Cohort Analysis组群剖析是一种能深入发掘数据的剖析方法

Cohort Analysis组群剖析是一种能深入发掘数据的剖析方法，经过将数据进行多维度的出现，暴露问题时点，聚集分群，助力问题的有用定位。

一、留存率的背后隐藏着什么？

上图为某公司近半年的留存率改变状况（数据为举例），经过图中咱们发现留存率跟着时刻逐渐减少，这是一个整体成果的出现，而当咱们想要了解更细节的信息，比如说：

• 当出现反常下降点时，怎样再细分拆解原因？
• 单个月份下的留存率是由什么部分构成的？
• 单个月份下新增的用户跟着时刻的推移的丢失状况？等等……

有什么方法能让咱们深挖数据呢？同期组群剖析能够处理。

二、运用Cohort Analysis组群剖析剖析数据

Cohort Analysis同期组群剖析，即针对不同分组的用户在相同的时段内的剖析方法。经过以下步骤咱们来看看怎样运用组群剖析剖析留存剖析的问题。

1. 建立剖析结构：分组+时刻

• 横轴是时刻线，从聚集调查的起点开始计算1个月后，2个月后，3个月后等等今后的状况。为了便于从时刻视角去调查数据，在表述的时候，咱们转化成详细时刻段下的维度。例如转化成1月、2月、3月……。
• 纵轴是组群，在留存率的比如下，咱们区分的组群以每月新增的用户量为分组，即1月份添加的用户，2月份添加的用户，3月份添加的用户…

2. 定义研讨的主体变量，收集数据填充

在经过坐标轴建立好分组规范和时刻周期粒度后，咱们需求确定研讨的主体变量。在比如留存率剖析中的主体研讨目标是“每月下的新增用户”，咱们把它放在对应分组的周围，代表的是当前月份分组下对应的“新增用户”数值。

当用户群、时刻、研讨主体都确定后，咱们能够进行数据的收集及填充。跟着时刻的推移，年初至7月份的数据：

分别从横轴及纵轴这二维的角度来打开剖析数据：

1）横向比较：时刻的延展性

横轴的视角是详细分组下跟着时刻改变的状况，分组间表现了时刻的延展性，你能够看到每个月新增的用户留存跟着时刻的推移的数量改变状况。调查图表咱们能够发现的问题是：

• 留存状况是否合理？合理参阅规范能够是：自己往期的平均水平、同行的平均水平、预期目标等。
• 是否有某个月份数据反常？超出均值范围内的大的增长或减退，再结合详细时刻节点前后产生的产品动作进行排查。

2）纵向比较：聚集时刻段下的细分结构

纵向的数据，即详细月份下的数据是对每期分组的新增用户进行累加，各分群组成结构清晰可见。

针对留存的剖析，转化成留存率的视角，调查每月新增用户、每月下各期组成分群的留存率改变趋势，理想态是要提升的，说明数据的留存比之前更好，表现出公司不断在产品功能上进行优化，使得留存率提升。如果发现违背理想态的状况，再聚集反常的节点进行剖析。

另外谈一下增强数据的可读性，能够经过对数值区间进行色彩深浅的设置，或者将横纵轴分别转化成折线图，使得关于数据的波动起伏得到更直观的出现。

三、灵活运用分组剖析

上例留存率问题现已扼要说明晰组群剖析的基本运用步骤，它达成了把问题拆解到时刻维度出现改变趋势及组成结构。那么Cohort Analysis组群分还能怎样灵活运用？它有没有局限性呢？咱们尝试着抽象出它的几类运用形式。首要，看下它的根底结构是这样：

1. 研讨纵轴的分组目标：能够是时刻、人、事/物

1）“时刻”为纵轴的分组

它的特色为分组是对不同时期进入的用户，分别调查其后续行为的改变状况，这个特性决议了每期分组下存在持续新增用户，此时的剖析才有意义。

由于C端类产品用户是独立的个别，单独运用，满意这种状况；而B端类产品就不适用了，B端类产品的用户往往是在系统上线时，大批量应公司要求开始运用，后续零星的新员工持续加入运用，在每期分组下不满意有持续新增用户。

再说说此类表格数据的出现形式，由于是对不同时刻批次的数据进行收集，在表格数据出现形式上是三角形。

2）“人（用户群）”、“事/物”为纵轴的分组