DigiMax作者：武桐辛（iCDO原创志愿者）
什么是同期群分析
App应用的快速发展，不仅体现在现阶段App数量几何倍数的增长上，更是体现在各自App功能上的不断推陈出新，不断细分用户群和业务模块，不断丰富自身的产品线上。同时，产品版本迭代的周期也逐渐加快，很多App的发版周期差不多一个月一个大版本，在大版本期间也会穿插一些小版本，而每个版本我们都会做一些新的尝试和改变，来迎合现阶段用户多元化需求和创新的玩法。
新功能或新业务模块上线后，需要分析新功能或新模块的用户量，浏览情况，注册情况等等，来判断这个功能是否符合用户的使用习惯，是否对整体App有贡献并值得进一步深化等。对于App客户端的各个产品模块，如何科学合理的评估每个模块对整体App的贡献是非常重要的，只有更好的认识自身产品的价值，才能在后续产品迭代和功能改进上有更明确的方向，并进行合理的资源投入和预算分配。
针对这样的分析目标，我们也可以尝试采用同期群分析（即Cohort Analysis）方法来进行分析和辅助产品决策。Cohort Analysis方法主要是指分析相似群体随时间的变化情况，也就是将用户按初始行为的发生时间进行划分为群组（即同期群），然后通过比较不同的同期群，可以从总体上看到App应用的变化趋势，从而验证产品改进的效果。这种方法的好处在于忽略用户访问过程中的杂乱信息，针对核心问题进行效果监控。
最简单的一种分析是，持续观察一个App的新增用户次日留存。我们将用户的初始行为——新增激活拆解出来，并随着时间的推移，行成不同时间周期内的同期群，然后再统计初始行为后续在不同时段内留存行为的发生频次。比如，某App在7月份的新增用户有x人，其中有30%的人会在第二天继续打开App进行访问，然后经过运营及渠道投放的改进，8月份的新增用户有y人，次日留存提升至40%，那么这个改进就是成功的，因为改进后用户粘性得到了大幅提升。
同期群分析（Cohort Analysis）的核心是在做用户的留存分析，并可以自定义用户的初始行为和留存行为。例如，我们在上述例子中定义某App的新增激活是初始行为，次日再次访问App成为留存行为，然后来看不同时间段内有此初始行为的用户群，后续留存行为的变化趋势。当然，我们同样可以定义App的某个用户群的初始行为是账号注册，留存行为则是用户产生UGC内容行为，然后考察通过改善注册流程，随着时间推移是否可以增加用户的实际UGC行为等等。
利用同期群评估用户增量
同期群分析的可自定义，也让我们有更多想法可以尝试，比如某App会尝试采用同期群分析方法来评估产品模块的变化趋势，初始行为是用户访问某一业务模块，留存行为则是再次访问App，即访问某个模块的用户群随着时间推移继续访问App的比例变化。
以某App的购物商城模块为例，并以日为时间轴，来看访问商城模块的用户群次日再次访问App的比例，通过上图可以看到，随着不断对商城模块的资源整合和产品展现的精打细磨，商城对App的拉动成正向趋势，并进一步提升整体App的活跃度和粘性。
作为一款内容型App，每个模块都在贡献着它的价值，这就需要标准化的衡量各自模块的价值，以便我们在有限的资源里可以有的放矢，合理规划产品。比如在同期群分析的基础上，利用模块活跃留存率与App整体活跃留存率的差值来计算考核。具体公式为：
对于上述例子中，如果我们要衡量商城模块具体给某App拉动了多少量级的用户，可以用商城模块的活跃留存与App活跃留存做差值，并将此差值与商城模块的用户量相乘，即得到商城模块拉动活跃用户的真实值。这样计算的深层含义是，将商城模块用户中高于大盘活跃度的用户数量计算出来，而正是这些高于大盘活跃度的用户量成为了拉动活跃用户的那个“△”增量。
当然，这种方式会因App的内容不同或是介质不同而产生不同的情况，但我们需要积极不断的尝试新的思考方式，精进我们的分析方法。
利用同期群分析进行更多尝试
目前，同期群分析的概念和方法已经成为App分析领域的宠儿，但是国内对此方法的应用和实践还不够深入。我们使用同期群分析的优势主要有以下几点：
- 同期群分析可以清晰的知道产品改动前后对特定群体某一指标的影响，也是衡量产品迭代、市场、运营推广效果的关键指标。
- 功能优化、活动策划针对目标用户进行定位，明确目标用户，定位分析活动前后的数据变化，合理评估产品改版或活动执行的效果。如果仅通过观测整体数据来衡量，效果分析往往会被冲淡和干扰。
- 不同用户群的需求不同，会存在个性化的需求，这就需要我们深入分析并做到精细化运营，找到产品的高价值用户，并重点服务好他们。
同期群分析（Cohort Analysis）带给我们的更多是一种思考方式，为我们打开了一个全新的分析视角。如何利用好这个方法，发掘自身业务的增长点，是需要我们每一个App开发者和分析从业者需要深入思考的问题。
