同期群分析
同期群分析是一种按照共同的起始事件（通常是用户注册的那一周或那一个月）对用户进行分组，并将其作为一个群体随时间追踪行为的方法。你看到的不再是一条滚动平均线，而是多条平行的曲线，每一条都揭示了某一代特定用户的真实行为。
同期群分析是一种按照共同的起始事件（通常是用户注册的那一周或那一个月）对用户进行分组，并将其作为一个群体随时间追踪行为的方法。你看到的不再是一条滚动平均线，而是多条平行的曲线，每一条都揭示了某一代特定用户的真实行为。
为什么重要
汇总指标会撒谎。一个产品可以呈现出月活跃用户（MAU）持续上升的态势，而实际上每个同期群的流失速度都比上一个更快，增长完全来自于获客速度超过了流失速度。同期群分析能立即揭示这一规律。每一个认真对待增长的团队（Facebook、Airbnb、Shopify）都依据同期群图表来讨论留存，而非平均值。同期群分析也是判断某项产品改动是否真正奏效的唯一可靠方法，改动前后的平均值会把新旧行为混在一起，而同期群能将它们区分开。
工作原理
1. 选择一个起始事件：注册、首次购买、首次使用某项功能。这为每位用户定义了"第 0 周"。
2. 按起始周期对用户分组：所有在 4 月第 1 周注册的用户为一个同期群，第 2 周为另一个，依此类推。
3. 选择一个留存事件：怎样才算"留存"？登录、完成某个核心操作、付费，要具体明确。
4. 随时间追踪每个同期群的留存：对每个同期群，计算在第 1 周、第 2 周、第 3 周……仍在执行该留存事件的用户百分比。
5. 并排绘制：每个同期群成为一行或一条曲线。比较的是形态，而不仅仅是数字。
需要关注的形态
趋平曲线：留存率起初急剧下降，随后稳定在一个固定的百分比上。这正是产品与市场契合的形态，一个核心群体留了下来。
微笑曲线：留存率先下降，随后因休眠用户回归而回升。罕见却强大，常见于产品已成为习惯之时。
滑向零：留存率稳步衰减至 0%。产品留不住人。获客也救不了你。
同期群随时间改善：较新的同期群比较旧的留存更好。这是产品改动确实奏效的信号。
同期群恶化：较新的同期群留存更差。某处出了问题，要么是产品，要么是获客渠道引入了不匹配的用户。
常见用途
留存诊断：我们的产品真的有黏性吗？
功能影响：上线 X 是否提升了看到它的同期群的留存？
渠道质量：来自 Google Ads 的用户与来自自然流量的用户留存是否一样好？
定价实验：新套餐的同期群留存是否优于旧套餐？
流失预测：将同期群曲线应用于新注册用户，预测未来的 MRR。
常见错误
与平均值比较：平均值把所有同期群混在一起，掩盖了真正重要的趋势。
同期群规模过小：每周 20 名用户的同期群基本上都是噪声。如果体量偏低，可汇总为月度。
错误的起始事件："已注册"不等于"已激活"。选择能定义真实使用的事件。
错误的留存事件：登录什么都说明不了。选择能创造价值的操作。
只看一个同期群：单个同期群的快照无法反映情况是在随时间改善还是恶化。
仅按获客月份划分同期群：还应按功能曝光、渠道、套餐及其他维度划分同期群，以找出真正的驱动因素。
Sources: