًا بمعدل 90٪ للاحتفاظ بالعملاء ، لدينا حوالي 9000 مستخدم نشط شهريًا بعد 24 شهرًا. قارن هذا بنسبة احتفاظ بنسبة 100٪ ، ولدينا 37.5٪ فقط من الحالة المثالية (24000 عميل).

ببساطة: أدى الانخفاض بنسبة 10٪ في معدل الاستبقاء إلى انخفاض بنسبة 62٪ في إجمالي عدد المستخدمين النشطين بعد 24 شهرًا .

النقاط الرئيسية هنا: معدلات الاستبقاء المنخفضة تحد من النمو ، واستخدام برنامج لتحليلات المجموعة مفيد لفهم معدلات الاستبقاء لديك .

النمو المتزايد

هناك عدة طرق لزيادة النمو: زيادة ميزانية التسويق ، وتحسين التحويلات ، وإنشاء برامج إحالة يمكن أن تساهم جميعها في النمو الفيروسي. دعنا نحلل حالة النمو الفيروسي ، حيث يتأثر عدد العملاء الجدد بالعدد الإجمالي لعملاء الشركة النشطين. بعبارة أخرى: المزيد من العملاء على النظام يساوي عددًا أكبر من الأشخاص الذين يقومون بإحالة عملاء جدد يساوي عددًا أكبر من العملاء الجدد .

لنفترض أن الشركة تنمو فيروسيًا بعامل ثابت (K) يساوي 0.20 وأن الصيغة التي طبقناها لحساب عدد العملاء الجدد هي:

الآن ، دعنا نتخيل نفس المثال السابق (1000 مستخدم جديد شهريًا @ 90٪ احتفاظ) ، ولكن هذه المرة ، سنقوم ببعض النمو الفيروسي (مع K = 0.20).

من الرسم البياني لتحليل المجموعة ، هناك نوعان من الوجبات السريعة الرئيسية: أولاً ، تسبب العامل الثابت 0.20 في زيادة بنسبة 1000٪ في العدد الإجمالي للعملاء النشطين (90.000 تقريبًا) بعد 24 شهرًا ؛ وثانيًا ، لا يزال النظام ينمو بعد 24 شهرًا - لم يصل إلى نقطة التشبع .

لذلك ، للتعويض عن معدل استبقاء 90٪ لدينا ، نحتاج إلى إنشاء آليات لزيادة نمونا كل شهر .

الآن ، في هذه المرحلة ، قد تقول: "واو ، أليخاندرو: من الواضح أن النمو الفيروسي أكثر أهمية من الاحتفاظ. انظر كيف أثر ذلك على قاعدة عملائنا! "

سأجيب عليه: "ليس بهذه السرعة."

دعنا نحلل حالة أخرى. بدء تشغيل الحوسبة السحابية الجيدة لدينا ، ولكن بمعدل استبقاء 50٪. سنلتزم بـ 1000 مستخدم جديد شهريًا ومعدل نمو فيروسي K = 0.20. ولكن بغض النظر عن الانتشار ، فإن أداء شركتنا سيئ حقًا ، حيث تخسر 50٪ من عملائنا في كل مجموعة ، كل شهر.

بعد 24 شهرًا ، أصبح لدى شركتنا 3،000 عميل نشط فقط بدلاً من 90،000 –وهذا فرق 30 ضعفًا! الاحتفاظ هو حقا المفتاح.

ولكن لماذا يكون للاحتفاظ بهذا التأثير القوي؟ باختصار: نظرًا لأن النمو الفيروسي يعتمد على عدد العملاء النشطين ، لذلك إذا احتفظنا بمستخدمينا لفترة أطول ، فسنحصل على المزيد من الإحالات .

إلى خلاصة:

• بشكل عام ، يحد من النمو المضطرب.
• يزيد الاحتباس من نمو الفيروس.
• يعد الاحتفاظ الجيد والنمو الفيروسي من المتطلبات الأساسية لتوسيع نطاق الشركة إلى ملايين أو حتى مليارات المستخدمين.

كلمة أخيرة في تحليل معدل التموج

من الشائع جدًا أن ترى عددًا أكبر من العملاء يلغون الخدمة خلال الشهر الأول من الاستخدام أكثر مما يحدث لاحقًا. لهذا السبب في المحاكاة التالية ، أقدم لك معدلي استبقاء: معدل الاحتفاظ بالشهر الأول ومعدل الاحتفاظ طويل الأجل. سيؤدي استخدام هذه المعلمات في حساباتنا إلى نتائج أكثر دقة.

خاتمة

لم يكن الغرض من هذا البرنامج التعليمي لتحليل المجموعات هو إعطائك فصل دراسي مفصل حول المقاييس وتحليلات المجموعة ؛ في الواقع ، ناقش آخرون تعقيد هذه الإحصائيات بعمق أكبر. بدلاً من ذلك ، أود إيقاظك على أهمية هذا النوع من التحليل ، والأهم من ذلك ، أن أظهر للقراء أمثلة لتحليل مجموعة الإيرادات الخاصة بهم ومعدلات التغيير مع حل برمجيات التحليل الجماعي مفتوح المصدر الخاص بي.

إذا كان هناك سؤال واحد فقط لإيقاظك ، فهو كالتالي:

كم من أرباحك الفعلية تأتي من المستخدمين الذين بدأوا العمل معك منذ عام؟

كيف تقوم بتحليل المجموعة الخاصة بك

الان حان دورك! هناك طريقتان لتحليل استبقاء عملك التجاري الخاص بك:

1. قم بتحميل بيانات PayPal الخاصة بك إلى الأداة التي قمت بنشرها . للإفصاح الكامل ، يرجى ملاحظة أنه باستخدام هذه الأداة ، سيتم وضع ملف السجل الخاص بك مؤقتًا على خادم للمعالجة (يتم حذفه بمجرد عرض البيانات). ومع ذلك ، يمكنك دائمًا ...
2. قم بتنزيل التعليمات البرمجية مفتوحة المصدر ونشر الأداة بنفسك . يحتوي README على إرشادات مفصلة حول كيفية القيام بذلك. إذا لم يكن لديك حساب PayPal ، فيمكنك اختراق الكود بسهولة لتحليل أنواع أخرى من الحسابات.

بدلاً من ذلك ، يمكنك اللعب باستخدام جهاز المحاكاة الخاص بنا وتصور نمو بدء التشغيل بناءً على جميع المعلمات التي تمت مناقشتها أعلاه.

شكرا للقراءة!