分组分析用于用户分析的情况基本在上面已经说清了，但其实根据分组分析的特性，分组分析还有非常多其他的用法。
比如对于一般公司来说，当月的收入其实可以拆为：总下单用户数×每个用户的下单次数×单次的客单价。（比如当月有300个用户下单，平均每个客户下单3次，平均单次客单价100元，那么当月总收入就是9万元。）看到这里，以后每次看到“平均”两个字，你就应该警惕了。那么多客户，平均3次和100元，但实际上不同客户的情况呢？这里就可以用分组分析来判断。比如1月获取的客户，在1月下单的次数是2次，2月下单的次数是3次，3月下单的次数是4次，那么在分组分析表格中，我们就可以用下单次数来替换留存率和流失率所对应的位置。
于是就得出表12-4所示的情况。同理，客单价也是可以分别对应到不同的位置，就不再赘述了。所以，通过不同维度的分组分析，你可以看到用户随着留存时间的增加，是否与平台建立了更深的关系？每个用户是否会购买更多的次数，或每次是否会花费更多的金额？这样，最终每个月的销售额都可以被分解到非常细的维度。
表12-4 平均下单次数(www.xing528.com)
而且，除了按不同时间获取的客户来分类，还可以按照不同的行为分类，比如表格的第一列可以是当月App浏览时间超过10小时的用户，也可以是参与某种优惠活动的客户等，而右侧表格可以监测该用户群体的各种行为情况，比如参与了优惠活动的客户在后续几个月的留存率是否会更高？下单金额是否会更高？等等。总之，左侧是按照某种定义区分的用户群体，右侧是这些用户可被监测的某种动作。
所以，只有真正掌握了分组分析的方法，才能够对公司真实的运营情况有更好的了解，而为了更好地使用分组分析的方法，从一开始的数据监测和组织结构就要做好准备。就像开尔文所说的：
“If you cannot measure it，you cannot improve it.”（你不能监测的东西，也无从改善。）
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。
