同期群分析（cohort analysis）是指將不同群組在一定時(shí)間內(nèi)的行為數(shù)據(jù)進(jìn)行可視化， 也就是說洞察用戶行為隨著時(shí)間是如何變化的，以及群組與群組之間的用戶行為變化又有怎樣的區(qū)別。

對(duì)產(chǎn)品經(jīng)理來說，了解產(chǎn)品對(duì)用戶的長(zhǎng)期影響因素是十分重要的，最簡(jiǎn)單的一種方式就是通過同期群分析（cohort analysis）來剖析用戶的行為。

那么，什么是cohort analysis？讓我們來了解下每個(gè)單詞的意思。

Cohort就是表示一組人群。?

以你們學(xué)校的畢業(yè)年份為例，2010級(jí)是一個(gè)群組，而2011級(jí)則是另外一個(gè)群組。

你可以按自己的意愿創(chuàng)建任何群組。例如，你可以按照家庭收入中位數(shù)進(jìn)行分組，也可以按照促銷活動(dòng)進(jìn)行分組，或是按年齡分組。

同類群分析就是將不同群組在一定時(shí)間內(nèi)的行為數(shù)據(jù)進(jìn)行可視化。

換句話說，你想要洞察用戶行為隨著時(shí)間是如何變化的，以及群組與群組之間的用戶行為變化又有怎樣的區(qū)別。

針對(duì)消費(fèi)者產(chǎn)品進(jìn)行同期群分析是最簡(jiǎn)單的方式，所以本篇文章會(huì)通過B2C產(chǎn)品介紹什么是同期群分析。之后，我會(huì)另起文章詳細(xì)介紹下為什么B2B產(chǎn)品的同期群分析會(huì)與眾不同。

下面，就讓我們?cè)敿?xì)介紹B2C產(chǎn)品的同期群分析。

B2C產(chǎn)品的同期群分析

以下是關(guān)于B2C產(chǎn)品用戶留存率的同期群分析：

這是個(gè)二維圖表，你必須知道如何解讀橫軸和縱軸的數(shù)據(jù)。

首先，我們先從左往右第一排分析數(shù)據(jù)開始解讀。

第1組用戶在2019年1月7日激活新賬戶，這個(gè)群組里共有14,256個(gè)用戶。

一周后，本虛擬產(chǎn)品僅有70.4%的活躍用戶，也就是14,256 * 70.4% = 10,036個(gè)用戶仍保持活躍。

兩周后，本虛擬產(chǎn)品僅有35.9%的活躍用戶，也就是14,256 * 35.9% = 5,118個(gè)用戶仍保持活躍。

從左往右，你會(huì)看到這組用戶群隨時(shí)間的變化。通常情況下，群組規(guī)模會(huì)隨著時(shí)間越來越小，這是因?yàn)閷?duì)產(chǎn)品仍然感興趣的用戶會(huì)越來越少。?

8周后，用戶幾乎全部流失，僅有855個(gè)用戶（0.6%）還保持活躍。

接下來，我們?cè)囍陨隙陆庾x。

第2組用戶在2019年1月14號(hào)激活賬戶，新增用戶數(shù)量為18,354個(gè)，比第一組增長(zhǎng)了29%。

盡管從用戶數(shù)量來看，第2組擁有了更多的用戶，但是很快我們就會(huì)發(fā)現(xiàn)第2組在用戶留存率的表現(xiàn)更差。

一周后，與第1組的70.4%相比，第2組的用戶留存率僅有34.6%。

相對(duì)差值達(dá)到51%，這完全無法平衡第2組增加的少量用戶。

繼續(xù)對(duì)比一周后的數(shù)據(jù)，我們會(huì)發(fā)現(xiàn)第2組到第4組的用戶留存率都很低，而第1、5、6、7和8組的用戶留存率基本相當(dāng)。

但是，對(duì)比8周后的各組數(shù)據(jù)，很明顯，第7組和第8組的用戶留存率要比其他群組都高得多。

同期群分析結(jié)論

你可以從B2C產(chǎn)品的同期群分析中了解到哪些內(nèi)容？

首先，同期群分析能夠讓你從不同群組的分析數(shù)據(jù)中找到問題所在，而不是通過衡量總體指標(biāo)來分析用戶行為。

例如，如果不按群組區(qū)分用戶，活躍用戶隨時(shí)間的變化情況會(huì)如下圖所示：

活躍用戶人數(shù)（1月14日）=14256*35.9+18354*0.346

上圖顯示活躍用戶數(shù)量正快速增長(zhǎng)！?

但是，從以上圖表中，我們無法看出前幾組的用戶留存率表現(xiàn)真的很糟糕。

事實(shí)上，從該圖表中，我們無法看出最初群組的用戶幾乎全部流失！

其次，同期群分析能夠幫助你為對(duì)比試驗(yàn)設(shè)定一個(gè)衡量標(biāo)準(zhǔn)。還是用以下的群組分析為例：

假設(shè)我們?cè)?月7號(hào)的群組中沒有進(jìn)行任何試驗(yàn)，并以該組數(shù)據(jù)表現(xiàn)為基準(zhǔn)。?

在第2群組中，我們采用了全新的登陸頁(yè)面。很明顯，新的登錄頁(yè)面給我們帶來了更多的用戶（+29%），但是這些用戶的忠誠(chéng)度卻要低很多（1周后，用戶留存率就差了51%）

接下來2周，我們繼續(xù)更新迭代登陸頁(yè)面，但是用戶留存率卻沒有顯著提升。

從第4組開始，我們又回到第1組時(shí)使用的登陸頁(yè)面，這時(shí)候，我們發(fā)現(xiàn)第4組與第1組的用戶行為變化基本一致。

這時(shí)候，客戶支持部門的某名員工建議在產(chǎn)品里添加即時(shí)聊天工具。之后，第5組的數(shù)據(jù)顯示，盡管該組的用戶規(guī)模較少，但是用戶留存率要比之前好很多！

在第6組里，我們對(duì)聊天工具進(jìn)行了輕微調(diào)整，但用戶行為并沒有顯著改善。這時(shí)候，財(cái)務(wù)部門的某名員工提議與其讓用戶預(yù)先付款，不如允許用戶月底再支付。

在第7組中，我們實(shí)施了新的付款方式，然后發(fā)現(xiàn)該組用戶留存率整體有了顯著增長(zhǎng)。

這時(shí)候，用戶增長(zhǎng)部門的某名員工建議添加用戶論壇，并在第8組中開始實(shí)施。

第8組的數(shù)據(jù)顯示，用戶論壇功能起了很大作用——甚至延長(zhǎng)了用戶活躍時(shí)間。

利用同期群分析，我們可以不時(shí)地進(jìn)行測(cè)試對(duì)比，并觀察測(cè)試在產(chǎn)品的整個(gè)使用周期過程中對(duì)用戶群組有怎樣的影響。

最后，同期群分析能夠讓你明確產(chǎn)品是存在用戶留存問題還是用戶獲取問題。

很多時(shí)候，B2C企業(yè)在面臨用戶增長(zhǎng)停滯不前時(shí)，會(huì)試圖通過更多的銷售和營(yíng)銷活動(dòng)來刺激增長(zhǎng)。但這只會(huì)雪上加霜，用戶增長(zhǎng)率并沒有得到任何改善，這是因?yàn)槠髽I(yè)沒有對(duì)比以前的群組來分析用戶留存率的變化。

B2C產(chǎn)品太過于關(guān)注增加新用戶，而忽視了保留現(xiàn)有用戶的問題，這樣會(huì)最終造成用戶群的快速流失。

從另一方面來看，如果你保留了原有用戶群組，同時(shí)又防止出現(xiàn)“漏桶效應(yīng)”，那么你每周增加的用戶數(shù)量要比流失的多，也就意味著你的用戶群將不斷擴(kuò)大！

總結(jié)

同期群分析是提高分析能力的有效方法。與其衡量最高指標(biāo)，不如多維度分析用戶行為變化。

大多數(shù)B2C產(chǎn)品的同期群分析都是按時(shí)間來分組，因?yàn)樵谖碌挠脩羧旱耐瑫r(shí)，明確以前用戶群留存率的變化也十分重要。

我會(huì)在后面的文章中詳細(xì)講解如何針對(duì)B2B產(chǎn)品進(jìn)行同類群分析，對(duì)這個(gè)分析過程要復(fù)雜得多，但絕對(duì)不會(huì)辜負(fù)你對(duì)此進(jìn)行的投入！

原文作者：Clement Kao，作為Product Manager HQ （PMHQ）網(wǎng)站上的駐場(chǎng)產(chǎn)品經(jīng)理，目前已經(jīng)在PMHQ網(wǎng)站上發(fā)表了50+有關(guān)產(chǎn)品管理的文章。除此之外，Clement還在PMHQ?Slack社區(qū)（成員數(shù)量超過7,000人）提供產(chǎn)品管理相關(guān)建議，并為PMHQ 每周簡(jiǎn)報(bào)（訂閱用戶超過24,000人）策劃內(nèi)容。

原文鏈接：https://www.productmanagerhq.com/2019/05/introduction-to-cohort-analysis/

翻譯：「即能」小程序，公眾號(hào)：「即能Upskill」

本文由 @即能 翻譯發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議