关键词：
转载于:Cohort Analysis：用户在哪一步离开了我们的产品？
数据是会骗人的，尤其是平均数据（真实世界会有用户每个月下单2.5次吗？很可能是两个分别下单1次和4次的客户而已），一个中等的平均的用户画像其实完全是用数据创造出来的虚幻的形象。而一个漂亮的平均数所创造出来的这种虚幻景象，往往会给我们的决策造成误导。但是事实上，数据并不会说谎，只是分析数据的人没有做到精准分析而导致对数据呈现的错误解读！因此，Cohort Analysis的分析方法应运而生。
一、什么是Cohort Analysis？
Cohort其实是一个组群的意思， Cohort Analysis就是分组分析，也可以叫做同期分析。Cohort分析通过对性质完全一样的可对比群体的留存情况的比较，来发现哪些因素影响短、中、长期的留存。Cohort分析受到欢迎的另一个原因是它用起来十分简单，但却十分直观。相较与比较繁琐的损失分析，RFM或者用户聚类等，Cohort只用简单的一个图表，甚至连四则运算都不用，就直接描述了用户在一段时间周期（甚至是整个LTV[2]）的留存（或流失）变化情况。
二、如何做Cohort Analysis？
首先我们了解一下两个概念：维度以及粒度。
维度：如果按用户的新增日期分组，那时间就是维度，如果按新增用户的渠道来源分组，渠道就是维度。
粒度：例如，时间维度是按照月划分、还是按照天划分；新增渠道维度是新增的来源产品还是来源的具体网址，这些都是粒度差异。
分组留存率计算起来比较简单，首先对用户进行分组，先按照维度分，再按照粒度分。通过基于这两方面的分组，可以将对比的差异值逐级锁定，寻找原因。
表1是一个典型的Cohort Analysis表格。该Cohort Analysis按照时间为维度，月份为粒度进行用户分组。
表1：Cohort Analysis表格
表1中，第一列为月份的排列，第二列为对应每个自然月中新增的用户数量。右侧表格即为当月新增的用户数量在后续每个月中的留存情况。那么这个图是怎么看的呢？
首先横向看表。1月份中，公司共有新增用户80个，当月流失用户2个，剩余的78个用户在2月份时又流失了3个，剩余75个用户在3月份时又流失了3个，剩余72个，以此类推，1月份的80个新增用户在11月的留存数量为64个。其他月份也是同样的分析方法，例如，4月份新增的110用户在8月的留存数量为99个。
其次纵向看表。5月份中，当月总下单用户数为477。其中，应该包括1月新增到5月留存的70个、2月新增到5月留存的82个、3月新增到5月留存的103个、4月新增到5月留存的107个以及5月刚刚新增的115个用户。
根据表1中的留存数据量，能够计算得到留存率，进而得到表2。
表2：留存率表
表2中，首先横向看表，能够看出每个月新增用户在后续各月的留存率情况。其次纵向看表，能够看出不同月份新增用户分别在下个月、下下个月等的留存表现如何。
三、Cohort Analysis表格中一家好的公司应有的趋势是什么？
对应表2中横向纵向两方面的分析，一家好的公司应该能够看到如下的趋势：
首先横向的留存数据终会在某个月份之后停留在一个固定的留存率上，比如A月获取的100个用户，在半年后每个月的留存率都稳定在60%，这就说明这60%的用户是稳定留存下来的。否则若留存率一直处在下降的状态，在若干月后将最终归零，即A月的留存客户为0。
其次纵向的留存数据应该是越来越好的。因为若公司和团队应该不断的根据历史情况改进产品和体验等，使得越后面加入的用户，能够享受到越好的产品及服务，从而导致后续月份的留存率越高。
根据Cohort分析我们可以更好的知道一家公司具体的运营情况，而且是分组的有时间延展性的。你可以看到每月的新增用户数量的变化情况，不同月份新增用户在后续每个月的留存情况，每个月的流失率情况等等。如果只看当月的总用户情况，那么上述这些问题都会被掩盖，尤其是新增用户数量大的时候，表面看起来公司用户是在增长，但很可能全都是靠新增用户拉动的。
四、一个案例总结
Cohort Analysis又叫队列分析，群组分析，是数据分析中常用的一种方法。Cohort Analysis的一般分析过程是将数据分成相同权重，连续的几个部分，然后对每部分数据做相同分析，最后做连续性讨论并得到结果。
总结：
A公司的的拉新留存工作做的很好，但是有一个问题：随着拉新数量增加，留存率会降低。可能的原因是拉新渠道变多，导致用户的精准程度下降。
可以采取的措施有：
对之前精准的用户渠道加大投放；
针对目标新用户增加新功能；
结论：B公司虽然拉新效果好，但是用户流失非常快，可能原因是产品功能没有做好或者拉新渠道有问题。B公司现在急需解决该问题，如果无法解决该问题，B公司是一家危险的公司。
进阶拓展
Cohort Analysis不单单可以用在用户留存上，支付金额，用户价值等指标都可以通过使用Cohort Analysis进行分析。
循序渐进的增长黑客指南：如何提高用户留存
一、用户留存的价值 我们上一篇讲了《循序渐进的增长黑客指南：如何提高用户留存（数据分析篇）》，本文讲解如何提高用户留存的实践方法篇。首先我们来看看，用户留存到底有多重要？提高用户留存率到底意味着什么... 查看详情
商业模型（06）：aarrr用户增长模型
...(DaveMcClure)所提出，它反映了黑客增长是系统性地贯穿于用户生命周期各个阶段的：用户拉新(Acquisition)、用户激活(Activation)、用户留存(Retention)、商业变现(Revenue)、用户推荐(Referral)。在这个漏斗中，流程环环相扣，逐步转化，每... 查看详情
30日留存率怎么写
...承担掉粉的风险，也要把最后两篇写完。留存率是指新增用户在一段时间内再次登录游戏的比例。留存率反映的实际上是一种转化率，即由初期的不稳定的用户转化为活跃用户、稳定用户、忠诚用户的过程，随着这个留存率统计... 查看详情
聊一聊用户增长
#01什么是用户增长 用户增长基本上会涉及生意场上的各行各业，你开个店面希望有更多的客户光顾，你做了个APP希望有更多的用户经常使用，你搭建了个电商平台希望有更多的人下单买东西。 用户增长&#x... 查看详情
解决数据分析落地难的几点经验
...的分析结论他们才会更感兴趣。比如，他们最近比较关心用户留存率，那么就要重点分析用户留存率问题，虽然其他问题，比如付费用户的增长你也发现了分析的必要，但目前可能不是业务方最关心的问题。接下来就要保证分析... 查看详情
用户留存率计算
留存率作用用户留存率体现用户粘性，提高用户留存率可创造更大的价值，通常观察次日留存（1日留存）3日留存、7日留存、30日留存，根据不同的业务场景还有更久的周期。用户留存在互联网行业中是重点核心指标，每一位数... 查看详情
常见用户行为分析模型：用户留存分析模型
在用户行为领域，通过数据分析方法的科学应用，经过理论推导，能够相对完整地揭示用户行为的内在规律。基于此帮助企业实现多维交叉分析，帮助企业建立快速反应、适应变化的敏捷商业智能决策。结合近期的思考与学习，... 查看详情
数据分析需要掌握哪些知识?
...分析要掌握主流的数据分析方法。1、事件分析可以根据用户在企业APP、网站、小程序等平台上的操作记录或是行为日志，来确定用户在平台上各个板块之间行为的规律和特点，通过商业智能BI数据分析，研究出用户的内心需求，... 查看详情
常见用户行为分析模型：用户留存分析模型
在用户行为领域，通过数据分析方法的科学应用，经过理论推导，能够相对完整地揭示用户行为的内在规律。基于此帮助企业实现多维交叉分析，帮助企业建立快速反应、适应变化的敏捷商业智能决策。结合近期的思考与学习，... 查看详情
如何用excel进行预测分析？
【面试题】 一个社交APP,它的新增用户次日留存、7日留存、30日留存分别是52%、25%、14%。 请模拟出来，每天如果日新增6万用户，那么第30天，它的日活数会达到多少？请使用Excel进行分析。 【分析思路】 第1... 查看详情
hive大数据实战项目---用户行为分析
...需求本案例的数据为小程序运营数据，以行业常见指标对用户行为进行分析，包括UV、PV、新增用户分析、留存分析、复购分析等内容。项目需求如下：1.日访问量分析，并观察其走势2.不同行为类型的访问量分析3.一天中不同时... 查看详情
BigQuery：如何对 2.5 年的用户群进行同期群/留存分析？
】BigQuery：如何对2.5年的用户群进行同期群/留存分析？【英文标题】：BigQuery:Howtoruncohort/retentionanalysisforuserbaseacross2.5years?【发布时间】：2019-06-2522:42:44【问题描述】：我被要求根据2.5年的购买情况，为超过5万用户的应用完成一... 查看详情
3个模型搞清楚用户留存分析
什么是用户留存？进入互联网下半场后，互联网流量竞争愈发激烈，获客成本不断提升，企业不可能无限制的投入成本拉取新用户，那么最大限度的保证用户的留存就变得异常重要。怎么理解留存呢？想必大家小学一定做过&ldquo... 查看详情
电商行业：全链路监测广告投放效果，用数据驱动业务增长
哪个营销任务、营销渠道的引流用户更多？买量用户的活跃、留存情况如何？哪个营销任务引流的用户后续的加购、下单转化最多？HMSCore分析服务作为广告转化跟踪工具，广告主可实现从“曝光、点击、下载、激... 查看详情
百度用户增长sql面试题(代码片段)
...有常考点留存率、连续登陆天数的问题，以及其他像用户分级、最大观看时长的统计。对往期内容感兴趣的同学可以参考如下内容👇:链接:牛客SQL大厂真题——某音短视频.链接:京东数据分析SQL面试题.🌰话不多说ÿ... 查看详情
干货分享|看如何用python数据可视化来分析用户留存率，建议收藏
...本篇文章之后会有所收获。关于“漏斗图”漏斗图常用于用户行为的转化率分析，例如通过漏斗图来分析用户购买流程中各个环节的转化率。当然在整个分析过程当中，我们会把流程优化前后的漏斗图放在一起，进行... 查看详情
《增长黑客》笔记
...。工具：（1）GoogleAnalysis：提供的指标有：页面浏览量，用户浏览量，渠道来源，访客特征、访问路径（2）友盟：流量来源，内容使用，用户属性和用户行为数据。第2章创造正确的产品第三章获取用户第四章激发活跃第五章提... 查看详情
为什么要做数据分析
...用主要有4个，分别是分析原因、评估效果、产品迭代、用户增长。1、分析原因在互联网企业中，产品经理经常会遇到的问题是，需要分析用户活跃度降低的原因、销售收入降低的原因、用户留存率降低的原因，这些问题都需要... 查看详情