同期群分析(Cohort Analysis)

同期群分析(Cohort Analysis)是那种悄悄帮你修正大量错误决策的方法。它的核心很简单:不要把所有用户混成一个平均数,而是按照用户何时加入来分组,分别观察每一组随时间的走势。一月加入的用户和六月加入的用户讲的是两个不同的故事,把它们混在一起,恰好会掩盖你最想知道的东西——产品、漏斗或渠道到底有没有变好。

为什么混合平均会骗你

假设你的整体 30 天留存稳定在 22%,看起来很健康。但这个数字其实是你历史上所有同期群的加权汤。如果是最老、最忠诚的用户在撑着平均值,而每一批新用户只留存 12%,那么这个混合数字会一直显得正常,直到增长突然停滞。同期群把这些组拆开,让你看到平均值抹掉的趋势线。

收入上也有同样的陷阱。人均收入上升,可能是真的变现变好,也可能只是弱用户流失、分母变小造成的假象。只有固定住一个同期群、观察这一组的曲线,你才能区分改善与幸存者偏差。

怎么搭建

选一个起始事件——通常是注册周或首购周——以及一个要追踪的指标,比如留存、会话数或累计收入。把它排成一个三角表:每一行是一个同期群,每一列是"加入后第几周"。最新的同期群只有前几列有数据,因为它们后面的周还没发生,这也是最常见的误读来源(见下文陷阱)。

大多数团队直接在分析工具里搭建。Mixpanel 和 Amplitude 这类产品分析平台自带同期群与留存报表;在移动端,AppsFlyer 的同期群视图还能按获取渠道拆分曲线,让你看到哪些渠道带来的用户更能留下来。

怎么读曲线

两种形态最重要。留存曲线告诉你用户会不会持续回来:趋于平稳的曲线意味着你拥有真实、可持续的用户基础,而一路衰减到接近零则说明你只是在用付费投放"租"增长。收入曲线告诉你一个同期群何时收回获取成本。叠加各渠道花费,你就能估算每个来源的回本周期,这正是同期群分析与单位经济学之间的桥梁,相关内容见 用户终身价值(LTV) 与 ARPDAU。

这也是同期群驱动预算决策的地方。如果付费搜索的同期群三个月回本,而展示广告的同期群永远回不了本,那这个信号比任何混合 ROAS 都清晰,因为 ROAS 把好坏同期群平均成了一个比率。把同期群回本与渠道 ROAS 结合,是付费获取路径 里的核心动作。

常见陷阱

• 把年轻同期群当成已完成。 它们后面的列是空白,不是表现差。只在相同"年龄"上比较同期群。
• 切得过细。 低量级 App 用日同期群只会产生噪声。先用周或月,直到每个单元格的用户数足够稳定。
• 忽略季节性。 节假日的同期群可能和淡季完全不同,下结论前先在日历上标注。

常见问题

一个同期群需要多少用户才有意义? 要足够多,使得几个流失用户不会让百分比剧烈跳动——粗略来说每组至少几百人,不够就把时间桶放宽(先周后月)。

先做留存同期群还是收入同期群? 先做留存,确认产品确实能让人回来;再叠加收入找回本点。在留存漏底的基础上做收入同期群,只是在测量钱流失得多快。

它和 LTV 有什么关系? 用户终身价值本质上就是同期群累计收入曲线下的面积。同期群分析是原料,LTV 是从中提炼出的汇总数字。