Analyse von Erstpostern und wiederkehrenden Benutzern

Daten & Berichterstattung
1

Ich liebe die visuellen Indikatoren für Erstanmelder und wiederkehrende Benutzer. Ich möchte jedoch in der Lage sein, tiefer einzutauchen, um mehr Details dazu zu sehen.

Ich möchte sehen können, mit welchen Themen die Leute interagieren, welche Tags die Themen haben und allgemeine Statistiken wie erstellte Themen und erstellte Antworten sehen, und sie dann nach diesem Engagement verfolgen können – wenn ich zum Beispiel die Interaktion dieser Personen im Februar betrachte, möchte ich sehen, ob sie auch im März noch interagieren.

Gibt es Berichte, die ich verwenden kann, um diese Informationen zu erhalten? (Ich weiß, dass es auf dem Dashboard neue Mitwirkende gibt, aber das liefert nur Zahlen und keine weiteren Details)

2 „Gefällt mir“
4

Mit dem Data Explorer können Sie die gesuchten Antworten finden. Die Einschränkung ist, dass er etwas SQL und das Durchsuchen der Daten erfordert.

Ich habe etwas Ähnliches getan und darüber in meinem Blog geschrieben. Ich denke, das ist eine ziemlich wichtige Sache, die man für reifere Communities verfolgen sollte. Hier ist eine Abfrage, die ich verwendet habe, um zu sehen, wie viele Leute einen Monat nach ihrem Beitritt noch engagiert waren:

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)

Dies war nützlich, um es für College Confidential zu betrachten, da es sehr offensichtliche zyklische Muster aufweist: High-School-Senioren denken im November über Bewerbungen nach, erhalten im März Bescheide und vergessen den Bewerbungsprozess im Sommer. Nicht jede Community wird diese Regelmäßigkeit aufweisen.

Eine Warnung: Ich habe mich so sehr in die Daten vertieft, dass ich offensichtliche Dinge übersehen habe, die ich einfach durch das Umsehen auf der Website hätte erfahren können. Objektive Daten helfen, subjektive Beobachtungen zu verifizieren oder zu widerlegen. Es kann gefährlich sein, Entscheidungen auf der Grundlage von Daten ohne Kontext zu treffen. (Vielleicht spreche ich mehr zu mir selbst als zu Ihnen!)

4 „Gefällt mir“