访问官网
Github
文档
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。
文档
完整文档可在这里查看。
安装
可以通过pip使用PyPI安装Retentioneering。
pip install retentioneering
或直接在Jupyter notebook或google.colab中安装。
!pip install retentioneering
快速入门
我们建议您从快速入门文档开始您的Retentioneering之旅。
分步指南
预处理
路径分析工具
原始数据类型
原始数据可以从Google Analytics BigQuery流或任何其他此类流中下载。只需将这些数据转换为用户ID、事件和时间戳的三元组列表，然后传递给Retentioneering工具即可。该包还包含一些数据集，方便快速入门。
更新日志
贡献
这是一个正在积极开发的社区驱动的开源项目。我们非常欢迎任何贡献、新想法、错误报告、错误修复和文档改进。
Retentioneering现在为数据驱动的产品分析和网络分析提供了多个开源解决方案。请查看这个仓库以获取用于跟踪网站元素变化的JS库。
应用程序因数学而变得更好！:) Retentioneering是由Maxim Godzi于2015年创立的研究实验室、分析方法和开源工具。如果您对这个仓库有任何问题，请随时通过retentioneering@gmail.com与我们联系。
