4、留存分析基础：同期群分析（Cohort Analysis）的核心概念

做留存分析，你一定会遇到一个词——同期群。

说实话，我刚入行那会儿，觉得这玩意儿挺玄乎的。不就是把用户按时间分组吗？有什么好讲的？后来真上手做了一轮分析，才发现这里面的门道比我想象的多得多。

今天我们就把它彻底讲透。

4.1 什么是同期群？

同期群，英文叫 Cohort。直译过来就是「有共同特征的一群人」。

在用户增长领域，我们通常按注册时间来划分。比如：

• 2024年1月第1周注册的用户，算一个群
• 2024年1月第2周注册的用户，算另一个群
• 以此类推……

为什么要这么分？

因为不同时间点进来的用户，天生就不一样。你想想看：

• 春节搞活动拉来的用户，和平时自然流量进来的用户，行为能一样吗？
• 产品改版前后注册的用户，体验能一样吗？
• 甚至不同渠道来的用户，留存曲线都差一大截。

如果不做同期群分析，你把所有用户揉在一起算留存，那叫「平均主义陷阱」。我见过太多团队，一看整体留存率还行，就以为产品没问题。结果一拆开看，发现新用户留存早就崩了，全靠老用户撑着。

4.2 同期群分析的核心三要素

做同期群分析，你得盯住三个东西：

要素	说明	我踩过的坑
群组定义	按什么维度分组？最常见的是按注册周，也可以按注册日、注册月、甚至按渠道	我曾经按「注册日」分组，结果周末数据波动太大，根本看不出趋势。后来改成按周，稳多了
时间窗口	观察多久？Day 1、Day 7、Day 30……一般看产品类型定	社交类产品我习惯看 Day 1/7/30，工具类产品看 Day 1/7/14 就够了
行为指标	用什么定义「留存」？打开 App？完成核心操作？还是付费？	千万别只看「登录」。我见过一个产品，登录留存很高，但用户根本不点核心功能——那叫虚假繁荣

这三个要素定好了，你的同期群分析框架就搭起来了。

4.3 同期群分析表怎么看？

同期群分析最经典的呈现方式，是一张热力图表格。我给你画个简化版：

注册周	用户数	Week 0	Week 1	Week 2	Week 3	Week 4
W1	10,000	100%	45%	38%	34%	31%
W2	12,000	100%	42%	35%	30%	—
W3	8,000	100%	40%	32%	—	—
W4	15,000	100%	38%	—	—	—

这张表怎么读？我教你三个技巧：

1. 横着看：同一批用户，随时间推移，留存率怎么变化？——这是最基础的留存曲线。
2. 竖着看：不同批次用户，在同一个时间点（比如 Week 1）的留存率对比。如果越来越低，说明新用户质量在下降。
3. 看对角线：从左上到右下，代表「同等成熟度」的用户对比。比如所有用户在第 1 周的表现——如果对角线在变差，说明产品对新用户的吸引力在减弱。

4.4 同期群分析的三种常见模式

在实际项目中，我总结出三种典型的留存模式：

模式	特征	可能原因	怎么办？
稳定型	各期群留存曲线基本重合	产品成熟，用户获取渠道稳定	保持现状，优化细节
恶化型	越新的群，留存越低	渠道质量下降、产品改版失误、市场竞争加剧	立刻排查渠道和产品变更
改善型	越新的群，留存越高	产品优化见效、渠道精准度提升	放大成功因素，快速复制

我遇到过最典型的恶化型案例：某电商 App 搞了一次「拉新返现」活动，一周拉了 50 万用户。当时团队高兴坏了，结果同期群表一拉——Week 1 留存只有 12%，比平时低了 20 个百分点。说白了，那批用户全是冲着钱来的，活动一结束人就跑了。

4.5 同期群分析的核心逻辑图

下面这张图，帮你把同期群分析的整个逻辑串起来：

4.6 什么时候该用同期群分析？

不是所有场景都需要同期群分析。我个人习惯在以下三种情况必做：

• 产品改版前后：改版前一周的用户 vs 改版后一周的用户，留存有没有变化？
• 渠道效果评估：不同渠道来的用户，同期群留存对比，哪个渠道质量最高？
• 运营活动复盘：活动期间拉来的用户，和自然流量用户相比，留存差多少？

嗯，这里要注意一点：同期群分析不是万能的。它只能告诉你「发生了什么」，不能直接告诉你「为什么发生」。要找到根因，还得结合用户分群、漏斗分析、行为路径分析一起看。