也許不是所有的運(yùn)營(yíng)都知道同期群分析，但它是每個(gè)產(chǎn)品運(yùn)營(yíng)必備的分析方法。

一個(gè)漂亮的平均數(shù)完全是用數(shù)據(jù)創(chuàng)造出來(lái)的虛幻景象，會(huì)給我們的決策造成誤導(dǎo)，因此我們需要掌握一個(gè)行之有效的方法來(lái)剖析真實(shí)的用戶(hù)行為和用戶(hù)價(jià)值，這個(gè)方法就是同期群分析（Cohort Analysis）。事實(shí)上，數(shù)據(jù)不會(huì)說(shuō)謊，只是分析數(shù)據(jù)的人沒(méi)有做到精準(zhǔn)分析而導(dǎo)致對(duì)數(shù)據(jù)呈現(xiàn)的錯(cuò)誤解讀！

國(guó)內(nèi)對(duì)同期群分析相關(guān)的研究相對(duì)較少，也許不是所有的運(yùn)營(yíng)都知道同期群分析，但它是每個(gè)產(chǎn)品運(yùn)營(yíng)必備的分析方法。在著名的《精益數(shù)據(jù)分析》一書(shū)里面，作為測(cè)試數(shù)據(jù)分析的靈魂也提到了同期群分析的相關(guān)內(nèi)容。

同期群分析最早用于醫(yī)藥研究領(lǐng)域，意在觀察不同被試群體的行為隨著時(shí)間的變化呈現(xiàn)出怎么樣的不同。通過(guò)監(jiān)測(cè)不同的被試群體，醫(yī)藥研究員可以觀察到不同的處方和治療方式對(duì)被試的影響并且確定被試共同的行為模式。

那么在運(yùn)營(yíng)領(lǐng)域，什么是同期群呢？

同期群屬于用戶(hù)分群里的一個(gè)細(xì)分，是指在規(guī)定時(shí)間內(nèi)對(duì)具有共同行為特征的用戶(hù)進(jìn)行分群?！肮餐袨樘卣鳌笔侵冈谀硞€(gè)時(shí)間段內(nèi)的相似行為，它除了按不同時(shí)間的新增用戶(hù)來(lái)分類(lèi)外，還可以按不同的行為來(lái)分類(lèi)，譬如“在2017年6月第一次購(gòu)買(mǎi)”，“在2017年10月第二周對(duì)產(chǎn)品的使用頻率開(kāi)始降低”等。

注意同期群分析側(cè)重于分析在客戶(hù)生命周期相同階段的群組之間的差異。

同期群分析（Cohort Analysis）為什么很重要？

在產(chǎn)品發(fā)展過(guò)程中，我們通常會(huì)把產(chǎn)品收入和產(chǎn)品用戶(hù)總量作為衡量這個(gè)產(chǎn)品成功與否的終極指標(biāo)。不可否認(rèn)這些指標(biāo)固然重要，但是它們并不能用來(lái)衡量產(chǎn)品最近所取得的成功，并且極有可能會(huì)掩蓋一些急需我們關(guān)注的問(wèn)題，如用戶(hù)參與度持續(xù)走低、用戶(hù)新增在逐漸變緩等。在用戶(hù)行為分析的過(guò)程中，我們需要更細(xì)致的衡量指標(biāo)，這樣才更有利于我們準(zhǔn)確預(yù)測(cè)產(chǎn)品發(fā)展的走向并通過(guò)版本迭代及時(shí)對(duì)產(chǎn)品進(jìn)行優(yōu)化和改進(jìn)。

同期群分析（Cohort Analysis）是提高APP用戶(hù)留存的關(guān)鍵

上面提到，一個(gè)產(chǎn)品的成功與否不在于下載量多少，而在于如何留住即將流失的用戶(hù)以及如何召回已經(jīng)流失的用戶(hù)。

我們不能通過(guò)下載量確定APP發(fā)展的具體情況，因?yàn)槠恋南螺d數(shù)據(jù)會(huì)誤導(dǎo)我們以為APP發(fā)展很健康，但實(shí)際上，很多用戶(hù)下載幾天后就流失了。同期群分析是提高用戶(hù)留存的關(guān)鍵。

案例

針對(duì)首次啟動(dòng)APP的用戶(hù)進(jìn)行同期群分析，并觀察他們接下來(lái)七天的留存情況。

圖一：某電商APP新增用戶(hù)7日留存率

17461個(gè)新增用戶(hù)在10月30日首次啟動(dòng)了APP，第一天在這些用戶(hù)里有 30.6%的人再次啟動(dòng)，第四天12.2%，第七天7.9%，這表明在第七天的時(shí)候約每12個(gè)用戶(hù)里就只剩下一個(gè)活躍用戶(hù)。這同時(shí)也意味著我們流失了92%的用戶(hù)。

我們需要知道哪些同期群有更好的留存并分析原因。如：我們?cè)谀且惶彀l(fā)起了一場(chǎng)新的營(yíng)銷(xiāo)活動(dòng)嗎? 還是提供了促銷(xiāo)或折扣？或是發(fā)布了新功能，在產(chǎn)品里添加了視頻教程？我們可以將這些成功的策略應(yīng)用于其他用戶(hù)，來(lái)提高用戶(hù)活躍度及留存率。我們還可以比較不同時(shí)間段的留存：

• 拉新后的留存：通過(guò)比較拉新后不同的同期群，我們可以看到4天，7天等時(shí)間段后再次回來(lái)的用戶(hù)。這些同期群數(shù)據(jù)可以讓我們了解用戶(hù)登錄體驗(yàn)，產(chǎn)品質(zhì)量，用戶(hù)體驗(yàn)，市場(chǎng)對(duì)產(chǎn)品的需求力等關(guān)鍵信息。
• 長(zhǎng)期留存：通過(guò)觀察每個(gè)同期群用戶(hù)再次回來(lái)使用APP的天數(shù)，我們可以看到每個(gè)同期群長(zhǎng)期的留存，而不是拉新后幾天的留存。

我們可以知道用戶(hù)是在哪里退出的，并且可以知道活躍用戶(hù)群有什么特征，他們?cè)谧鍪裁矗@樣一方面有助于我們?cè)诶聲r(shí)快速找到目標(biāo)用戶(hù)，另一方面我們還可以影響新用戶(hù)，讓他們遵循同樣的路線(xiàn)，最終成為忠誠(chéng)用戶(hù)的模樣。

同期群分析（Cohort Analysis）能幫助我們實(shí)時(shí)監(jiān)控真實(shí)的用戶(hù)行為、衡量用戶(hù)價(jià)值并制定有針對(duì)性的營(yíng)銷(xiāo)方案

例如我們的運(yùn)營(yíng)團(tuán)隊(duì)在9月份發(fā)起了一場(chǎng)為期60天的歡迎活動(dòng)，想要通過(guò)一系列折扣和優(yōu)惠來(lái)推動(dòng)用戶(hù)增長(zhǎng)。通過(guò)廣告展示和社交媒體，我們每天都有數(shù)以千計(jì)的用戶(hù)增長(zhǎng)。5個(gè)月后，我們的用戶(hù)增長(zhǎng)量非常大，領(lǐng)導(dǎo)對(duì)我們的活動(dòng)結(jié)果非常滿(mǎn)意。

表面看，我們順利達(dá)到了用戶(hù)增長(zhǎng)的目標(biāo)。然而，當(dāng)我們仔細(xì)研究同期群的數(shù)據(jù)，從用戶(hù)的終身價(jià)值出發(fā)，我們會(huì)發(fā)現(xiàn)，歡迎活動(dòng)中新增的用戶(hù)在活動(dòng)2個(gè)月之后購(gòu)買(mǎi)率持續(xù)降低，與之相反，活動(dòng)前的新增用戶(hù)如8月份的用戶(hù)，在活動(dòng)的這五個(gè)月里購(gòu)買(mǎi)率一直比較穩(wěn)定。

圖二：某APP用戶(hù)購(gòu)買(mǎi)情況

如果我們只把每月總收入作為衡量指標(biāo)，我們就會(huì)以為收入增長(zhǎng)僅僅來(lái)自新涌入的用戶(hù)。然而，活動(dòng)啟動(dòng)之后的用戶(hù)群組數(shù)據(jù)表明，一旦優(yōu)惠活動(dòng)結(jié)束，收入就會(huì)下降。收入下降證明我們并沒(méi)有擴(kuò)大忠實(shí)用戶(hù)群體。

如上所示，通過(guò)同期群分析我們可以實(shí)時(shí)監(jiān)控真實(shí)的用戶(hù)行為趨勢(shì)，否則，我們會(huì)因?yàn)橹环治隹傮w數(shù)據(jù)得到錯(cuò)誤的判斷而做出錯(cuò)誤的決策。通過(guò)分析每個(gè)同期群的行為差異，我們可以制定有針對(duì)性的營(yíng)銷(xiāo)方案。在這個(gè)案例中，運(yùn)營(yíng)人員需要制定新策略來(lái)提高活動(dòng)開(kāi)始兩個(gè)月后的用戶(hù)參與度。

如何實(shí)施同期群分析（Cohort Analysis）？

首先從定義商業(yè)疑問(wèn)開(kāi)始

定義商業(yè)疑問(wèn)是研究得到有效結(jié)果的前提。商業(yè)疑問(wèn)定義基于商業(yè)目標(biāo)以及研究試圖解決的問(wèn)題。

用戶(hù)在我們優(yōu)化產(chǎn)品之后購(gòu)買(mǎi)轉(zhuǎn)化率是否提升？產(chǎn)品改進(jìn)后用戶(hù)流失率是否降低？我們需要對(duì)這些疑問(wèn)進(jìn)行迭代和細(xì)化，以確保它與商業(yè)目標(biāo)一致。

依據(jù)商業(yè)疑問(wèn)定義度量指標(biāo)

如購(gòu)買(mǎi)轉(zhuǎn)化率和用戶(hù)留存率是回答業(yè)務(wù)問(wèn)題的關(guān)鍵指標(biāo)，我們想要了解從注冊(cè)到完成購(gòu)買(mǎi)每一步的用戶(hù)流失率以及最后的購(gòu)買(mǎi)轉(zhuǎn)化率。

定義同期群

前面留存的案例里，同期群是基于創(chuàng)建賬戶(hù)一周內(nèi)購(gòu)買(mǎi)的用戶(hù)。在其他情況下，我們可以用不同的方式定義同期群，例如，某個(gè)內(nèi)容APP，我們可能會(huì)基于創(chuàng)建賬號(hào)的24小時(shí)內(nèi)發(fā)布內(nèi)容的用戶(hù)。

分析同期群數(shù)據(jù)

我們還以圖一典型的同期群表格為例，橫向?yàn)樽匀惶鞌?shù)排列，縱向?yàn)槊刻斓男略鲇脩?hù)數(shù)，表格內(nèi)部是計(jì)算的每天留存率，一般情況下橫向的留存率最終會(huì)在某天后停留在一個(gè)相對(duì)穩(wěn)定的狀態(tài)，從圖中我們可以看到，在第5天留存趨于穩(wěn)定。這就說(shuō)明這批用戶(hù)是穩(wěn)定留存下來(lái)的。否則，如果留存率一直下降，總有一天會(huì)歸零。

我們?cè)賮?lái)看下縱向的留存數(shù)據(jù)，如果一個(gè)產(chǎn)品在健康發(fā)展，這個(gè)數(shù)據(jù)應(yīng)該是越來(lái)越好。很顯然這個(gè)產(chǎn)品并不是，通過(guò)同期群數(shù)據(jù)分析，PM應(yīng)該不斷優(yōu)化改進(jìn)產(chǎn)品，提升用戶(hù)體驗(yàn),從而提高用戶(hù)留存率！

總結(jié)

同期群分析（Cohort Analysis）有利于我們更深層地分析用戶(hù)行為，并揭示總體衡量指標(biāo)所掩蓋的問(wèn)題。在營(yíng)銷(xiāo)方式和活動(dòng)效果不斷變化的當(dāng)下，學(xué)會(huì)運(yùn)用同期群分析有利于我們預(yù)測(cè)未來(lái)收入和產(chǎn)品發(fā)展趨勢(shì)。

作者：Cobub（微信公眾號(hào)號(hào)：dev_cobub）

本文由 @Cobub 原創(chuàng)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(lái)自 unsplash