教育行业数据分析怎么做？从学员行为到续班效果复盘

续班结果通常在续费期才结算，但学员的到课、作业、请假和家长沟通变化，往往提前几周就出现。等到续费名单出来再分析，能做的只剩下挽回。教育行业数据分析常从看板开始，但口径不统一，看板上的续班率就没法比较，更没法指导动作。把学员行为数据和续班结果放在同一张表里，机构才有机会在续班期之前判断哪些人需要关注，哪些动作值得继续做。

这套分析和通用的留存分析相通。把同一批学员按入学时间或课程期次分组，观察他们在续班节点的留存差异，再结合渠道、课程和教师维度拆开看，就能从整体续班率走到具体人群。续班口径确定比较范围，行为变化帮助定位人群差异，分群后的运营动作还需要用效果验证和复盘判断是否有效。

一、先统一续班口径，后面的比较才有意义

同一句续班率 60%，在不同机构可能代表完全不同的东西。分母用期初人数还是期末人数，扩科算不算续班，转班和休学怎么处理，都会改变结果。口径不统一，跨校区、跨课程、跨期比较就会失真。

续班率、续费率、留存率的区别

续班率看人数，续费率看金额，留存率看时间窗口。三个指标一起看，能区分人数流失、收入流失和长期流失。续费率受价格、课包和优惠影响，续班率受口径影响，报表里最好同时标注。

可续人群怎么定

可续班人数建议以课程期次为单位，取期初在该班次、未退费、进入续班观察窗口的学员。新签学员不计入，因为他们没有上一期。跨课程续报单列为扩科，不混进主续班率。主指标建议按学员和课程合同计算，家庭报名、兄妹同读可以另做家庭口径，避免重复或漏算。

一张口径卡把争议提前说清

这张卡不需要很长，但要在每个续班期开始前确认一次。口径一旦变化，旧数据要按新口径重算，或者在报表上标注版本，避免拿两个不同口径的数字做趋势比较。

二、续班指标卡，结果指标和过程指标分开看

只看续班率，得到的是结果，错过的是干预时机。一张可用的续班指标卡，通常放在用户行为分析平台或教务看板里。结果指标回答最后留住了多少，过程指标回答哪些学员正在发生变化。

结果指标看最终留存

结果指标包括续班率、续费率、退费率和流失率。续班率看人数，续费率看金额，退费率看明确退费的比例。三个指标一起看，能区分学员没有续报和学员明确退费，这两种情况对应的动作不同。

过程指标看干预机会

课消完成率高不一定好。学员课时快用完，说明续班节点临近；剩余课时很多但到课率低，可能说明排课或意愿有问题。指标要组合读，不能拿一个数字直接下判断。

指标不要贪多

一张指标卡能支撑每周一次复盘就够了。先选 6 到 8 个指标，每个指标都能对应一个动作。连续请假对应班主任沟通，作业提交率下降对应老师反馈，家长沟通响应变慢对应续班意愿确认。没有动作承接的指标，先不放进周报。

候选领先指标需要验证

到课率、作业提交率这些过程指标常被当作续班的领先指标，但它们是否稳定领先，要用本校历史数据验证。做法是取过去 3 到 4 期学员，比较续班组和未续班组在续班前 4 周、8 周的指标差异，再看这些差异是否稳定。验证通过后再用于预警，不要直接套用外部阈值。

三、学员行为怎么读？看趋势、看组合、看基线

行为数据最容易犯的错，是拿一个时间点下结论。学员这周请了一次假，不代表要流失；连续三周请假，作业从按时交变成反复催交，家长回复越来越慢，才值得进入干预名单。

哪些行为值得看

• 到课，连续请假、迟到早退增多、调课频繁。
• 作业，提交延迟、缺交、订正率下降。
• 课消，进度停滞、剩余课时异常。
• 沟通，家长主动询问减少、回复变慢、对续班话题回避。
• 课堂表现，互动减少、作品或测评完成度下降，如果老师有记录。

这些行为反映的是参与度和家庭投入的变化，不能直接说明原因。原因可能在教学、课程匹配、排课、价格或家庭安排，需要下一步排查。

两个学员到课率一样，风险可能不同

学员 A 近 4 周到课率 70%，过去 3 个月一直在 70% 左右，家庭固定每周缺一次课，但作业按时交，家长沟通正常。学员 B 近 4 周到课率也是 70%，前 3 个月是 95%，最近三周连续请假，作业两次未交。两个人的到课率相同，B 的风险更高。

读行为数据时，至少做三个比较，和学员自己的历史比，和同班同课程的平均水平比，和季节性基线比。寒假、考试周、升学节点都会影响出勤，拿淡季和旺季直接比会误判。

从信号到分层，不要直接下结论

可以用三层名单管理干预优先级。

• 观察名单，出现一个信号，持续时间短，先记录，不打扰家长。
• 干预名单，两个以上信号同时出现，或一个信号连续两周恶化，安排班主任或老师一对一沟通。
• 挽回名单，三个以上信号叠加，剩余课时少，家长对续班沟通没有明确回应，进入校长或主管跟进的挽回流程。

阈值用本校历史数据校准，不同课程、不同年级可以不同。名单每周更新一次，避免一次判断用一个月。

四、按渠道、课程和学员分层，找到差异在哪里

整体续班率只能说明结果，分群比较才能找到差异。分群要带着问题拆，维度堆得越多，结论越容易散。渠道差异看获客质量，课程差异看产品匹配，教师差异看教学和服务，学员差异看风险等级。

分群前先保证互斥

用于比较的分组不能重叠。把上过体验课的学员和体验课后报名的学员当成两组比较，后一组必然包含前一组，结论没有意义。分群时先确认每个学员只落在一个组里，再比较同一观察窗口的续班率。

小组样本太少时，百分比会剧烈波动。一个班 12 人续了 6 人，续班率 50%，另一个班 80 人续了 44 人，续班率 55%，两个数字的可信度不同。报表里同时放分子和分母，别只看百分比。

渠道差异不等于渠道原因

以下为演示数据，仅用于说明读法，不代表任何机构的真实水平。

这张表里，信息流渠道的续班率和行为指标都偏低，地推次之，转介绍最高。可以据此提出假设，比如转介绍学员的家庭信任基础更好，信息流学员的课程预期可能不匹配。不能据此判断信息流渠道质量差，因为渠道和学员年级、课程类型、优惠力度可能混在一起。下一步要固定课程和年级，再看渠道差异是否还在。

用二维表安排不同策略

这张表适合在开班会后使用。先看每个班落在哪个格，再决定本周动作。高续班但行为下滑的班，最容易被忽略，因为结果还好看；等到下一期续班率掉下来，干预就晚了。

按入学批次和渠道做同期群分析，比较同一观察窗口内的续班率，能减少把不同批次混在一起造成的误判。

五、相关不等于因果，续班效果怎么验证

分析学员行为时，很容易得到一个看起来很有说服力的结论，到课率高的学员续班率更高，所以提高出勤就能提高续班。这个推理跳过了关键一步。到课率高和续班率高可能同时受家庭学习意愿、教师水平、课程匹配度影响，出勤只是相关，不一定带来续班。

为什么上课多的学员更愿意续班，不能直接当结论

Amplitude 在 2024 年 7 月发布的相关性与因果说明中举过一个产品分析的例子，加入社区的用户留存更高，但这也可能是因为本来就更活跃的用户更愿意加入社区。教育场景里同样成立。愿意配合上课的家庭，本来就更可能续班；老师讲得好，也可能同时带来高出勤和高续班。把相关当因果，容易把资源投到无效动作上。

更稳妥的表达是，近 4 周到课率下降的学员，续班率低于稳定组，这是一个风险信号。这句话描述差异，不承诺因果。

能做实验就做小实验

想验证某个动作是否有效，优先做随机对照。选择同一课程、同一风险等级的学员，随机分成两组，一组执行标准服务，另一组增加一个明确动作，比如每周一次学习反馈加家长沟通。两组只差这个动作，观察一个续班周期的续班率和投诉率。

教育机构做实验要注意公平和合规。增加动作组不能获得明显更好的教学资源，标准服务组也不能被故意降低服务。涉及未成年人信息时，按最小必要原则使用数据，控制访问权限。

样本量小时，不要看到几个百分点的差异就下结论。先看差异是否在多个班次重复出现，再看是否能用同期群和历史数据交叉验证。需要做实验设计和效果比较时，可以借助 A/B 实验工具统一口径。

不能做实验时，把结论降级

很多机构没有条件做随机分组，可以用准实验。分校区或分批次上线同一个动作，比较上线前后的变化，同时找一个未上线的相似校区做对照。没有对照时，前后对比只能作为线索，不能写成效果。

活动复盘也要注意选择偏差。班主任打电话回访后，被回访学员的续班率更高，不代表电话有效，因为老师可能优先联系了本来就更可能续班的家庭。复盘表里要写清楚谁被选中、为什么被选中、有没有对照组。

六、续班效果复盘，输出一张能执行的表

复盘会要回答的是下一期改什么，解释过去只用来提供依据。建议在续班期结束后两周内开一次，先把整体结果和分群差异摆出来，再逐条确认原因假设、动作、负责人和验证指标。

一个可执行的节奏是，续班前 8 周开始看行为趋势，前 4 周确认干预名单，前 2 周做续班意愿沟通，续班期结束后 2 周复盘。

复盘表怎么写

分群复盘表至少包含分群、可续人数、续班人数、续班率、行为指标和判断。行动清单另起一张，写清楚做什么、谁来做、什么时候做、用什么指标验证。

以上为演示数据，仅用于说明表格结构。

原因假设要能被证据支持或推翻。家长不重视这种说法太宽，没法验证；家长对下一阶段课程内容不了解，可以通过沟通记录和问卷验证，也能对应一个具体动作。

从复盘到行动闭环

复盘之后，动作要进入下一周的名单和看板。圈人、触达、记录、验证四步走完，分析才算落地。 每次只改一两个动作，保留对照组或至少保留前后对比，下一期复盘时才有证据判断动作是否值得继续。

如果动作执行率很低，先查流程和排班，不要急着换策略。很多续班问题出在名单给了没人跟，或者跟了没记录。

七、数据基础和工具，先把三件事做对

分析做不起来，常见卡点在数据基础。学员 ID 不统一，事件记录不全，指标口径每人一套，再好的看板也只能展示不可比的数字。

学员 ID 和事件数据

先保证一个学员一个 ID，能跨校区、跨课程、跨渠道关联。 家庭可以另设家庭 ID，但主分析仍以学员和课程合同为单位。需要记录的事件至少包括报名、缴费、到课、请假、调课、作业布置、作业提交、作业批改、课消、沟通、续班、退费、转班。

事件要有时间、对象、来源和结果。比如一次家长沟通，要记录触达时间、渠道、沟通对象、是否回复、下一步动作。只记录已沟通，后面没法分析响应率。

指标口径和标签

把续班率、续费率、到课率、作业提交率的分子、分母、观察窗口、排除项写进指标字典，指定负责人和版本。口径变更时保留旧版本，报表标注使用哪一版。标签体系要能表达渠道、课程、班型、年级、教师、入学批次和风险等级，分群才有抓手。

工具承接与适用条件

当分群从季度一次变成每周一次，手工导出会拖慢复盘。ThinkingAI 的行为分析、事件分析、漏斗分析、留存分析、路径分析、用户分群、RFM 客户价值分层、归因分析、A/B 测试、数据看板、私域 SCRM、自动化触达和生命周期管理，可以承接从圈人、触达到复盘的链路。数据分析 Agent 支持自然语言问数、自动归因和报告生成，ThinkingAI 的 Agentic Engine 支持多 Agent 协作，把分析结果接到运营动作。

这些能力适合已经具备学员 ID、事件数据和统一口径的团队。数据基础不齐时，先补采集和口径，工具不会自动修正业务定义。 小机构可以从教务系统导出数据，先用表格做月度分群复盘；当名单更新频率、触达规模和协作人数上来，再考虑平台化。

ThinkingAI 已服务全球超 1500 家企业，接入产品超 8000 款。这些经验来自多行业数据实践，教育机构仍要按自己的课程、班型和续班节奏校准指标，不能直接套用其他行业的阈值。

八、常见问题

续班率多少算正常？

没有统一标准。 续班率受课程品类、班型、城市、年级、续班窗口和计算口径影响，两个不同口径的数字放在一起比较没有意义。可用的参照有三类，本校过去 3 到 4 期同口径数据，同课程同班型的历史数据，同城市同类机构的同口径数据。先保证口径一致，再看高低。行业平均值只能作为背景，不能直接当考核线。

新签学员和扩科算续班吗？

新签学员不算续班，因为没有上一期。扩科是同一学员购买不同课程，建议单列扩科率，不混进主续班率。主续班率看同一课程的继续报读，扩科率看交叉销售，两个指标回答不同问题。

转班、休学、退费怎么处理？

在口径卡里提前固定。同课程转班通常算续班；跨课程转班算转科，单列；休学单列，观察窗口内复课可以计入，超过窗口算流失；退费算流失，并单独统计退费率。规则一旦确定，每期都用同一套，不要因为这个月数字不好看临时改口径。

学员行为数据和续班是因果关系吗？

通常先看到的是相关。到课率高、作业提交率高的学员续班率更高，可能因为家庭学习意愿强、教师质量好或课程匹配度高。要验证某个动作是否有效，需要随机对照或准实验。没有验证条件时，把结论写成风险信号或线索，不要写成保证。

没有数据团队，最小可行的做法是什么？

先做三件事，一张口径卡、一张月度指标卡、一张分群复盘表。数据从教务系统导出，按课程期次和渠道分组，先看趋势和组合信号。每周只跟踪一个可执行动作，比如对连续两周请假且作业未交的学员做一次家长沟通，记录沟通结果和下一周到课变化。等数据量和协作频率上来，再考虑平台化。

数据分析能保证续班率提升吗？

不能保证。 分析能提高判断的准确性和干预的及时性，但续班还受教学质量、课程匹配、价格、竞争和时间安排影响。把分析结果落到具体动作，并用小实验验证，比追求一个预测分数更可靠。

参考资料

• Amplitude. Correlation vs causation: Learn the difference. 2024-07-17. https://amplitude.com/blog/causation-correlation
• ThinkingAI. 用户留存率下降怎么分析？从渠道、用户分群和产品行为查原因. https://www.thinkingai.cn/blog/user-retention-rate-decline-analysis-channels-user-segmentation-product-behavior