在中文互联网世界里，详细介绍分组分析的文章少得可怜，而这个工具又是最常用、最易用、最必要的工具之一，所以下面我就给大家具体介绍该如何理解和使用它。
表12-1是一个最典型的分组分析表格。其中第一列为自然月的排列（按照月份为维度一般是投资人会看的时间长度，建议创业公司内部都按照周为维度来监测数据），第二列为对应每个自然月的新增用户数，1～10月数据为当月新增的用户数在后续每个月的留存情况。比如1月公司新增用户80个，在当月流失2个剩余78个（流失和留存的定义每个公司都可能不同，根据不同定义，也可能第一个月的留存都是100%），在2月又流失了3个还剩下75个，以此类推。所以比如3月的总下单用户数是261，其实是由1月新增还剩下的72个，2月新增还剩下的86个，和3月刚刚新增的103个组成的。
表12-1 每月的留存用户数
表12-2是根据表12-1中的留存数据计算得出的留存率。这里可以注意到，表12-2把表12-1的表格内容左右倒置了一下，而且表中的时间从表12-1中的1月、2月、3月……改为了0、1、2……表12-1中的1月、2月等为自然月，而这里则是间隔的月份。0代表当月，1代表1个月之后，以此类推。所以根据这张表格我们可以得到：
1.横向比较，可以看出每月新增用户在后续各月的留存率情况。
2.纵向比较，可以看出不同月份新增用户，分别在当月、下个月、下下个月等的留存表现。
表12-2 每月的用户留存率
(www.xing528.com)
对应这两点，一家好的公司应有的趋势是：
1.横向的留存数据最终会在某个月份之后停留在一个固定的留存率上，比如某个月获取的100个用户，在半年后每个月的留存率都稳定在60%，这就说明这批用户是稳定留存下来的。如果留存率是一直下降的（哪怕下降的速度很慢），也会在之后的某个月份归零，也就是说不管新增多少用户，最终都一个不剩。
2.纵向的留存数据应该是越来越好的。因为公司和创始团队应该不断地根据历史情况改进产品和体验等，所以越后加入的用户，应该能享受到越好的产品和服务，后续几个月的留存率就应该更高。
对比以上两点和表格中的数据，可以看到我们上面用来举例的这家公司做得还不够好。
表12-3是根据留存数据转化的流失率的表格，和留存率唯一不同的地方是，这个数据是根据前一个月的数据分别计算的流失率。比如我们留存率的表格中，1月新用户在0个月的时候的留存率是97.5%，1个月之后的留存率是93.75%，而表12-3中的流失率分别是2.5%和3.75%（而不是6.25%）。这样组织数据可以让我们更好地看到具体每个月的流失率的情况，也可以知道是哪个月做得最有问题。
表12-3 每月的流失率
上面就基本说清了用户相关的分组分析该如何做，根据分组分析我们可以更好地知道一家公司具体的运营情况，而且是分组的且有时间延展性的。你可以看到每月的新增用户数量的变化情况（是否在合理增长），不同月份新增用户在后续每个月的留存情况（留存率是否合理？是否有某个月的数据反常？比如可能某个月的新增渠道改变，造成新增用户的质量有差异，所以后续每月的流失率都下降更快），每个月的流失率情况（是否某个月因为做了什么动作而造成历史用户的流失率大幅上升）等。如果只看当月的总用户情况，那么上述这些问题都会被掩盖，尤其是新增用户数量大的时候，表面看起来公司用户是在增长，但很可能全都是靠新增用户拉动的。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
