增长增长:使用此开放源代码执行自己的队列分析

Alejandro是一名工程师和企业家,也是一个无与伦比的成长黑客,具有无情的驱动器,以加速公司的增长。
阅读 西班牙语  es. 本文的版本翻译 Marisela Ordaz.

Alejandro Riganso是创始人 postcron.com.,在Facebook和Twitter上安排帖子的简单方法。你可以联系他 [电子邮件 protected].

队列分析, 保留 , 和 搅拌 是一些 关键指标 in company building.

但这不仅仅是关于队列分析的另一篇文章。如果你是A. 经验丰富的数据科学家 已经知道主题的重要性并想跳过介绍,你可以跳到 模拟器,您可以在那里学习如何进行队列分析和 模拟启动增长 基于保留,流失和许多其他因素,或通过我的软件分析您自己的PayPal日志 开放的.

但是,如果您没有意识到这些是围绕继续阅读的一些最重要的指标。

队列分析简介

首先,让我们通过队列分析定义了解我们在这里谈论的内容。 简而言之,队列是一组具有常见定义特征的受试者。也许这是他们的年龄,也许是他们的国籍,也许是他们的出生城市等。

年龄是一个特别好的例子。通常,我们指的是在60年代和80年代之间出生的人作为“代X”的成员以及在80年代和90年代之间出生的人作为“代Y”的成员。 每个队列每个一代都有自己的定义特征.

同样,任何公司都可以通过队列进行分析并分析客户。分析客户的常见和非常有用的方法是 将它们分组到他们开始使用您的服务的日期.

关于硅谷的这种匿名报价突出了执行有意义的队列分析的重要性。

如果我要问你怎么办:“上个月的收入是多少来自一年前开始与您合作的客户?“有的话?新用户可能看起来很好,但仅限于收入不等同于收入。你知道答案吗?如果没有,那么了解队列分析就会有助于。

队列,保留和搅拌分析

如果您通过队列分析您的收入, 您可以推断(每月)您的收入来自新用户,以及来自旧用户的收入。此外,您可以采取下一步并预测未来的收入,归因于保留和核算,以较高的精度。

好的,所以我们已经确定了一个队列是一群常见的定义特征的人。从这里,我们将通过示例进行,检查我们新的HIP云计算启动的指标。让我们首先分析单个队列。在这种情况下,我们将在2012年1月开始使用我们开始与我们合作的客户。

我们需要计算的第一个重要指标是保留:我们的新一月用户中有多少人在2月份仍然和我们在一起?假设我们有100名订阅者在1月份,只有20名决定取消他们的订阅,让我们在2月份剩下80名订阅者。基本保留分析告诉我们,保留率为80%。现在,让我们说8名客户决定在2月取消。所以三月,我们有80-8 = 72个用户。自72/80 = 90%,我们2012年1月队列2个月后保留了90%的保留。

有些人作为队列初始大小的函数计算保留,但我更愿意根据每个队列的前一个月计算保留。

流失率是另一个 基本公制。它可以在保留方面定义:Churn = 1 - 保留。因此,80%的保留意味着20%的搅拌。用文字来说,这是客户离开服务的速度。

返回我们的云计算启动,让我们分析一个 理想(阅读:虚幻)案例:100%保留率。这意味着我们的客户都没有离开服务 - 没有人取消任何人。让我们说我们的公司每月获得1000名新客户。 24个月后,该公司拥有24,000名活跃的客户。不要太糟糕。不幸的是,这种情况基本上是不可能的-100%的保留只存在于启动天堂中。

在举止实施例队列的这种保留分析中,描绘了不可能的100%保留。

现在,让我们更加逼真,并说我们公司的保留率为90%。换句话说,每个队列每个月都会失去10%的客户。再次,我们每月都会假设1000名新客户。

在这种情况下,在2012年1月收到1,000名新用户后,我们于4月8日的2月8日丢失了100名客户,依此类推。让我们看看这个图表的样子。

这次队列分析软件描绘了每个队列中的10%搅拌。

如果您查看以前的队列图,则会意识到活动用户的总数达到9,000左右。它可以在数学上展示,即使它每月收到1000名用户,这家公司将不再超过9,000名用户。

每月1000名新用户,客户保留率为90%,我们在24个月后拥有大约9,000个每月活跃的用户。比较这100%保留,我们只有37.5%的理想情况(24,000名客户)。

简单地说: 保留率的10%降低导致24个月后活性使用者总数减少62%.

这里的关键外卖:低 保留率限制增长 , 和 使用队列分析软件可用于了解您的保留率.

增长增长

现在,你可能会想:“但是alejandro,等待!如果每个公司都有流失率,并且流失率限制增长,一些公司如何实现 曲棍球棒 growth?”

我会回应的:“因为他们的增长正在增长。”

有几种增加增长的方法:增加营销预算, 优化转换,创造 推荐计划 都可以做出贡献 病毒生长。让我们分析病毒生长的情况,其中新客户的数量受到公司总体积极客户总数的影响。换句话说: 更多客户对系统等于更多人推荐新客户等于更多新客户.

让我们说,该公司在病变中越来越大,持续(k)因子为0.20,而且 公式 我们已申请计算新客户的数量是:

新客户(月)= K *客户总数(月1)

现在,让我们如前所述,让我们想象相同的例子(每月1000名新用户@ 90%保留),但这一次,我们将投入一些病毒生长(k = 0.20)。

该队列分析描述了20%的病毒生长以及10%的流失率。

从这个队列分析图中,有两个关键的外卖:首先,在24个月后,恒定因数0.20造成了1000%的积极客户(〜90,000)的增加;其次, 24个月后系统仍在增长 - 它没有达到饱和点.

因此,为了弥补我们90%的保留率, 我们需要创造每个月增长的机制.

现在,此时,您可能会说:“哇,亚历杭德罗:病毒生长显然比保留更重要。看看它是如何影响我们的客户群!“

我会回答:“不是那么快。”

让我们分析一个案例。我们的良好OL'云计算启动,但保留率为50%。我们将牢记每月1000名新用户,病毒生长速率K = 0.20。但无论视力如何,我们公司都表现得非常糟糕,每月损失50%的客户。

这种保留分析描述了一家公司做得不好的公司。

24个月后,我们公司只有3,000名活跃的客户而不是90,000 - 这是30倍的差异!保留真的是关键。

但为什么保留有这么强大的效果?简而言之: 因为病毒生长取决于活动客户的数量,所以如果我们让用户保持更长,我们将有更多的推荐.

重申:

  • 一般来说,流失限制了增长。
  • 增加病毒生长。
  • 良好的保留和病毒生长是将公司扩展到数百万,甚至数十亿用户的先决条件。

关于流失率分析的最后一句话

看到更多客户在使用期间取消服务时比稍后的价格取消服务是很常见的。这就是为什么在以下模拟中,我为您提供了两个保留率:第一个月保留率和长期保留率。在我们的计算中使用这些参数将导致更精确的结果。

结论

此队列分析教程的目的不是给您一个关于指标和队列分析的详细课程;事实上,其他人讨论了这些统计数据的复杂性 更深入。相反,我想唤醒你对这种类型分析的重要性,更重要的是,更重要的是,为了展示他们自己的收入队列分析示例和流失利率与我的开源队列分析软件解决方案。

如果只有一个问题叫醒你,那就是以下内容:

您的大部分实际收入来自于一年前开始与您合作的用户?

如何做自己的队列分析

现在轮到你了!有两种方法可以分析自己的业务保留和流失:

  1. 上传 您部署的工具的PayPal数据。有关完整披露,请注意,通过使用此工具,将临时将日志文件暂时放置在服务器上进行处理(在显示数据后立即删除)。但是,如果您更喜欢,您可以随时...
  2. 下载 开源代码并自己部署工具。 README包含如何执行此操作的详细说明。如果您没有PayPal帐户,则可以轻松地破解代码来分析其他类型的帐户。

或者,您可以使用我们的模拟器进行播放,并根据上面讨论的所有参数可视化启动增长。

谢谢阅读!