常见形式的同期群分析有两个重要维度

在产品数据中，常见指标通常是总数指标，如用户注册总数和产品总收入。但在迭代中，如果你只看这些数据，可能会导致虚荣指标，如产品总数指标，看起来很好，符合传统的上升曲线，会让人们认为产品开发团队取得了巨大的进展，增长引擎发展很好，每月获得新用户。事实上，很可能会有很大的问题。例如，尽管新用户数量不断增加，但每个新用户贡献的收入并没有增加。只有从传统数据来看，这些问题是找不到的。同期群数据可以更好地帮助分析用户行为，发现问题节点，并帮助做出迭代决策。它也是提高用户留存率的重要方法之一。同期群分析英语写为cohortanalysis，cohort在英语中意味着一群人和一群人(具有共同特征或行为相似)。同期群分析的常见形式有两个重要维度：具有一定共同行为特征的用户；出于同一时期的用户。同时具有上述两个特征的用户被称为同期群（cohort）。时间的划分可以是季度、月、周、日，具体要根据app的使用特点和要分析的内容来确定。比如2018年3月、4月、5月、6月、7月，以月为期，新用户分别组成5个同期群，分析用户转化率。分别是:3月份同期新增用户群（cohorta）4月份新增用户同期群（cohortb）5月，新用户同期群增加（cohortc）6月份新增用户同期群（cohortd）7月，同期新增用户群（cohorte）这些同期群用户的共同行为特征是新用户，然后可以分析这五组之间转化率的趋势和差异，每个同期组也代表了一份独立的产品性能报告。结合我们的业务变化、运营变化和产品迭代变化，我们可以通过比较找到许多有用的数据。结合我们的业务变化、运营变化和产品迭代变化，我们可以通过比较找到许多有用的数据。除了新用户外，它还可以是其他用户特征，如在同一个月内打卡一定数量的用户，或在一天的贵宾推广活动中为贵宾付费的用户。同期群体分析侧重于分析客户生命周期相同阶段群体之间的差异。下图为社交软件同期群分析，以周为单位，用户行为特征为新用户，每周3月、4月新用户为同期群，共8个同期群。为了观察用户的保留情况，社交软件关注选定用户组的以下数据：一周内。已登录的用户比例为1次对话的用户比例为5次对话的用户比例（同周内新增用户总数为基准）。）如果观察同期群分析趋势图，可以发现产品在增加用户保留率方面普遍有所改进。5次对话的用户(活跃用户)从3%左右上升到20%左右，但付费用户没有增长，需要继续深入分析是什么导致付费转化率停滞不前。层次太深吗？还是没有足够的功能来吸引用户付费，还是定价策略有问题等等。另一方面，我们也可以分析活跃用户有5次对话，从3月4日开始大幅增长。是什么促进了增长？此外，同期群分析通常用于分析用户数据流失和节点流失，从本质上分析每个同期群随时间变化的趋势。与上图不同的是，它将一段时间分为更详细的范围，分析用户在这些时间范围内的变化趋势。例如，我们可以分析本周每天新用户保留率的变化。(这张图来自网络EmilyBonie)这张图能看到什么？首先，在8月30日至9月6日的一周内，新增了134529人，每天将这些用户分成7个同期群，分析他们的异同。以8月20日同期群为例，第一天有31.3%的人回访，但第七天只剩下8.1%，留存率相对较低。如果只看新用户，看起来很多，有134529人，但剩下的用户只有8.1%，剩下的91.9%都丢了。如果将新用户与水桶进行比较，影响最终能连接多少水的因素，一方面从水龙头开始