Cohort Analysis：用户队列分析

可视化演示

动态演示Cohort Analysi的核心机制，通过输入/处理/存储/输出四种模式展示关键概念与交互流程。

队列定义与特征

你是一所“魔法学院”的校长。每年九月一号，都会有一批新生提着行李箱走进校门。你不可能把三年入学的学生搅在一起管，因为你真正想知道的是：这批九月入学的孩子，一年后还有多少人留在学校？于是，你轻轻在他们名单上盖了一个章：“2024 九月班”。这个“九月班”，就是 Cohort——一群在同一时间起点上，共享同一段旅程的用户群体。

在互联网产品里，Cohort 通常指在某个时间窗口内完成同一关键动作（如注册、首次购买）的用户群体。因为他们的起点相同，后续的行为变化就可以被公平地追踪和比较。Cohort 有三大属性：共同的时间锚点（什么时候进来的）、共同的边界条件（通过什么渠道进来的）、以及对未来行为的独立观察（只看这一群人，不看全局混杂数据）。

技术上，一个 Cohort 可以看作是从全量用户集合中过滤出一个子集。被选中的用户必须满足注册时间落在窗口内，这就是最基础的定义式：

回到魔法学院，“2024 九月班”的名单一旦定下就不再改变。你既不会中途把表现好的插班生塞进这个班，也不会因为有人退学就把他的名字从名单上划掉。这正是 Cohort 分析的诚实之处——名单固定，观察才公正。

队列划分维度

同样是“新生班”，你可以按“入学月份”分成九月班、十月班；也可以按“住校/走读”来分，看看哪种学生更能融入学校生活；甚至能按“是否参加过暑期先修营”来分，检验先修营到底有没有用。每一种分法，都在回答一个不同的问题。

Cohort 的划分维度通常有两类。第一类是基于时间的维度：按注册日、注册周、注册月分组，适合观察自然的新增和留存周期；第二类是基于行为的维度：按是否首次购买、是否完成新手引导、是否使用过核心功能分组，适合评估功能上线和运营动作的效果。实践中还可以叠加渠道来源，形成多维度队列。

不管用哪种维度，底层都是一个“分组映射”：把散落的用户，精确地放进各自的抽屉里。用数学的语言说，就是定义一个映射函数 $g$，让每个用户都落到唯一的组：

分班的方式决定了你看到的世界。拿“是否参加先修营”来分班，你能看清产品教育的价值；拿“入学月份”来分班，你能看清季节和节日对招生的影响。选择维度，就是在选择你要回答的问题。

留存曲线解读

开学一个月后，你在每间教室门口蹲点，数一数“九月班”今天来了多少人。第二天、第七天、第三十天……一路记下来，你得到一串数字：100、82、63、42……把这串数字连成线，就是九月班的“坚持上课曲线”。曲线掉得越快，说明你对学生的吸引力流失得越快。

这串“坚持上课曲线”就是留存曲线（Retention Curve）。横轴是相对激活日期的天数，纵轴是留存率——第 N 天还有多大比例的用户在活跃。留存曲线几乎是所有增长团队的第一张图，因为它直接反映产品是否创造了用户愿意反复回来的价值。

留存率的计算很简单，但很容易算错。关键是分子分母的选取：分子是“该 Cohort 中第 N 天仍活跃的用户数”，分母是“该 Cohort 的总人数”，注意是同一群人：

你慢慢学会了看曲线的形状：开头两周陡降是常态，说明绝大多数产品都无法留住全部用户；但如果曲线在某个平台期站稳，比如维持在 30% 以上，说明有一批忠实的学生，哪怕课程再难，也会天天来报到。

同期群对比

你翻开三份记录：三月班的曲线、四月班、五月班。四月开始，你给新生都发了“学霸导航手册”；五月又加了“每周导师面对面”。对比三条曲线，你惊喜地发现，五月班第七天留存比三月班整整高了 15 个百分点——手册和导师的组合拳，确实留住了更多孩子。

这就是同期群对比：把不同时间窗口（或不同维度）的 Cohort 留存曲线叠放在一起。由于每个 Cohort 的起点都是各自的“第 0 天”，它们之间的差异不再来自季节或市场大环境，而主要来自产品、内容和渠道的变化。因此，同期群对比是“剥离大环境噪声”最朴素也最有力的武器。

产品改版、活动补贴、渠道投放都可能改变留存。通过新旧 Cohort 的逐天留存差，可以量化这些干预的效果：

从此你不再只看“这个月活跃人数涨了没有”，而是追问“是哪一班的学生更愿意留下”。五月的班比三月班强，不是季节的功劳，而是你扎扎实实的改进被看见、被验证了。

数据可视化

当记录堆满了一整个抽屉，校长你再看曲线就比较吃力了。于是你铺开一张巨大的彩格毯：每一行是一个班级，每一列是开学后的第几天；格子颜色越深，说明当天坚持上课的人占比越高。你一眼扫过去，就能看出每个班在第几天“掉色”，也能看出哪个班整体颜色最深。

这张“彩格毯”就是留存热力图（Retention Heatmap），也是 Cohort 分析最经典的可视化形式。同行是不同 Cohort，同列是相对时间，格子的颜色深浅映射留存率的高低。相比叠加曲线，热力图能同时呈现几十个 Cohort 的全局模式，特别适合发现“结构性”的异常。

把留存率数值映射为颜色，本质上是归一化加映射的过程：

热力图让“看不见的流失”变成了“看得见的色块”。你可能第二天就对团队说：“你看，春季班的第三周整列颜色都变浅了，我们的春季大促结束后，用户明显流失了。” 数据说服力，来自直观的视觉冲击。

业务洞察应用

校长终于不是只看热闹了。你发现九月班第二周流失严重，于是安排了“班主任电话回访”；发现十月班第一天就掉了一大截，于是优化了入学流程。你每做一次调整，就用下一个班来验证效果。Cohort 分析不再只是观察工具，它成了你经营学校的驾驶舱。

在 AI 公司增长团队中，Cohort 分析贯穿用户生命周期的始终：拉新阶段用它评估渠道质量，激活阶段用它验证新手引导，留存阶段用它发现流失拐点，召回阶段用它圈定最值得挽回的人群。它把抽象的“用户体验”翻译成一组可以追踪的存活指标。

当某个策略上线时，我们最关心的是它是否真的提升了留存。最简单也最严格的评估方式，是拿同一维度下、策略前后两组 Cohort 的留存率做差分：

你合上考勤本，心里已经有了下一学年的计划：九月继续用新导航手册，十月把导师面谈提前到第二周，十一月的班会记录留给更长期的同学会。每一笔改进，都写在 Cohort 这本“班级日记”里。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""Cohort Analysis demo: simulate user activation data,build retention matrix by registration date."""import randomfrom collections import defaultdict  def generate_act_data(cohort_size=300, days=30):    """Generate users with act day and active day list."""    data = {}    for uid in range(cohort_size):        act_day = random.randint(0, days - 1)        active_days = []        p = 0.8        d = act_day        while d < days:            active_days.append(d)   # 用户当天活跃            d += 1            if random.random() >= p:                break               # 流失, 停止活跃            p *= 0.85               # 留存概率逐日衰减        data[uid] = {"act": act_day, "active_days": active_days}    return data  def build_retention_matrix(data, days=30):    """Group by activation day, compute retention rate per offset day."""    cohorts = defaultdict(lambda: {"n0": 0, "active": defaultdict(int)})    for uid, rec in data.items():        c = rec["act"]        cohorts[c]["n0"] += 1        for d in rec["active_days"]:            offset = d - c               # 相对激活日的天数            if 0 <= offset < days:                cohorts[c]["active"][offset] += 1    matrix = []    for c in sorted(cohorts):        n0 = cohorts[c]["n0"]        row = [0] * days        for offset, cnt in cohorts[c]["active"].items():            row[offset] = round(cnt / n0 * 100)   # 转为留存率百分比        matrix.append({"cohort_day": c, "retention": row})    return matrix  def print_heatmap(matrix, show_days=14):    """Print text heatmap, col(day) x row(cohort)."""    header = "cohort | " + " ".join("D%2d" % i for i in range(show_days))    print(header)    for row in matrix:        cells = " ".join("%3d" % v for v in row["retention"][:show_days])        print("%6d | %s" % (row["cohort_day"], cells))  if __name__ == "__main__":    random.seed(42)    data = generate_act_data(300, 30)    matrix = build_retention_matrix(data, 30)    print_heatmap(matrix, 14)

1. p *= 0.85模拟用户“每天想坚持的概率”会逐日打折，越老的用户越容易流失。
2. cohorts[c]["n0"] += 1给某个激活日队列的总人数加一，相当于在学籍簿上盖一个“九月班”的章。
3. offset = d - c把具体日期换算成“加入后的第几天”，这正是 Cohort 分析中相对时间的核心。
4. row[offset] = round(cnt / n0 * 100)用活跃人数除以队列总人数得到留存率，分子分母必须是同一批人。
5. for c in sorted(cohorts)按激活日从早到晚排列队列，让热力图的每一行顺序读起来像日历。

常见误区

面试题