retentioneering-tools

什么是Retentioneering？

Retentioneering是一个Python库，它使分析点击流、用户路径（轨迹）和事件日志变得更加容易，并能提供比漏斗分析更广泛、更深入的洞察。

你可以使用Retentioneering来探索用户行为，对用户进行分类，并形成关于什么驱使用户采取理想行动或离开产品的假设。

Retentioneering使用点击流数据来构建行为分类，突出显示影响你的转化率、留存率和收入的用户行为中的事件和模式。Retentioneering库是为数据分析师、营销分析师、产品负责人、管理人员以及其他负责改善产品质量的人员创建的。

作为Jupyter环境的自然组成部分，Retentioneering扩展了pandas、NetworkX和scikit-learn库的功能，以更高效地处理序列事件数据。Retentioneering工具是交互式的，专为分析研究而设计，因此你不必成为Python专家就能使用它。只需几行代码，你就可以处理数据、探索客户旅程地图并制作可视化图表。

Retentioneering结构

Retentioneering主要由两部分组成：预处理模块和路径分析工具。

预处理模块提供了一系列专为处理点击流数据而设计的实用方法，这些方法可以通过代码调用，也可以通过预处理GUI调用。预处理模块包含用于分组或过滤事件、将点击流分割为会话等独立方法，使你能大大减少代码量，从而减少潜在错误。此外，如果你正在处理一个分支分析（这种情况经常发生），预处理方法将帮助你使计算结构化和可重现，并将其组织为计算图。这对团队合作特别有帮助。

路径分析工具通过提供一套强大的技术来对客户旅程地图进行深入分析，将行为驱动的用户分类引入产品分析中。这些工具具有信息丰富和交互式的可视化功能，使你能够快速理解点击流的复杂结构，并提供高分辨率的洞察。