同期群分析（Cohort Analysis）| IDCF

在产品发展过程中，我们通常会把产品收入和产品用户总量作为衡量这个产品成功与否的终极指标。不可否认这些指标固然重要，但是它们并不能用来衡量产品最近所取得的成功，并且极有可能会掩盖一些急需我们关注的问题，如用户参与度持续走低、用户新增在逐渐变缓等。在用户行为分析的过程中，我们需要更细致的衡量指标，这样才更有利于我们准确预测产品发展的走向并通过版本迭代及时对产品进行优化和改进。

这是精益创业里面的创新核算所提倡的关键点。

基本概念

同期群分析(Cohort Analysis)的主要目的是分析相似群体随时间的变化，用户行为的变化趋势。

什么是同期群？

相同时间内具有相似或特定属性 /行为的群体。（时间+特定属性）

例1：将70年代出生的人划分为一个群组

例2：将5月1日~5月7日的注册用户划分为一个群组

什么是同期群分析？

将用户进行同期群划分后，对比不同 同期群组用户的相同指标就叫同期群分析（不同同期群+相同指标）

例1：

70年代出生的人的每日手机使用频率

80年代出生的人的每日手机使用频率

90年代出生的人的每日手机使用频率

例2：

5月1日~5月7日的注册用户的次日留存

5月8日~5月15日的注册用户的次日留存

5月16日~5月23日的注册用户的次日留存

同期群分析示例

我们先将用户按初始行为的发生时间进行划分为群组（即同期群），可以看到对处于相同生命周期阶段的用户进行垂直分析后（横向比较），随时间的变化，用户的使用频率在逐渐降低。

某APP提高用户留存案例

某APP针对首次启动APP的用户进行同期群分析，并观察他们接下来七天的留存情况。

图一：某电商APP新增用户7日留存率

• 17461个新增用户在10月30日首次启动了APP，第一天在这些用户里有 30.6%的人再次启动，第四天12.2%，第七天7.9%，这表明在第七天的时候约每12个用户里就只剩下一个活跃用户。这同时也意味着他们流失了92%的用户。

我们需要知道哪些同期群有更好的留存并分析原因。如：他们在那一天发起了一场新的营销活动吗? 还是提供了促销或折扣？或是发布了新功能，在产品里添加了视频教程？他们可以将这些成功的策略应用于其他用户，来提高用户活跃度及留存率。

我们还可以比较不同时间段的留存：

• 拉新后的留存：通过比较拉新后不同的同期群，我们可以看到4天，7天等时间段后再次回来的用户。这些同期群数据可以让我们了解用户登录体验，产品质量，用户体验，市场对产品的需求力等关键信息。
  = 长期留存：通过观察每个同期群用户再次回来使用APP的天数，我们可以看到每个同期群长期的留存，而不是拉新后几天的留存。 我们可以知道用户是在哪里退出的，并且可以知道活跃用户群有什么特征，他们在做什么，这样一方面有助于我们在拉新时快速找到目标用户，另一方面我们还可以影响新用户，让他们遵循同样的路线，最终成为忠诚用户的模样。

通过同期群分析能帮助我们实时监控真实的用户行为、衡量用户价值并制定有针对性的营销方案

例如他们的运营团队在9月份发起了一场为期60天的欢迎活动，想要通过一系列折扣和优惠来推动用户增长。通过广告展示和社交媒体，他们每天都有数以千计的用户增长。5个月后，他们的用户增长量非常大，领导对他们的活动结果非常满意。

表面看，他们顺利达到了用户增长的目标。然而，当我们仔细研究同期群的数据，从用户的终身价值出发，我们会发现，欢迎活动中新增的用户在活动2个月之后购买率持续降低，与之相反，活动前的新增用户如8月份的用户，在活动的这五个月里购买率一直比较稳定。

图二：某APP用户购买情况

如果我们只把每月总收入作为衡量指标，我们就会以为收入增长仅仅来自新涌入的用户。然而，活动启动之后的用户群组数据表明，一旦优惠活动结束，收入就会下降。收入下降证明他们并没有扩大忠实用户群体。

如上所示，通过同期群分析我们可以实时监控真实的用户行为趋势，否则，我们会因为只分析总体数据得到错误的判断而做出错误的决策。通过分析每个同期群的行为差异，我们可以制定有针对性的营销方案。

在这个案例中，运营人员需要制定新策略来提高活动开始两个月后的用户参与度。

同期群分析常用工具 - 用户留存表

做同期群分析，最常用的工具是用户留存表，也就是前面例子中的表格。用户留存分析，是将用户的行为分为：

• 初始行为：如“首次打开应用”、“成功注册”或“第一次购买”；
• 留存行为：可以是用户的任意一种行为，或某个特定的行为（如“购买”，或“分享到社交网络”）；

通过将用户按初始行为的发生时间分组（得到同期群），然后再统计初始行为时间后不同时段内留存行为的发生频次（或时长，或其他有意义的计量，比如消费金额），制成表格就得到了用户留存表。

不过，在进行用户留存分析时，有个非常重要的问题要注意，即：

不是用户的所有使用行为都对产品有价值。 分析用户留存，一定要找到价值行为，分析用户的价值留存，才会对产品改进产生更大的帮助。

具体来说，就是如何定义留存行为。如果不能真实的反映出用户的使用与产品的实际经营状况之间的关系，就可能会造成一片繁荣假象，导致产品改进走向“叫好不叫座”的误区。

基于用户生命周期进行同期群分析

了解了同期群分析概念后，我们需要基于产品用户生命周期进行同期群分析

什么是用户生命周期？

以微博为例：

• 【初期使用阶段】用户刚开始使用微博时，对功能不熟悉，关注和粉丝都很少，能获得到的有价值内容有限，因此使用频率较低，互动（评论、点赞）和发微博的行为很少。
• 【频繁使用阶段】随着时间推移，用户逐渐建立起了自己的关系网络，并且关注了很多感兴趣的博主，这时用户使用微博的频率非常高，每天花大量的时间在阅读、评论、回复、发微博上。
• 【兴趣降低阶段】时间的脚步向前不停，用户逐渐发现每天花在微博上的时间太多了，而且每天看来看去就是那些内容，逐渐产生了厌烦（兴趣丧失），恰好这时，很多其他有趣的应用如雨后春笋般展露，吸引并占用了用户的不少时间（兴趣转移），用户使用微博的时间减少了很多，而且发微博、评论也不那么及时了。
• 【兴趣丧失阶段】再后来，用户对微博已经没有新鲜感，兴趣已基本丧失，可能隔很多天才偶尔打开一次（甚至不再打开），而且基本不再发新微博。
• 【流失阶段】再再后来，彻底不用了

对于微博来说，用户从初期使用、频繁使用，到兴趣降低、兴趣丧失，到完全不用，就是用户的生命周期。

通过产品用户的生命周期分为若干个阶段，每个阶段平均多长时间，分析实际用户的行为，进而采取不同的运营策略。

小结

同期群分析（Cohort Analysis）有利于我们更深层地分析用户行为，并揭示总体衡量指标所掩盖的问题。在营销方式和活动效果不断变化的当下，学会运用同期群分析有利于我们预测未来收入和产品发展趋势。

IDCF DevOps黑客马拉松👉 9月11-12日，上海站，11月20-21日，深圳站，企业组队参赛&个人参赛均可，一年等一回，错过等一年，赶紧上车~公众号回复“黑马”加入