C помощью аналитики получить ответ на вопросы:
Ключевые ивенты отражающие использование фич:
Ниже пытаемся ответить на вопрос: какое пользовательское событие коррелирует с +/- долгосрочным удержанием пользователей?
Эта часть отчета показывает, какие действия наиболее сильно коррелируют с удержанием. Другими словами, это помогает определить, является ли пользователь, например, делающий стресс репорт 5 раз предсказуемо долгосрочным.
В этой части отчета сравнивается количество действий, совершенных пользователями в первые 5 дней, с вероятностью того, что они останутся минимум на 30 дней после первого отрытия аппы.
Конфигурацию обозначенных временных окнон можно по необходимоти изменить (возможно, нужно оценить, как действия в первые 3 дня влияют на удержание после 14 дней и др).
В таблице ниже показано, какие ивенты могут быть наиболее ценными для удержания. В первой колонке перечислены действия, во второй - вклад фичи (информационная ценность - IV) в ретеншен после 30-го дня. IV как раз позволяет корректно сравнивать события между собой и формально рассчитать сколько информации по отношению к вопросу - будет удержан юзер после 30-го дня или нет - содержится в каждом событии. Остальные колонки указывают кол-во событий. Они соответствует пользователям, которые выполнили это действие как минимум столько раз за первые 5 дней. В них содержатся доли от A-ha моментов (подсчитано с помощью диаграмм Венна).
Тут логика простая, при каком кол-ве наибольшее значение доли A-ha, то и будет A-ha-моментом для этого события. Они выделены красным.
В таблице ниже A-ha момент определенный через IV/WOE. По факту тут показано минимальное количество событий, после которого больший % клиентов будет удержан (нежели не удержан) минимум до 30-го дня. Надо смотреть, где впервые значение становится положительным (например 4 stress_report_open-а и пр.). WOE тоже надо смотреть в связке в IV. Чем выше IV, тем большее влияние оказывает рассматриваемое событие в целом.
A-ha-моменты:
IV/WOE: