以B2C产品为例，通过同期群分析来发现问题

同期群分析（cohort analysis）是指将不同群组在一定时间内的行为数据进行可视化， 也就是说洞察用户行为随着时间是如何变化的，以及群组与群组之间的用户行为变化又有怎样的区别。

对产品经理来说，了解产品对用户的长期影响因素是十分重要的，最简单的一种方式就是通过同期群分析（cohort analysis）来剖析用户的行为。

那么，什么是cohort analysis？让我们来了解下每个单词的意思。

Cohort就是表示一组人群。 

以你们学校的毕业年份为例，2010级是一个群组，而2011级则是另外一个群组。

你可以按自己的意愿创建任何群组。例如，你可以按照家庭收入中位数进行分组，也可以按照促销活动进行分组，或是按年龄分组。

同类群分析就是将不同群组在一定时间内的行为数据进行可视化。

换句话说，你想要洞察用户行为随着时间是如何变化的，以及群组与群组之间的用户行为变化又有怎样的区别。

针对消费者产品进行同期群分析是最简单的方式，所以本篇文章**通过B2C产品介绍什么是同期群分析。之后，我**另起文章详细介绍下为什么B2B产品的同期群分析**与众不同。

下面，就让我们详细介绍B2C产品的同期群分析。

B2C产品的同期群分析

以下是关于B2C产品用户留存率的同期群分析：

这是个二维图表，你必须知道如何解读横轴和纵轴的数据。

首先，我们先从左往右第一排分析数据开始解读。

第1组用户在2019年1月7日激活新账户，这个群组里共有14,256个用户。

一周后，本虚拟产品仅有70.4%的活跃用户，也就是14,256 * 70.4% = 10,036个用户仍保持活跃。

两周后，本虚拟产品仅有35.9%的活跃用户，也就是14,256 * 35.9% = 5,118个用户仍保持活跃。

从左往右，你**看到这组用户群随时间的变化。通常情况下，群组规模**随着时间越来越小，这是因为对产品仍然感兴趣的用户**越来越少。 

8周后，用户几乎全部流失，仅有855个用户（0.6%）还保持活跃。

接下来，我们试着自上而下解读。

第2组用户在2019年1月14号激活账户，新增用户数量为18,354个，比第一组增长了29%。

尽管从用户数量来看，第2组拥有了更多的用户，但是很快我们就**发现第2组在用户留存率的表现更差。

一周后，与第1组的70.4%相比，第2组的用户留存率仅有34.6%。

相对差值达到51%，这完全无法平衡第2组增加的少量用户。

继续对比一周后的数据，我们**发现第2组到第4组的用户留存率都很低，而第1、5、6、7和8组的用户留存率基本相当。

但是，对比8周后的各组数据，很明显，第7组和第8组的用户留存率要比其他群组都高得多。

同期群分析结论

你可以从B2C产品的同期群分析中了解到哪些内容？

首先，同期群分析能够让你从不同群组的分析数据中找到问题所在，而不是通过衡量总体指标来分析用户行为。

例如，如果不按群组区分用户，活跃用户随时间的变化情况**如下图所示：

活跃用户人数（1月14日）=14256*35.9+18354*0.346

上图显示活跃用户数量正快速增长！ 

但是，从以上图表中，我们无法看出前几组的用户留存率表现真的很糟糕。

事实上，从该图表中，我们无法看出最初群组的用户几乎全部流失！

其次，同期群分析能够帮助你为对比试验设定一个衡量标准。还是用以下的群组分析为例：

假设我们在1月7号的群组中没有进行任何试验，并以该组数据表现为基准。 

在第2群组中，我们采用了全新的登陆页面。很明显，新的登录页面给我们带来了更多的用户（+29%），但是这些用户的忠诚度却要低很多（1周后，用户留存率就差了51%）

接下来2周，我们继续更新迭代登陆页面，但是用户留存率却没有显著提升。

从第4组开始，我们又回到第1组时使用的登陆页面，这时候，我们发现第4组与第1组的用户行为变化基本一致。

这时候，客户支持部门的某名员工建议在产品里添加即时聊天工具。之后，第5组的数据显示，尽管该组的用户规模较少，但是用户留存率要比之前好很多！

在第6组里，我们对聊天工具进行了轻微调整，但用户行为并没有显著改善。这时候，财务部门的某名员工提议与其让用户预先付款，不如允许用户月底再支付。

在第7组中，我们实施了新的付款方式，然后发现该组用户留存率整体有了显著增长。

这时候，用户增长部门的某名员工建议添加用户论坛，并在第8组中开始实施。

第8组的数据显示，用户论坛功能起了很大作用——甚至延长了用户活跃时间。

利用同期群分析，我们可以不时地进行测试对比，并观察测试在产品的整个使用周期过程中对用户群组有怎样的影响。

最后，同期群分析能够让你明确产品是存在用户留存问题还是用户获取问题。

很多时候，B2C企业在面临用户增长停滞不前时，**试图通过更多的销售和营销活动来刺激增长。但这只**雪上加霜，用户增长率并没有得到任何改善，这是因为企业没有对比以前的群组来分析用户留存率的变化。

B2C产品太过于关注增加新用户，而忽视了保留现有用户的问题，这样**最终造成用户群的快速流失。

从另一方面来看，如果你保留了原有用户群组，同时又防止出现“漏桶效应”，那么你每周增加的用户数量要比流失的多，也就意味着你的用户群将不断扩大！

总结

同期群分析是提高分析能力的有效方法。与其衡量最高指标，不如多维度分析用户行为变化。

大多数B2C产品的同期群分析都是按时间来分组，因为在吸引新的用户群的同时，明确以前用户群留存率的变化也十分重要。

我**在后面的文章中详细讲解如何针对B2B产品进行同类群分析，对这个分析过程要复杂得多，但绝对不**辜负你对此进行的投入！

原文作者：Clement Kao，作为Product Manager ** （PM**）网站上的驻场产品经理，目前已经在PM**网站上发表了50+有关产品管理的文章。除此之外，Clement还在PM** Slack社区（成员数量**过7,000人）提供产品管理相关建议，并为PM** 每周简报（订阅用户**过24,000人）策划内容。

原文链接：https://www.productmanagerhq.com/2019/05/introduction-to-cohort-analysis/

翻译：「即能」小程序，公众号：「即能Upskill」

本文由 @即能 翻译发布于人人都是产品经理，未经许可，禁止转载。

题图来自Unsplash，基于CC0协议