同期群分析(cohort analysis)是一种分析技术,它根据在既定时间段内发生的共同特征或经历,将用户或客户分组为若干细分群体(称为同期群),最常见的依据是首次注册的日期、首次购买的日期,或通过特定渠道首次获取的日期,然后追踪每个同期群的行为在后续时间段内如何演变。最常见的产出是同期群留存表或留存曲线,展示一个同期群在起始点之后的固定时间间隔(例如 1 周、1 个月、3 个月和 12 个月后)仍有多大比例保持活跃、再次回购或继续订阅,使分析师能够比较在不同时间或通过不同渠道获取的同期群,在各自生命周期内的行为表现。
同期群分析之所以重要,是因为它修正了汇总时间序列指标的一个根本局限:某个月的整体留存率或每用户平均收入,把处于与产品关系完全不同阶段的客户混在了一起,有的是当月刚加入的,有的是数年前加入的,这可能完全掩盖恶化或改善的趋势。例如,整体用户群的月活跃用户总数可能持平,而较新同期群的流失速度却明显快于较早的同期群,这一警示信号在混合指标中会一直不可见,但一旦把同期群分开,并在留存曲线上并排比较,就会立刻变得清晰。
除了简单的获取日期之外,同期群还可以按多个维度来定义,包括行为同期群(按是否采取某项行动分组,例如是否完成上手引导)、获客渠道同期群(按用户是通过付费搜索、自然流量还是推荐到达分组),以及收入同期群(按首次购买金额分组)。分析师通常将这些数据可视化为三角形的留存表,行表示按起始时段划分的同期群,列表示自起始点以来经过的时间,这样就可以把某个月份的同期群因定价变化、程序缺陷或质量较低的获客活动而表现不佳之类的规律,定位到那个确切的时段,而不是被淹没在整体平均值之中。Mixpanel、Amplitude 以及 GA4 原生的同期群探索报告等工具,常被用来构建这些分析,而无需定制的数据工程。
一个常见的错误是根据规模太小或时间太近、尚未积累足够统计意义数据的同期群得出结论,因为仅在两周前获取的同期群,还无法揭示任何关于 6 个月或 12 个月留存的信息,在这些较晚的指标上把尚不成熟的同期群与成熟同期群比较,会得出具有误导性的结论。另一个常见陷阱是没有考虑同时影响整个同期群的外部因素,例如在假日促销期间获客质量的季节性飙升,或临时的产品故障,这可能使某个同期群看起来异常强劲或疲弱,而原因与当时有意做出的任何产品或营销改动无关。
对增长或 CRO 咨询公司而言,同期群分析在评估产品、上手引导或生命周期营销的改动究竟带来持久改善、还是短期飙升时尤其有价值,因为一项改动如果提高了初始注册量,却没有改善,甚至恶化了受影响同期群的 30 天或 90 天留存,就不一定创造了持久价值。它也是评估获客渠道长期质量的标准工具,因为不仅可以按即时转化率或单次获客成本来比较渠道,还可以按其所产生同期群的长期留存和终身价值轨迹来比较,往往会发现,前期单次获客成本较高的渠道,在考虑了更长期的同期群行为之后,其实利润更高。
