亚马逊|原理简单，但不知道怎么用？一文看懂「同期群模型」

转载/码工小熊

今天继续来谈数据分析八大模型系列。今天分享的，是一个原理很简单，但是应用很广泛的模型：同期群模型。在商品分析、用户分析、渠道分析上，都用得着哦。
一、同期群的原理同期群分析原理很简单：种豆子。怎么区分哪一种豆子很好？最简单的方法，就是分好群体（所谓的“群”）一起种下去（所谓的“同期”）然后观察哪一个长得更快。
为了达到这个目的，我们需要：

选择比较对象，按条件分好类
选择合适的比较指标。
从一个时间节点开始观察。
对比指标差异，找出优质/劣质群体

还拿种豆子举例，同期群的做法如下：

这个思路非常简单，因此在工作中应用得非常普遍，还衍生出很多其他名字。
二、商品同期群：商品LTV模型商品分析中的同期群模型，也被称为商品LTV模型。
做法如下：

设定商品等级（A、B、C级）
从商品上市时，开始观察
观察商品上市后销量/利润走势
对比每个等级商品，是否达成该商品平均水平
如表现优于平均，则重点关注缺货问题，保障供给
如表现劣于平均，则重点关注积压问题，减少库存

（如下图）

这个模型非常好用！因为很多商品，从上市开始，天生是有生命周期走势的。通过同期群分析，不但可以模拟这个走势，而且可以为每个级别的商品定出合理的LTV范围，从而及早发现商品销售是否达成预期。从而进一步地控制库存情况，实现利润最大化（如下图）。

不止商品分析，用户分析也能用得上。
三、用户同期群：用户留存率模型用户同期群分析，也被称为用户留存率模型。
做法如下：

设定用户分群（一般按注册时间or注册渠道）。
从注册时间开始，观察每X天后，该批次用户的留存率。
拟合整体走势，预判X天后，该批次用户留存数量。
找到留存下降最明显节点，判断是否进一步深入分析。

（如下图）

因为大部分APP都只能满足用户部分需求，因此用户的留存，总是慢慢减少。如果发现某些节点，用户留存明显下降，则说明这些节点出现问题，需要进一步分析。同时，基于同期群数据，可以拟合出预计留存用户数量，就能为运营筹划服务用户资源，提供数据支持（如下图）。

四、用户同期群：用户LTV模型如果在预测用户留存率的时候，同步计算用户预计产生的价值，则可以计算出用户LTV 。具体做法如下：