跳到主要内容

同期群分析

问题​

什么是同期群分析（Cohort Analysis）？和普通留存分析有什么区别？

答案​

什么是同期群分析​

同期群分析是将用户按某个共同事件的发生时间分组，然后跟踪每组在后续时间段的行为指标。最常见的是按首次注册/首次购买的时间分组，观察留存或付费行为。

留存矩阵​

同期群分析最经典的输出就是留存矩阵：

Cohort（注册月）用户数第 1 月第 2 月第 3 月第 4 月第 5 月
2024-0110,00035%22%18%15%14%
2024-0212,00038%25%20%17%-
2024-0311,00040%28%22%--
2024-0415,00042%30%---
2024-0513,00045%----
如何阅读留存矩阵
  • 横向看（同一行）：某一批用户随时间的留存衰减 → 看用户生命周期
  • 纵向看（同一列）：不同批次在同一生命周期阶段的留存 → 看产品改进效果
  • 如果纵向越来越好（2024-05 的第 1 月 > 2024-01 的第 1 月），说明产品在持续改善

SQL 实现​

按月 Cohort 留存矩阵
WITH cohort AS (
    -- 确定每个用户的 Cohort（首次活跃月）
    SELECT
        user_id,
        DATE_FORMAT(MIN(event_date), '%Y-%m') AS cohort_month
    FROM user_events
    GROUP BY user_id
),
activity AS (
    -- 每个用户每月是否活跃
    SELECT DISTINCT
        user_id,
        DATE_FORMAT(event_date, '%Y-%m') AS active_month
    FROM user_events
)
SELECT
    c.cohort_month,
    COUNT(DISTINCT c.user_id) AS cohort_size,
    -- 第 0~5 个月的留存率
    ROUND(COUNT(DISTINCT CASE
        WHEN PERIOD_DIFF(EXTRACT(YEAR_MONTH FROM STR_TO_DATE(a.active_month, '%Y-%m')),
                         EXTRACT(YEAR_MONTH FROM STR_TO_DATE(c.cohort_month, '%Y-%m'))) = 1
        THEN a.user_id END) * 100.0 / COUNT(DISTINCT c.user_id), 1) AS month_1,
    ROUND(COUNT(DISTINCT CASE
        WHEN PERIOD_DIFF(EXTRACT(YEAR_MONTH FROM STR_TO_DATE(a.active_month, '%Y-%m')),
                         EXTRACT(YEAR_MONTH FROM STR_TO_DATE(c.cohort_month, '%Y-%m'))) = 2
        THEN a.user_id END) * 100.0 / COUNT(DISTINCT c.user_id), 1) AS month_2,
    ROUND(COUNT(DISTINCT CASE
        WHEN PERIOD_DIFF(EXTRACT(YEAR_MONTH FROM STR_TO_DATE(a.active_month, '%Y-%m')),
                         EXTRACT(YEAR_MONTH FROM STR_TO_DATE(c.cohort_month, '%Y-%m'))) = 3
        THEN a.user_id END) * 100.0 / COUNT(DISTINCT c.user_id), 1) AS month_3
FROM cohort c
LEFT JOIN activity a ON c.user_id = a.user_id
GROUP BY c.cohort_month
ORDER BY c.cohort_month;

Cohort 分析的变体​

变体Cohort 划分依据分析目的
时间 Cohort首次注册/购买的时间留存趋势、产品改进效果
行为 Cohort首次使用某功能功能价值评估
渠道 Cohort获客渠道各渠道用户质量对比
付费 Cohort首次付费时间付费用户生命周期

同期群分析 vs 普通留存分析​

对比普通留存分析同期群分析
数据聚合所有用户混在一起按 Cohort 分组
能否看趋势❌ 新老用户混杂✅ 控制变量对比
受新增影响⚠️ 新增暴涨会稀释留存✅ 不受影响
能否评估改进困难✅ 纵向对比不同 Cohort

常见面试问题​

Q1: 为什么要用同期群分析？直接看整体留存率不行吗？​

答案：

  • 整体留存率会被新增用户稀释。如果某月拉了一大波新用户，短期留存数字会变差（因为新用户还没到第 7 天）
  • 同期群把不同时期进来的用户分开，控制了"入组时间"这个变量
  • 才能真正回答"产品改进有没有让留存变好"

Q2: 留存矩阵中，如果纵向留存在下降（越来越差），说明什么？​

答案：

  • 后进来的用户质量下降（可能是渠道质量变差）
  • 或产品体验变差（Bug、功能变更）
  • 需要按渠道拆分 Cohort，排除是否是某个渠道的问题

Q3: Cohort 的粒度应该怎么选？​

答案：

粒度适用场景
日 Cohort高频产品（社交、游戏）、关注次日留存
周 Cohort中频产品、消除周末效应
月 Cohort低频产品（电商）、长期趋势
  • 原则：Cohort 内的用户应尽量相似（同一批拉新、同一个活动）

相关链接​