Analisis Retensi Siklus Hidup Pengguna

I. Pengantar Kalkulator

Kalkulator Analisis Retensi Siklus Hidup Pengguna adalah alat khusus yang dirancang untuk mengelompokkan pengguna berdasarkan pendaftaran dan menganalisis retensi mereka pada hari/bulan siklus hidup berikutnya. Alat ini selalu menggunakan tanggal pendaftaran (atau bulan pendaftaran) sebagai label pengelompokan dan tidak mengandalkan pesanan pertama atau pembelian pertama sebagai dasar pengelompokan. Dengan mengelompokkan berdasarkan bulan pendaftaran atau tanggal pendaftaran, ini melacak jumlah retensi dan tingkat retensi berbagai kohort pada berbagai bulan dan hari offset setelah pendaftaran, menghasilkan matriks retensi dan grafik tren retensi rata-rata, membantu Anda memahami kinerja retensi pengguna yang diperoleh pada periode yang berbeda dan menyediakan dukungan data untuk merumuskan strategi akuisisi dan retensi.

Fungsi Inti

• Matriks retensi bulan alami：Kelompokkan berdasarkan bulan pendaftaran; tampilkan jumlah pengguna yang dipertahankan untuk setiap bulan offset (bulan saat ini, 1 bulan kemudian, 2 bulan kemudian… hingga 12 bulan), membentuk matriks retensi segitiga terbalik
• Matriks retensi hari alami：Kelompokkan berdasarkan tanggal pendaftaran; tampilkan jumlah pengguna yang dipertahankan untuk setiap hari offset (hari yang sama, hari 1… hari 30) (30 tanggal pendaftaran terakhir), memfasilitasi pengamatan detail retensi bulan pertama setelah pendaftaran
• Grafik tren retensi rata-rata：Agregat jumlah rata-rata pengguna yang dipertahankan dan tingkat retensi untuk setiap bulan offset, membentuk kurva tren untuk memfasilitasi identifikasi titik belok retensi
• Standar pengelompokan terpadu：Semua analisis menggunakan pendaftaran sebagai titik awal kohort, tanpa menyertakan logika pengelompokan lain seperti pesanan pertama

Skenario Penggunaan

• Mengevaluasi perbedaan retensi jangka panjang antara pengguna dari periode pendaftaran yang berbeda, mengidentifikasi saluran akuisisi berkualitas tinggi
• Mengidentifikasi titik belok retensi (misalnya, pada bulan atau hari berapa kehilangan meningkat), merumuskan strategi operasional yang ditargetkan
• Membandingkan perubahan retensi pengguna yang baru terdaftar sebelum dan sesudah kampanye operasional atau pembaruan produk
• Mengamati tren retensi siklus hidup pengguna, menyediakan dasar data untuk strategi akuisisi dan retensi

Pelanggan yang Berlaku

Kalkulator ini berlaku untuk semua industri dan skenario yang perlu menganalisis retensi siklus hidup pengguna dan memiliki tanggal pendaftaran pengguna dan tanggal perilaku, dan sangat cocok untuk jenis pelanggan berikut:

• Industri Makanan dan Minuman：Restoran, gerai makanan cepat saji, kedai kopi, toko teh gelembung, dll. Menganalisis retensi pengguna dengan mengelompokkan berdasarkan pendaftaran, mengevaluasi dampak kualitas makanan dan pengalaman layanan terhadap retensi
• Platform E-commerce：E-commerce B2C, platform C2C, e-commerce vertikal, dll. Melacak retensi pengguna dengan mengelompokkan berdasarkan pendaftaran, mengoptimalkan strategi onboarding pengguna baru dan pembelian ulang
• Industri Ritel：Supermarket, toko serba ada, toko khusus, ritel merek, dll. Memahami kebiasaan retensi pengguna dengan mengelompokkan berdasarkan pendaftaran, merumuskan strategi pemasaran anggota dan promosi
• Layanan Gaya Hidup：Salon kecantikan, klub kebugaran, layanan cuci mobil, layanan rumah tangga, dll. Menganalisis retensi penggunaan layanan dengan mengelompokkan berdasarkan pendaftaran, mengevaluasi dampak kualitas layanan terhadap retensi
• Pendidikan Online：Platform kursus online, institusi pelatihan, dll. Melacak retensi siswa dengan mengelompokkan berdasarkan pendaftaran, mengoptimalkan konten kursus dan pengalaman belajar
• Layanan Berlangganan：Platform video, platform musik, platform membaca, dll. Menganalisis retensi pelanggan dengan mengelompokkan berdasarkan pendaftaran, mengevaluasi kualitas layanan dan kepuasan pengguna
• Bisnis B2C Lainnya：Setiap bisnis yang menargetkan konsumen individu yang melibatkan pendaftaran pengguna dan catatan perilaku dan ingin menganalisis retensi siklus hidup berdasarkan pendaftaran dapat menggunakan alat ini

Prasyarat：Bisnis Anda dapat menyediakan data ID pengguna, tanggal acara (seperti tanggal pesanan, tanggal login dan tanggal kejadian perilaku lainnya) dan tanggal pendaftaran; dan bisnis Anda dapat membedakan apakah pengguna memiliki aktivitas pada hari pendaftaran (alat ini hanya menghitung pengguna dengan transaksi/aktivitas pada hari pendaftaran).

---

II. Pengantar Algoritma

2.1 Konsep Inti

Label Pengelompokan: Pendaftaran

• Label pengelompokan kohort：Tanggal pendaftaran atau bulan pendaftaran. Pengguna ditetapkan ke tanggal atau bulan tanggal pendaftaran mereka, membentuk kohort.
• Tidak menggunakan pesanan pertama：Alat ini tidak menggunakan pesanan pertama atau pembelian pertama sebagai dasar pengelompokan; hanya pendaftaran yang digunakan sebagai label.

Retensi dan Offset

• Hari yang sama / bulan saat ini：Hari pendaftaran itu sendiri atau bulan kalender di mana tanggal pendaftaran jatuh.
• Hari N / N bulan kemudian：Offset dalam hari atau bulan relatif terhadap tanggal pendaftaran.
• Dipertahankan：Pada hari atau bulan offset tertentu, pengguna memiliki setidaknya satu catatan acara (seperti pesanan, login) pada hari atau bulan tersebut.

Cakupan Pengguna

• Hanya menghitung pengguna dengan transaksi (aktivitas) pada hari pendaftaran：Jika pengguna tidak memiliki catatan acara pada hari pendaftaran, pengguna tersebut tidak berpartisipasi dalam analisis ini.
• Ini memastikan "titik awal" yang konsisten untuk setiap kohort, memfasilitasi perbandingan horizontal kinerja retensi di berbagai periode pendaftaran.

2.2 Logika Perhitungan

Langkah 1: Pra-pemrosesan Data

Sistem melakukan pemrosesan berikut pada data:

1. Parsing tanggal：Mengurai string tanggal pendaftaran dan tanggal acara menjadi objek tanggal
2. Menyaring data tidak valid：Mengecualikan catatan dengan ID pengguna, tanggal pendaftaran, atau tanggal acara yang hilang atau tidak valid
3. Mengecualikan interval tidak valid：Mengecualikan catatan di mana tanggal acara lebih awal dari tanggal pendaftaran

Langkah 2: Mengidentifikasi Pengguna dengan "Transaksi pada Hari Pendaftaran"

Untuk setiap pengguna:

1. Periksa apakah ada catatan di mana tanggal acara = tanggal pendaftaran
2. Jika ada, tandai pengguna sebagai "memiliki transaksi pada hari pendaftaran" dan sertakan dalam analisis selanjutnya; jika tidak, kecualikan

Langkah 3: Menghitung Bulan Offset / Hari Offset

• Bulan kalender：Bulan pendaftaran join_month (YYYY-MM), bulan acara event_month (YYYY-MM). Bulan offset = selisih bulan antara dua bulan (0 = bulan saat ini, 1 = 1 bulan kemudian, …).
• Hari kalender：Tanggal pendaftaran dan tanggal acara dihitung berdasarkan selisih hari untuk hari offset (0 = hari yang sama, 1 = hari 1, …). Tabel harian hanya mempertahankan kolom untuk 0–30 hari dan hanya menampilkan 30 tanggal pendaftaran terakhir.

Langkah 4: Membangun Matriks Retensi

• Tabel bulanan：Baris = bulan pendaftaran, kolom = bulan saat ini, 1 bulan kemudian, …, hingga 12 bulan kemudian; sel = jumlah pengguna unik dalam kohort tersebut yang masih memiliki aktivitas pada bulan offset tersebut.
• Tabel harian：Baris = tanggal pendaftaran (30 baris terakhir), kolom = hari yang sama, hari 1, …, hari 30; sel = jumlah pengguna unik dalam kohort tersebut yang memiliki aktivitas pada hari offset tersebut.

Langkah 5: Grafik Tren Retensi Rata-rata

Agregat berdasarkan bulan offset: untuk setiap bulan offset, hitung rata-rata jumlah pengguna yang dipertahankan (atau tingkat retensi) di semua kohort, menghasilkan kurva "tren retensi rata-rata".

Langkah 6: Tampilan Hasil

1. Tren retensi siklus hidup pengguna (bulanan)：Kelompokkan berdasarkan bulan pendaftaran, tampilkan jumlah pengguna yang dipertahankan untuk setiap bulan offset; hanya hitung pengguna dengan transaksi pada hari pendaftaran
2. Tren retensi siklus hidup pengguna (harian)：Kelompokkan berdasarkan tanggal pendaftaran, tampilkan jumlah pengguna yang dipertahankan untuk setiap hari offset (0–30 hari); hanya hitung pengguna dengan transaksi pada hari pendaftaran, 30 baris terakhir
3. Tren retensi rata-rata：Kurva jumlah rata-rata pengguna yang dipertahankan/tingkat retensi untuk setiap bulan offset

2.3 Aturan Penyaringan Data

• Kelengkapan data：Catatan dengan field kunci yang hilang (ID pengguna, tanggal pendaftaran, tanggal acara) secara otomatis dikecualikan
• Parsing tanggal：Sistem secara otomatis mengenali format tanggal umum; tanggal yang tidak dapat diuraikan dikecualikan
• Cakupan pengguna：Hanya menghitung pengguna dengan transaksi pada hari pendaftaran; pengguna tanpa aktivitas pada hari pendaftaran tidak berpartisipasi dalam analisis
• Tabel harian：Hanya menampilkan 30 tanggal pendaftaran terakhir, kolom offset untuk 0–30 hari; tabel bulanan memiliki maksimum 12 bulan offset

---

III. Instruksi dan Catatan

3.1 Persiapan Data

Field yang Diperlukan

Sebelum mengimpor data, pastikan file data Anda berisi tiga field berikut:

1. ID Pengguna (user_id)
   • Deskripsi: Field yang secara unik mengidentifikasi pengguna (ID pengguna atau nomor telepon, keduanya dapat diterima)
   • Persyaratan format: Teks atau angka, keduanya dapat diterima
   • Contoh: U001, 12345, 13800138000
2. Tanggal Acara (event_date)
   • Deskripsi: Tanggal terjadinya perilaku pengguna (seperti tanggal pesanan, tanggal login)
   • Persyaratan format: Mendukung berbagai format tanggal (seperti YYYY-MM-DD, YYYY/MM/DD, MM/DD/YYYY, dll.)
   • Catatan: Sistem secara otomatis mengenali format tanggal umum; disarankan untuk menggunakan format tanggal standar untuk memastikan akurasi parsing
3. Tanggal Pendaftaran (register_date)
   • Deskripsi: Tanggal pendaftaran pengguna (digunakan sebagai label pengelompokan), format seperti 2025-01-01 atau 2025/1/1
   • Persyaratan format: Format yang sama dengan tanggal acara
   • Penting: Field ini harus disediakan; pengguna dengan field ini yang hilang akan dikecualikan dari analisis; alat ini hanya menggunakan pendaftaran sebagai dasar pengelompokan, tidak menggunakan pesanan pertama, dll.

Persyaratan Format Data

• Format file：Mendukung format CSV dan Excel (.xlsx)
• Encoding：Disarankan untuk menggunakan encoding UTF-8
• Volume data：Disarankan agar volume data per analisis tidak melebihi 1 juta catatan untuk memastikan efisiensi perhitungan
• Rentang data：Disarankan untuk menyertakan data historis yang cukup untuk mengamati kinerja retensi di berbagai periode pendaftaran; tabel bulanan memiliki maksimum 12 bulan offset, tabel harian menampilkan 30 tanggal pendaftaran terakhir

3.2 Pemetaan Field

Setelah mengunggah data, sistem akan meminta Anda untuk memetakan kolom dalam file data Anda ke field berikut:

• Kolom ID pengguna → Pilih kolom yang berisi pengidentifikasi unik pengguna
• Kolom tanggal acara → Pilih kolom yang berisi tanggal perilaku pengguna (tanggal pesanan atau tanggal perilaku)
• Kolom tanggal pendaftaran → Pilih kolom yang berisi tanggal pendaftaran pengguna (label pengelompokan)

3.3 Penyaringan Data (Opsional)

Sistem mendukung penyaringan tanggal acara:

• Penyaringan rentang tanggal：Anda dapat menentukan rentang waktu untuk analisis, hanya menganalisis data dalam periode waktu yang ditentukan
• Rekomendasi penggunaan：Jika volume data besar, disarankan untuk menyaring terlebih dahulu ke 1–2 tahun terakhir data untuk meningkatkan kecepatan perhitungan

3.4 Interpretasi Hasil

Deskripsi Indikator

• Tren retensi siklus hidup pengguna (bulanan)：Mencerminkan jumlah pengguna yang dipertahankan untuk pengguna yang dikelompokkan berdasarkan bulan pendaftaran pada setiap bulan offset, memfasilitasi pengamatan perbedaan retensi jangka panjang di berbagai periode akuisisi. Jumlah pengguna yang dipertahankan umumnya menurun seiring dengan peningkatan bulan offset, memungkinkan identifikasi titik belok retensi
• Tren retensi siklus hidup pengguna (harian)：Mencerminkan jumlah pengguna yang dipertahankan untuk pengguna yang dikelompokkan berdasarkan tanggal pendaftaran pada setiap hari offset (0–30 hari), memfasilitasi pengamatan detail retensi hari demi hari di bulan pertama setelah pendaftaran
• Tren retensi rata-rata：Mencerminkan tingkat retensi rata-rata keseluruhan untuk setiap bulan offset; penurunan tajam dalam kurva biasanya sesuai dengan titik di mana kehilangan meningkat, yang dapat digunakan untuk mengoptimalkan ritme operasional

Analisis Matriks Retensi

• Perbandingan dalam baris yang sama：Untuk pengguna dari bulan/tanggal pendaftaran yang sama, jumlah pengguna yang dipertahankan umumnya menurun seiring dengan peningkatan bulan/hari offset; jika kolom menunjukkan fluktuasi abnormal, dapat diselidiki dalam kombinasi dengan aktivitas bisnis
• Perbandingan antar baris：Antara kohort dari periode pendaftaran yang berbeda, Anda dapat membandingkan jumlah pengguna yang dipertahankan pada bulan/hari offset yang sama, mengevaluasi perbedaan dalam kualitas akuisisi atau efektivitas operasional di berbagai periode

Analisis Tren

• Tren naik：Ketika tingkat retensi rata-rata menunjukkan tren naik, ini menunjukkan peningkatan efektivitas retensi pengguna, dan strategi akuisisi atau retensi efektif
• Tren turun：Ketika tingkat retensi rata-rata menunjukkan tren turun, perlu memperhatikan pengalaman produk, kualitas layanan, atau strategi operasional dan melakukan penyesuaian tepat waktu
• Titik belok jelas：Jika tingkat retensi turun secara signifikan setelah bulan offset tertentu, dapat memperkuat keterlibatan pengguna atau desain manfaat untuk tahap tersebut

3.5 Catatan Penting

⚠️ Catatan Penting

💡 Rekomendasi Penggunaan

3.6 FAQ

Q1: Mengapa beberapa pengguna dalam data saya tidak dihitung?

A: Alasan yang mungkin termasuk:

• Pengguna kehilangan field tanggal pendaftaran
• Pengguna tidak memiliki catatan acara pada hari pendaftaran (alat ini hanya menghitung pengguna dengan transaksi pada hari pendaftaran)
• Format tanggal pendaftaran atau tanggal acara pengguna tidak dapat diuraikan
• Catatan di mana tanggal acara lebih awal dari tanggal pendaftaran dikecualikan

Q2: Mengapa harus ada "transaksi pada hari pendaftaran"?

A: Untuk mendefinisikan titik awal kohort yang jelas dan menghindari mencampur pengguna yang "mendaftar tetapi tidak pernah memiliki aktivitas", yang akan mempengaruhi konsistensi standar retensi. Hanya menghitung pengguna dengan aktivitas pada hari pendaftaran memastikan bahwa semua kohort dibandingkan pada titik awal yang sama untuk kinerja retensi.

Q3: Bagaimana "dipertahankan" didefinisikan?

A: Pada hari atau bulan offset tertentu, selama pengguna memiliki setidaknya satu catatan acara, mereka dianggap dipertahankan pada hari/bulan tersebut. Beberapa catatan untuk pengguna yang sama pada hari/bulan offset yang sama hanya dihitung sekali.

Q4: Mengapa tabel harian hanya menampilkan 0–30 hari?

A: Untuk fokus pada retensi bulan pertama setelah pendaftaran dan mengontrol ukuran matriks untuk memfasilitasi tampilan. Untuk tren jangka panjang, lihat tabel bulanan dan grafik tren retensi rata-rata.

Q5: Apakah alat ini menggunakan "pesanan pertama" sebagai dasar pengelompokan?

A: Tidak. Alat ini hanya menggunakan tanggal pendaftaran/bulan pendaftaran sebagai label kohort dan tidak mengandalkan pesanan pertama, pembelian pertama, atau perilaku lain. Semua kohort dibagi berdasarkan pendaftaran.

Q6: Bagaimana meningkatkan retensi siklus hidup pengguna?

A: Disarankan untuk memulai dari aspek berikut:

• Mengoptimalkan pendaftaran dan pengalaman pertama, meningkatkan konversi perilaku pada hari pendaftaran
• Memperkuat keterlibatan pengguna pada tahap yang sesuai dengan titik belok retensi, mengirim manfaat atau informasi aktivitas
• Menganalisis karakteristik kohort dengan retensi tinggi, mengoptimalkan saluran akuisisi dan strategi operasional
• Menggabungkan matriks bulanan dan harian dengan tren retensi rata-rata untuk mengidentifikasi titik kehilangan kunci dan merumuskan strategi yang ditargetkan

---

IV. Ringkasan

Kalkulator Analisis Retensi Siklus Hidup Pengguna membantu Anda menganalisis retensi siklus hidup pengguna melalui matriks retensi berbasis pendaftaran dan tren retensi rata-rata. Alat ini hanya menggunakan pendaftaran sebagai label kohort dan hanya menghitung pengguna dengan transaksi pada hari pendaftaran, memfasilitasi perbandingan antar kohort. Dengan menggunakan alat ini dengan benar, Anda dapat:

• Mengidentifikasi dengan cepat perbedaan retensi antara pengguna dari periode pendaftaran yang berbeda, mengevaluasi efektivitas akuisisi dan retensi
• Menemukan pola perubahan tingkat retensi dengan bulan/hari offset, mengidentifikasi titik belok kehilangan
• Membandingkan kinerja retensi kohort dari periode yang berbeda, menyesuaikan strategi akuisisi dan retensi tepat waktu
• Menyediakan dukungan data untuk merumuskan strategi operasional siklus hidup pengguna

Jika Anda memiliki pertanyaan atau memerlukan dukungan teknis, silakan hubungi administrator sistem.