不斷增長：使用此開源代碼執行您自己的隊列分析

隊列分析、保留和流失是公司建設中的一些關鍵指標。

但這不僅僅是另一篇關於隊列分析的文章。 如果您是一位經驗豐富的數據科學家，並且已經知道該主題的重要性並想跳過介紹，您可以跳到模擬器，在那裡您可以學習如何進行群組分析並根據留存率、流失率和許多其他因素，或使用我開源的軟件分析您自己的 PayPal 日誌。

但是，如果您沒有意識到這些是一些最重要的指標，請繼續閱讀。

隊列分析簡介

首先，讓我們通過隊列分析定義來理解我們在這裡談論的內容。 簡而言之，隊列是一組具有共同定義特徵的受試者。 也許是他們的年齡，也許是他們的國籍，也許是他們的出生城市，等等。

年齡是一個特別好的例子。 通常，我們將 60 至 80 後的人稱為“X 一代”，將 80 至 90 後的人稱為“Y 一代”。 每一個群體，每一代人，都有自己的定義特徵。

同樣，任何公司都可以按群組對客戶進行分組和分析。 分析客戶的一種常見且非常有用的方法是按他們開始使用您的服務的日期對他們進行分組。

如果我問你：“你上個月的收入有多少來自一年前開始與你合作的客戶？ “有嗎？ 新用戶可能看起來不錯，但僅註冊並不等於收入。 你知道答案嗎？ 如果沒有，了解隊列分析會很有幫助。

群組、留存和流失分析

如果您按同類群組分析收入，您可以（按月）推斷您的收入中有多少來自新用戶，有多少來自老用戶。 此外，您可以採取下一步行動，以更高的精度預測歸因於留存和客戶流失的未來收入。

好的，所以我們已經確定一個群組是一群具有共同定義特徵的人。 從這裡開始，我們將通過示例來檢查我們新的時髦雲計算初創公司的指標。 讓我們從只分析一個隊列開始。 在本例中，我們將查看 2012 年 1 月開始與我們合作的客戶。

我們需要計算的第一個重要指標是留存率：有多少一月份的新用戶在二月份還和我們在一起？ 假設我們 1 月份有 100 名訂閱者，只有 20 人決定取消訂閱，而 2 月份我們還剩下 80 名訂閱者。 基本保留分析告訴我們，保留率為 80%。 現在，假設有 8 位客戶決定在 2 月份取消訂單。 所以在三月份，我們有 80-8=72 個用戶。 由於 72/80 = 90%，我們 2012 年 1 月的隊列在 2 個月後保留了 90%。

有些人將留存率計算為隊列初始規模的函數，但我更喜歡將留存率計算為每個隊列上個月的函數。

流失率是另一個重要指標。 它可以根據留存率來定義：流失 = 1 - 留存率。 所以 80% 的留存率意味著 20% 的流失率。 換句話說，它是客戶離開您的服務的速度。

回到我們的雲計算初創公司，讓我們分析一個理想（閱讀：虛幻）的案例：100% 的保留率。 這意味著我們的客戶都不會離開服務——沒有人會取消任何服務。 假設我們公司每月有 1,000 名新客戶。 24 個月後，這家公司擁有 24,000 名活躍客戶。 還不錯。 不幸的是，這種情況基本上是不可能的——100% 的留存只存在於創業天堂。

現在，讓我們稍微現實一點，假設我們公司有 90% 的保留率。 換句話說，每個群組每月都會失去 10% 的客戶。 同樣，我們假設每月有 1,000 個新客戶。

在這種情況下，在 2012 年 1 月收到 1,000 個新用戶後，我們在 2 月失去了 100 個客戶，在 3 月失去了 90 個客戶，在 4 月失去了 81 個客戶，依此類推。 讓我們看看這個圖表是什麼樣子的。

每月有 1000 名新用戶，客戶保留率為 90%，24 個月後，我們每月有大約 9,000 名活躍用戶。 將此與 100% 的保留率相比，我們只有理想情況的 37.5%（24,000 名客戶）。

簡而言之：留存率下降 10% 會導致 24 個月後活躍用戶總數下降 62% 。

這裡的關鍵要點：低保留率限制了增長，使用同類群組分析軟件有助於了解您的保留率。

不斷增長的增長

有幾種方法可以增加增長：增加營銷預算、優化轉化率和創建推薦計劃都可以促進病毒式增長。 我們來分析一下病毒式增長的案例，其中新客戶的數量受公司活躍客戶總數的影響。 換句話說：系統上的更多客戶等於更多推薦新客戶的人等於更多新客戶。

假設公司以 0.20 的常數 (K) 因子呈病毒式增長，我們用於計算新客戶數量的公式是：

現在，讓我們想像與之前相同的示例（每月 1000 個新用戶 @ 90% 的留存率），但這一次，我們將投入一些病毒式增長（K = 0.20）。

從這個同期群分析圖中，有兩個關鍵要點：首先，0.20 的常數因子導致 24 個月後活躍客戶總數（約 90,000）增加了 1000%； 其次，該系統在 24 個月後仍在增長——它沒有達到飽和點。

因此，為了彌補我們 90% 的保留率，我們需要創建機制來促進我們每個月的增長。

現在，在這一點上，你可能會說：“哇，亞歷杭德羅：病毒式增長顯然比留存更重要。 看看它是如何影響我們的客戶群的！”

我會回應：“沒那麼快。”

我們再分析一個案例。 我們不錯的雲計算初創公司，但保留率只有 50%。 我們將堅持每月 1,000 名新用戶和病毒式增長率 K = 0.20。 但不管病毒式傳播如何，我們公司的表現真的很糟糕，每個月都會失去 50% 的客戶。

24 個月後，我們公司只有 3,000 名活躍客戶，而不是 90,000 名——相差 30 倍！ 保留確實是關鍵。

但為什麼留存有如此強大的效果呢？ 簡而言之：因為病毒式增長取決於活躍客戶的數量，所以如果我們留住用戶的時間更長，我們就會有更多的推薦人。

回顧一下：

• 一般來說，流失會限制增長。
• 保留會增加病毒式增長。
• 良好的留存率和病毒式增長是將公司擴展到數百萬甚至數十億用戶的先決條件。

關於流失率分析的最後一句話

在使用的第一個月內看到更多的客戶取消服務是很常見的。 這就是為什麼在下面的模擬中，我為您提供了兩個保留率：第一個月保留率和長期保留率。 在我們的計算中使用這些參數將導致更精確的結果。

結論

本群組分析教程的目的不是為您提供有關指標和群組分析的詳細課程； 事實上，其他人更深入地討論了這些統計數據的複雜性。 相反，我想提醒您這種分析的重要性，更重要的是，通過我的開源同期群分析軟件解決方案向讀者展示他們自己的收入同期群分析示例和流失率。

如果只有一個問題可以喚醒你，那就是：

您的實際收入中有多少來自一年前開始與您合作的用戶？

如何進行自己的同期群分析

現在輪到你了！ 有兩種方法可以分析您自己的業務的保留率和流失率：

1. 將您的 PayPal 數據上傳到我部署的工具。 為全面披露，請注意，通過使用此工具，您的日誌文件將臨時放置在服務器上進行處理（數據顯示後立即刪除）。 但是，如果您願意，您可以隨時...
2. 下載開源代碼並自行部署工具。 自述文件包含有關如何執行此操作的詳細說明。 如果您沒有 PayPal 賬戶，您可以輕鬆破解代碼以分析其他類型的賬戶。

或者，您可以使用我們的模擬器並根據上面討論的所有參數可視化啟動增長。

謝謝閱讀！