通過同期群分析我們可以實時監控真實的用戶行為趨勢，否則，我們只看總體數據可能得到虛榮的美好數據，從而做出錯誤的決策，把本該發現的問題掩蓋掉。這也是同期群分析的意義所在。
在產品數據中，常見指標通常是總數型指標，例如用戶註冊總數和產品總收入。但在迭代中，如果只看這些數據，可能造成一種虛榮的指標，例如下圖中展示的某產品的總數型指標，看上去很好，符合一個傳統的上升曲線，會讓人認為產品開發團隊取得了巨大進展，增長引擎發展的很不錯，每個月都在獲得新用戶。
其實很可能存在很大問題，例如雖然有新用戶不斷增加，但每個新用戶貢獻的收益卻沒有提高，只從傳統數據看，無法發現這些問題。
而同期群數據可以更好的幫助分析用戶行為，發現問題節點，並幫助做出迭代的決策。它也是提高用戶留存率的重要方法之一同期群分析英文寫為cohort analysis，cohort在英文中意思是：（有共同特點或舉止類同的）一群人、一批人。
常見形式的同期群分析有兩個重要維度：
- 具有某種共同的行為特徵的用戶；
- 出於某一相同時期的用戶。
同時具備以上兩個特徵的用戶，稱為一個同期群（cohort）。時間的劃分可以是季度、月、周、日，具體要根據app的使用特徵和要分析的內容決定。
舉例：以月為時期，分別以2018年3月、4月、5月、6月、7月這五個月的新增用戶組成五個同期群，分析用戶的轉化率。分別是：
- 3月新增用戶同期群（cohort a）
- 4月新增用戶同期群（cohort b）
- 5月新增用戶同期群（cohort c）
- 6月新增用戶同期群（cohort d）
- 7月新增用戶同期群（cohort e）
而這些同期群用戶的共同行為特徵都是新增用戶，之後可以分析這五個群組間轉化率的趨勢和差異，而每一個同期群也代表了一張獨立的產品成績報告。再結合我們的業務變化和運營變化以及產品迭代變化，就可以通過對比發現很多有用的數據。
除了新增用戶，也可以是其他用戶特徵，比如都在同一個月打卡一定數量的用戶，又或者都在某天的vip促銷活動中付費購買vip的用戶等等。
同期群分析側重於分析在客戶生命週期相同階段的群組之間的差異。
下圖是一款社交軟件的同期群分析，時期以周為單位，用戶行為特徵是新增用戶，分別以3月、4月內每一週的新增用戶作為一個同期群，一共有8個同期群。
社交軟件，為了觀察用戶的留存情況，聚焦這些選中用戶群組的以下數據：在一週內。
- 已登陸的用戶比例
- 有1次對話的用戶比例
- 有5次對話的用戶比例
- 付費的用戶比例
（已同一周內新增用戶總數作為基準。）
如果觀察這張同期群分析趨勢圖，可以發現產品在增加用戶留存上總體是有改進的，有5次對話的用戶（活躍用戶）從原來的3%左右上升到20%左右，但是付費用戶並沒有什麼增長，接著就需要繼續深入分析，是什麼導致付費轉化率一直停滯不前。是層級太深？還是並沒有足夠吸引用戶付費的功能還是定價策略有問題等等。
另一方面，我們也可以分析有5次對話的活躍用戶，從3月第4周開始有較大增長，是什麼促進的增長？
除此之外，同期群分析經常被用來分析用戶流失數據和流失節點，這時實質上分析的是每一個同期群隨時間變換的
趨勢。與上圖不同的是，它把一個時期分成更細的區間，分析用戶在這些時間區間的變化趨勢。
例如我們可以分析某一週的新增用戶，在這一週內的每一天新留存率的變化。（此圖來自網絡 Emily Bonnie）
這幅圖可以看出什麼？首先，在從8月30日到9月6號的一週內一共新增134529人，把這些用戶按每日分成7個同期群，分析他們的異同。
以8月20號這天的同期群為例，在第1天有31.3%人回訪，但第7天只剩下8.1%，留存率相對很低。
如果光看新增用戶，看上去很多，有134529人，可最後剩下的用戶只有8.1%，剩下的91.9%人都損失掉了。
如果把新增用戶比成用一個水桶接水，那影響最後可以接多少水的因素，一方面由從水龍頭🚰進到水桶的水量決定，另一方面由從水桶漏出的水決定。如果水桶底部有好幾個洞，即使接的水很多，但由於很多水又從底部的洞流出去了，所以最後剩下的水可能並不多。
上圖中的數據反應的就是一個類似底部有洞的水桶，辛辛苦苦（有可能砸了錢很多錢做營銷）增加的用戶都從水桶底部流失了。
是什麼原因導致流失呢？知道了用戶流失嚴重，接下來的任務就是找到用戶流失的原因。原因不一定只有一種，可能很多種原因疊加在一起產生的結果。有主導原因，有次要原因。判斷流失原因後再優化產品，再次通過同期群數據進行分析，就可以驗證對原因的判斷是否正確，優化是否起作用，當然這個過程並不一定是一次就可以做到的，而是一個不斷循環往復的精益過程。
注意，有些app數據會隨時間有變動，比如有些app一週內的不同天使用頻率有差異（有的軟件工作日使用頻率更高，比如共享單車，外賣等，有的軟件休息日使用頻率更高，比如運動類app），這時也要考慮各種影響數據的因素對結果產生的影響。
通過同期群分析我們可以實時監控真實的用戶行為趨勢，否則，我們只看總體數據可能得到虛榮的美好數據，從而做出錯誤的決策，把本該發現的問題掩蓋掉。
這就是同期群分析的意義所在。
參考：
《用戶體驗度量》
《精益創業》
Emily Bonnie的網絡文章
本文由 @cating 原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基於CC0協議
