以下是在前公司實施過的一個案例,應用了傅里葉變換方法,不太復雜,希望有點幫助。


對于前端的產品,無論是APP、小程序、PC端網頁等等,對用戶的留存分析都是非常重要的一環。留存分析提供的是,“回頭客”的行為模式細節情況。


用戶留存,本身涉及用戶的兩次行為(初始行為與回流行為),且兩次行為需要符合一定的時間間隔。那至少就有兩個衍生的問題:
- 對于某個功能/產品,究竟應該關注“日留存”、“周(7天)留存”、“月留存”還是更長時間間隔的留存?
- 使用此功能/產品的用戶,在使用間隔T(其倒數即為使用頻率F)上究竟有哪些模式,是只有一種還是多種?
解決什么問題
所以,我們希望解決的是:通過分析用戶使用某個功能/產品的時間間隔T及頻率F的模式,實現兩個目的:
- 為產品挑選一個核心留存KPI – 可能是日留存、周留存、月留存等等,之一;
- 通過了解用戶使用產品的頻率模式,制定差異化的運營策略;
什么是傅里葉變換
傅里葉變換,將原始信號,從時域信號變換為頻域信號,以便理解信號的組成。
如下圖所示,一個觀察到的原始信號,實際是由多個不同頻率的信號疊加而成的,而通過傅里葉變換,可以將這個原始信號拆解開,分解還原為這些不同頻率的信號,而且可以通過信號強度,判斷哪些頻率的信號,是比較強的信號。


傅里葉變換原理示意圖
怎樣應用
更直觀理解,如下圖是針對某APP的飯票功能,它的過去3個月用戶使用間隔天數的統計分布圖(橫軸為間隔天數,縱軸為統計人數)。原始數據,當然是功能/產品的行為埋點數據,通過匯總統計得出此分布圖。


從這個圖上,你能直接看出用戶使用的時間間隔的模式么?7天的模式是顯而易見的,但是否還有其他模式呢?這就需要使用傅里葉變換。
將分布圖數據作為快速傅里葉變換的離散信號輸入,則得出不同頻率的信號強度:


將頻率取倒數則得到時間間隔T,也就是可以知道,用戶使用該APP的飯票功能,會以哪幾種時間間隔來使用,也就可以以此為依據將用戶進行分群差異化運營:
1. 圖中說明最強的是7天時間間隔的模式,也就是相當多一部分用戶是每周回流此功能的(可能是每周活動導致,可以結合實際情況確認);
2. 由此可以認為本功能,目前是每周使用的頻率為主,結合業務定位及產品背景,將“周留存”設為本功能的留存關鍵指標;
3. 使用間隔7天左右的用戶,可以認為是本飯票功能相對忠實高頻的用戶,通過定向任務促使其至少能保持當前的使用頻次;
4. 使用間隔大于14天的用戶,可以認為是本飯票功能較低頻的用戶,可以通過定向投放高價值券促使其提升使用頻次,以進一步提升功能的周留存指標;
5. 使用間隔在2、3天,從圖中也能看出是很強的模式,用戶人數占比較多,三天兩頭就過來使用本功能的用戶,絕對是高度忠誠的高頻用戶了,對于這些用戶可以著力在提升其價值貢獻(消費更多)或提升其尊貴體驗等,而非再進一步讓其提升使用頻率。
拓展應用
以上就是傅里葉變換應用于APP功能使用頻率的分析,目的是希望了解并提升APP某個功能模塊的留存能力,廣泛適用于各種業務場景。通過發現用戶的不同使用周期模式,我們可以將用戶劃分為幾類,并對應打上大數據標簽,結合其他畫像類、業務類、行為類標簽,可以作更進一步的精細化運營策略設計。


本文為@運營喵原創,運營喵專欄作者