Analyse de Rétention du Cycle de Vie de l'Utilisateur

I. Introduction à la Calculatrice

La Calculatrice d'Analyse de Rétention du Cycle de Vie de l'Utilisateur est un outil spécialisé conçu pour regrouper les utilisateurs par enregistrement et analyser leur rétention aux jours/mois suivants du cycle de vie. Cet outil utilise toujours la date d'enregistrement (ou le mois d'enregistrement) comme étiquette de regroupement et ne s'appuie pas sur la première commande ou le premier achat comme base de regroupement. En regroupant par mois d'enregistrement ou date d'enregistrement, il suit les nombres de rétention et les taux de rétention de différentes cohortes à divers mois et jours de décalage après l'enregistrement, génère des matrices de rétention et des graphiques de tendance de rétention moyenne, vous aidant à comprendre les performances de rétention des utilisateurs acquis à différentes périodes et fournissant un support de données pour formuler des stratégies d'acquisition et de rétention.

Fonctions Principales

• Matrice de rétention par mois naturel：Regrouper par mois d'enregistrement; afficher les nombres d'utilisateurs retenus pour chaque mois de décalage (mois actuel, 1 mois après, 2 mois après… jusqu'à 12 mois), formant une matrice de rétention triangulaire inversée
• Matrice de rétention par jour naturel：Regrouper par date d'enregistrement; afficher les nombres d'utilisateurs retenus pour chaque jour de décalage (même jour, jour 1… jour 30) (30 dernières dates d'enregistrement), facilitant l'observation des détails de rétention du premier mois après l'enregistrement
• Graphique de tendance de rétention moyenne：Agréger les nombres moyens d'utilisateurs retenus et les taux de rétention pour chaque mois de décalage, formant une courbe de tendance pour faciliter l'identification des points d'inflexion de rétention
• Standard de regroupement unifié：Toute l'analyse utilise l'enregistrement comme point de départ de la cohorte, sans inclure une autre logique de regroupement telle que la première commande

Cas d'Utilisation

• Évaluer les différences de rétention à long terme entre les utilisateurs de différentes périodes d'enregistrement, identifier les canaux d'acquisition de haute qualité
• Identifier les points d'inflexion de rétention (par exemple, à quel mois ou jour l'attrition augmente), formuler des stratégies opérationnelles ciblées
• Comparer les changements de rétention des utilisateurs nouvellement enregistrés avant et après les campagnes opérationnelles ou les mises à jour de produits
• Observer les tendances de rétention du cycle de vie de l'utilisateur, fournissant une base de données pour les stratégies d'acquisition et de rétention

Clients Applicables

Cette calculatrice s'applique à toutes les industries et scénarios qui ont besoin d'analyser la rétention du cycle de vie de l'utilisateur et qui ont des dates d'enregistrement d'utilisateurs et des dates de comportement, et est particulièrement adaptée aux types de clients suivants:

• Industrie de la Restauration：Restaurants, établissements de restauration rapide, cafés, magasins de thé aux perles, etc. Analyser la rétention des utilisateurs en regroupant par enregistrement, évaluer l'impact de la qualité des aliments et de l'expérience de service sur la rétention
• Plateformes de Commerce Électronique：Commerce électronique B2C, plateformes C2C, commerce électronique vertical, etc. Suivre la rétention des utilisateurs en regroupant par enregistrement, optimiser les stratégies d'intégration des nouveaux utilisateurs et de réachat
• Industrie de la Vente au Détail：Supermarchés, magasins de proximité, magasins spécialisés, vente au détail de marque, etc. Comprendre les habitudes de rétention des utilisateurs en regroupant par enregistrement, formuler des stratégies de marketing pour membres et de promotion
• Services de Style de Vie：Salons de beauté, clubs de fitness, services de lavage de voitures, services domestiques, etc. Analyser la rétention d'utilisation des services en regroupant par enregistrement, évaluer l'impact de la qualité du service sur la rétention
• Éducation en Ligne：Plateformes de cours en ligne, institutions de formation, etc. Suivre la rétention des étudiants en regroupant par enregistrement, optimiser le contenu des cours et l'expérience d'apprentissage
• Services d'Abonnement：Plateformes vidéo, plateformes musicales, plateformes de lecture, etc. Analyser la rétention des abonnés en regroupant par enregistrement, évaluer la qualité du service et la satisfaction des utilisateurs
• Autres Entreprises B2C：Toute entreprise ciblant les consommateurs individuels qui implique l'enregistrement d'utilisateurs et les enregistrements de comportement et souhaite analyser la rétention du cycle de vie par enregistrement peut utiliser cet outil

Prérequis：Votre entreprise peut fournir des données d'ID utilisateur, de date d'événement (telle que la date de commande, la date de connexion et d'autres dates d'occurrence de comportement) et de date d'enregistrement; et votre entreprise peut distinguer si les utilisateurs ont eu une activité le jour d'enregistrement (cet outil ne compte que les utilisateurs avec transactions/activité le jour d'enregistrement).

---

II. Introduction à l'Algorithme

2.1 Concepts Clés

Étiquette de Regroupement: Enregistrement

• Étiquette de regroupement de cohorte：Date d'enregistrement ou mois d'enregistrement. Les utilisateurs sont assignés à la date ou au mois de leur date d'enregistrement, formant des cohortes.
• Ne pas utiliser la première commande：Cet outil n'utilise pas la première commande ou le premier achat comme base de regroupement; seul l'enregistrement est utilisé comme étiquette.

Rétention et Décalage

• Même jour / mois actuel：Le jour d'enregistrement lui-même ou le mois calendaire dans lequel tombe la date d'enregistrement.
• Jour N / N mois après：Décalage en jours ou mois par rapport à la date d'enregistrement.
• Retenu：À un certain jour ou mois de décalage, l'utilisateur a au moins un enregistrement d'événement (tel qu'une commande, une connexion) ce jour-là ou ce mois-là.

Portée des Utilisateurs

• Compter uniquement les utilisateurs avec transactions (activité) le jour d'enregistrement：Si un utilisateur n'a pas d'enregistrements d'événements le jour d'enregistrement, cet utilisateur ne participe pas à cette analyse.
• Cela assure un "point de départ" cohérent pour chaque cohorte, facilitant la comparaison horizontale des performances de rétention à travers différentes périodes d'enregistrement.

2.2 Logique de Calcul

Étape 1: Prétraitement des Données

Le système effectue le traitement suivant sur les données:

1. Analyse des dates：Analyser les chaînes de date d'enregistrement et de date d'événement en objets de date
2. Filtrage des données invalides：Exclure les enregistrements avec ID utilisateur, date d'enregistrement ou date d'événement manquants ou invalides
3. Exclusion des intervalles invalides：Exclure les enregistrements où la date d'événement est antérieure à la date d'enregistrement

Étape 2: Identifier les Utilisateurs avec "Transactions le Jour d'Enregistrement"

Pour chaque utilisateur:

1. Vérifier s'il existe un enregistrement où date d'événement = date d'enregistrement
2. Si oui, marquer l'utilisateur comme "a une transaction le jour d'enregistrement" et inclure dans l'analyse ultérieure; sinon exclure

Étape 3: Calculer le Mois de Décalage / Jour de Décalage

• Mois calendaire：Mois d'enregistrement join_month (YYYY-MM), mois d'événement event_month (YYYY-MM). Mois de décalage = différence de mois entre les deux mois (0 = mois actuel, 1 = 1 mois après, …).
• Jour calendaire：La date d'enregistrement et la date d'événement sont calculées par différence de jours pour les jours de décalage (0 = même jour, 1 = jour 1, …). Le tableau quotidien ne conserve que les colonnes pour 0–30 jours et n'affiche que les 30 dernières dates d'enregistrement.

Étape 4: Construire la Matrice de Rétention

• Tableau mensuel：Lignes = mois d'enregistrement, colonnes = mois actuel, 1 mois après, …, jusqu'à 12 mois après; cellules = nombre d'utilisateurs uniques dans cette cohorte qui ont encore une activité ce mois de décalage.
• Tableau quotidien：Lignes = date d'enregistrement (30 dernières lignes), colonnes = même jour, jour 1, …, jour 30; cellules = nombre d'utilisateurs uniques dans cette cohorte qui ont une activité ce jour de décalage.

Étape 5: Graphique de Tendance de Rétention Moyenne

Agréger par mois de décalage: pour chaque mois de décalage, calculer la moyenne des nombres d'utilisateurs retenus (ou taux de rétention) à travers toutes les cohortes, générant une courbe de "tendance de rétention moyenne".

Étape 6: Affichage des Résultats

1. Tendance de rétention du cycle de vie de l'utilisateur (mensuelle)：Regrouper par mois d'enregistrement, afficher les nombres d'utilisateurs retenus pour chaque mois de décalage; compter uniquement les utilisateurs avec transactions le jour d'enregistrement
2. Tendance de rétention du cycle de vie de l'utilisateur (quotidienne)：Regrouper par date d'enregistrement, afficher les nombres d'utilisateurs retenus pour chaque jour de décalage (0–30 jours); compter uniquement les utilisateurs avec transactions le jour d'enregistrement, 30 dernières lignes
3. Tendance de rétention moyenne：Courbe du nombre moyen d'utilisateurs retenus/taux de rétention pour chaque mois de décalage

2.3 Règles de Filtrage des Données

• Intégrité des données：Les enregistrements avec des champs clés manquants (ID utilisateur, date d'enregistrement, date d'événement) sont automatiquement exclus
• Analyse des dates：Le système reconnaît automatiquement les formats de date courants; les dates qui ne peuvent pas être analysées sont exclues
• Portée des utilisateurs：Compter uniquement les utilisateurs avec transactions le jour d'enregistrement; les utilisateurs sans activité le jour d'enregistrement ne participent pas à l'analyse
• Tableau quotidien：Afficher uniquement les 30 dernières dates d'enregistrement, colonnes de décalage pour 0–30 jours; le tableau mensuel a un maximum de 12 mois de décalage

---

III. Instructions et Notes

3.1 Préparation des Données

Champs Requis

Avant d'importer les données, assurez-vous que votre fichier de données contient les trois champs suivants:

1. ID Utilisateur (user_id)
   • Description: Champ qui identifie de manière unique les utilisateurs (ID utilisateur ou numéro de téléphone, les deux sont acceptables)
   • Exigences de format: Texte ou nombres, les deux sont acceptables
   • Exemples: U001, 12345, 13800138000
2. Date d'Événement (event_date)
   • Description: Date à laquelle le comportement de l'utilisateur s'est produit (telle que la date de commande, la date de connexion)
   • Exigences de format: Prend en charge plusieurs formats de date (tels que YYYY-MM-DD, YYYY/MM/DD, MM/DD/YYYY, etc.)
   • Notes: Le système reconnaît automatiquement les formats de date courants; il est recommandé d'utiliser des formats de date standard pour assurer la précision de l'analyse
3. Date d'Enregistrement (register_date)
   • Description: Date d'enregistrement de l'utilisateur (utilisée comme étiquette de regroupement), format tel que 2025-01-01 ou 2025/1/1
   • Exigences de format: Même format que la date d'événement
   • Important: Ce champ doit être fourni; les utilisateurs avec ce champ manquant seront exclus de l'analyse; cet outil utilise uniquement l'enregistrement comme base de regroupement, n'utilise pas la première commande, etc.

Exigences de Format des Données

• Format de fichier：Prend en charge les formats CSV et Excel (.xlsx)
• Encodage：Il est recommandé d'utiliser l'encodage UTF-8
• Volume de données：Il est recommandé que le volume de données par analyse ne dépasse pas 1 million d'enregistrements pour assurer l'efficacité du calcul
• Plage de données：Il est recommandé d'inclure suffisamment de données historiques pour observer les performances de rétention à travers différentes périodes d'enregistrement; le tableau mensuel a un maximum de 12 mois de décalage, le tableau quotidien affiche les 30 dernières dates d'enregistrement

3.2 Mappage des Champs

Après le téléchargement des données, le système vous demandera de mapper les colonnes de votre fichier de données aux champs suivants:

• Colonne ID utilisateur → Sélectionnez la colonne contenant les identifiants uniques des utilisateurs
• Colonne date d'événement → Sélectionnez la colonne contenant les dates de comportement des utilisateurs (date de commande ou date de comportement)
• Colonne date d'enregistrement → Sélectionnez la colonne contenant les dates d'enregistrement des utilisateurs (étiquette de regroupement)

3.3 Filtrage des Données (Optionnel)

Le système prend en charge le filtrage des dates d'événements:

• Filtrage par plage de dates：Vous pouvez spécifier la plage de temps pour l'analyse, analysant uniquement les données dans la période de temps spécifiée
• Recommandation d'utilisation：Si le volume de données est important, il est recommandé de filtrer d'abord aux 1–2 dernières années de données pour améliorer la vitesse de calcul

3.4 Interprétation des Résultats

Description des Indicateurs

• Tendance de rétention du cycle de vie de l'utilisateur (mensuelle)：Reflète les nombres d'utilisateurs retenus pour les utilisateurs regroupés par mois d'enregistrement à chaque mois de décalage, facilitant l'observation des différences de rétention à long terme à travers différentes périodes d'acquisition. Les nombres d'utilisateurs retenus diminuent généralement à mesure que le mois de décalage augmente, permettant d'identifier les points d'inflexion de rétention
• Tendance de rétention du cycle de vie de l'utilisateur (quotidienne)：Reflète les nombres d'utilisateurs retenus pour les utilisateurs regroupés par date d'enregistrement à chaque jour de décalage (0–30 jours), facilitant l'observation des détails de rétention jour par jour au premier mois après l'enregistrement
• Tendance de rétention moyenne：Reflète le niveau moyen global de rétention pour chaque mois de décalage; les chutes abruptes dans la courbe correspondent généralement aux points où l'attrition s'intensifie, ce qui peut être utilisé pour optimiser le rythme opérationnel

Analyse de la Matrice de Rétention

• Comparaison dans la même ligne：Pour les utilisateurs du même mois/date d'enregistrement, les nombres d'utilisateurs retenus diminuent généralement à mesure que le mois/jour de décalage augmente; si une colonne montre des fluctuations anormales, on peut enquêter en combinaison avec les activités commerciales
• Comparaison entre les lignes：Entre les cohortes de différentes périodes d'enregistrement, vous pouvez comparer les nombres d'utilisateurs retenus au même mois/jour de décalage, évaluant les différences dans la qualité d'acquisition ou l'efficacité opérationnelle à travers différentes périodes

Analyse de Tendance

• Tendance ascendante：Lorsque le taux de rétention moyen montre une tendance ascendante, cela indique une amélioration de l'efficacité de la rétention des utilisateurs, et les stratégies d'acquisition ou de rétention sont efficaces
• Tendance descendante：Lorsque le taux de rétention moyen montre une tendance descendante, il faut prêter attention à l'expérience produit, à la qualité du service ou aux stratégies opérationnelles et faire des ajustements en temps opportun
• Point d'inflexion évident：Si le taux de rétention chute significativement après un certain mois de décalage, on peut renforcer l'engagement des utilisateurs ou la conception des avantages pour cette étape

3.5 Notes Importantes

⚠️ Notes Importantes

💡 Recommandations d'Utilisation

3.6 FAQ

Q1: Pourquoi certains utilisateurs dans mes données ne sont-ils pas comptés?

R: Les raisons possibles incluent:

• L'utilisateur manque le champ de date d'enregistrement
• L'utilisateur n'a pas d'enregistrements d'événements le jour d'enregistrement (cet outil ne compte que les utilisateurs avec transactions le jour d'enregistrement)
• Le format de date d'enregistrement ou de date d'événement de l'utilisateur ne peut pas être analysé
• Les enregistrements où la date d'événement est antérieure à la date d'enregistrement sont exclus

Q2: Pourquoi faut-il "des transactions le jour d'enregistrement"?

R: Pour définir un point de départ clair de la cohorte et éviter de mélanger les utilisateurs qui "se sont enregistrés mais n'ont jamais eu d'activité", ce qui affecterait la cohérence des standards de rétention. Compter uniquement les utilisateurs avec activité le jour d'enregistrement assure que toutes les cohortes sont comparées au même point de départ pour les performances de rétention.

Q3: Comment "retenu" est-il défini?

R: À un certain jour ou mois de décalage, tant que l'utilisateur a au moins un enregistrement d'événement, il est considéré comme retenu ce jour-là/ce mois-là. Plusieurs enregistrements pour le même utilisateur le même jour/mois de décalage ne sont comptés qu'une seule fois.

Q4: Pourquoi le tableau quotidien n'affiche-t-il que 0–30 jours?

R: Pour se concentrer sur la rétention du premier mois après l'enregistrement et contrôler la taille de la matrice pour faciliter la visualisation. Pour les tendances à plus long terme, consultez le tableau mensuel et le graphique de tendance de rétention moyenne.

Q5: Cet outil utilise-t-il "la première commande" comme base de regroupement?

R: Non. Cet outil utilise uniquement la date d'enregistrement/mois d'enregistrement comme étiquette de cohorte et ne s'appuie pas sur la première commande, le premier achat ou un autre comportement. Toutes les cohortes sont divisées par enregistrement.

Q6: Comment améliorer la rétention du cycle de vie de l'utilisateur?

R: Il est recommandé de commencer par les aspects suivants:

• Optimiser l'enregistrement et la première expérience, améliorer la conversion de comportement le jour d'enregistrement
• Renforcer l'engagement des utilisateurs aux étapes correspondant aux points d'inflexion de rétention, envoyer des avantages ou des informations d'activités
• Analyser les caractéristiques des cohortes à haute rétention, optimiser les canaux d'acquisition et les stratégies opérationnelles
• Combiner les matrices mensuelles et quotidiennes avec la tendance de rétention moyenne pour identifier les points clés d'attrition et formuler des stratégies ciblées

---

IV. Résumé

La Calculatrice d'Analyse de Rétention du Cycle de Vie de l'Utilisateur vous aide à analyser la rétention du cycle de vie de l'utilisateur à travers des matrices de rétention basées sur l'enregistrement et des tendances de rétention moyennes. Cet outil utilise uniquement l'enregistrement comme étiquette de cohorte et ne compte que les utilisateurs avec transactions le jour d'enregistrement, facilitant la comparaison entre cohortes. En utilisant cet outil correctement, vous pouvez:

• Identifier rapidement les différences de rétention entre les utilisateurs de différentes périodes d'enregistrement, évaluer l'efficacité de l'acquisition et de la rétention
• Découvrir les modèles de changements du taux de rétention avec les mois/jours de décalage, identifier les points d'inflexion d'attrition
• Comparer les performances de rétention des cohortes de différentes périodes, ajuster opportunément les stratégies d'acquisition et de rétention
• Fournir un support de données pour formuler des stratégies opérationnelles du cycle de vie de l'utilisateur

Si vous avez des questions ou avez besoin d'un support technique, veuillez contacter l'administrateur système.