文内分群本质也是用户分群。跟普通分群最大的区别有两点:
进入高级分析,使用细分筛选,选择用户做过,即可通过行为事件圈选人群。
高级分析模型 | 支持情况 |
---|---|
事件分析 | ✔️ |
留存分析 | ✔️ |
转化分析 | ✔️ |
分布分析 | ✔️ |
成分分析 | ✔️ |
用户路径 | ✔️ |
归因分析 | ✔️ |
用户生命周期 | ✔️ |
热力图分析 | ❌ |
LTV分析 | ✔️ |
业务对象分析 | ❌ |
文内分群常见的使用场景可以归纳为两类:
针对第一类,一般使用行为圈选。例如:按照下图的配置方式,可以圈中在固定时间范围内(2023.09.07-2023.09.13)开启过应用,且至少访问两次及以上页面的用户:
针对第二类,一般使用动态圈选。例如:按照下图的配置方式,假设查询粒度选择的是天级,则可以实现每天匹配在当天开启过应用,且至少访问两次及以上页面的用户:
如果已在用户分群模块中配置过每日例行的人群计算任务,也可以直接选择引用用户分群已经计算好的历史结果,并根据事件的日期进行匹配。如下图所示,即可实现参与分析的事件匹配后一日在分群中计算出的「高活跃人群」的结果:
如果您仅需要人群的某一日的历史计算结果进行筛选,可以通过属性过滤-用户分群中修改分群计算方式,即可实现按某一日的指定日期全局匹配。
常见场景举例 | 配置方式 |
---|---|
复购用户(日级): 当天发生了购买行为,同时在过去90天内发生过两次以上购买行为 | |
复购用户(周级):过去一周发生了购买行为,同时之前的1个月(过去4周)也至少发生过2次购买行为 | |
沉睡用户激活:当天通过App Store渠道发生了购买了行为,但是在过去180天都没有活跃过的用户 |