Con il Data Explorer puoi trovare le risposte che cerchi. L’avvertenza è che richiede un po’ di SQL e di scavare nei dati.
Ho fatto qualcosa di simile e ne ho parlato sul mio blog. Penso che questa sia una cosa piuttosto importante da monitorare per le community più mature. Ecco una query che ho usato per vedere quante persone sono rimaste attive un mese dopo essersi iscritte:
select
to_char(date_trunc('month', u.created_at), 'YYYY Mon') "Join Date",
cast(sum(case
when first_post_created_at-u.created_at <= interval '30 days'
then 1.0
else 0.0
end) /count(*) as float) "Contribution Rate"
from users u
join user_stats s
on u.id = s.user_id
where u.created_at > '2004-10-01T00:00:00.000Z'
group by date_trunc('month', u.created_at)
order by date_trunc('month', u.created_at)
Questo è stato utile da analizzare per College Confidential perché ha schemi ciclici molto evidenti: gli studenti delle scuole superiori iniziano a pensare alle domande di ammissione a novembre, ricevono le decisioni entro marzo e dimenticano il processo di candidatura durante l’estate. Non tutte le community avranno questo tipo di regolarità.
Un avvertimento: mi sono ritrovato così preso dai dati da perdermi cose ovvie che avrei potuto imparare semplicemente guardando il sito. Avere dati oggettivi aiuta a verificare o confutare osservazioni soggettive. Può essere pericoloso prendere decisioni basate sui dati senza contesto. (Forse sto parlando più a me stesso che a te!)