千里之行，始于足下，今天是第10/1000步。
首先，请你看两张图，看你是否熟悉并能读懂它。
如果你对这两张图非常熟悉且平时一直在用，就可以不用看下面的内容了:-)，这也就是本篇文章要跟大家说的Cohort Analysis，翻做同期群分析或群组分析（本文统一以群组分析称呼）。
内容提示：
1、什么是Cohort Analysis
2、为什么要做Cohort Analysis
3、结合两个实例，说明如何进行Cohort Analysis以及如何通过它获取更好的用户洞察
一、什么是Cohort Analysis
Cohort的字面意思“(有共同特点或举止类同的)一群人”，比如不同性别：男、女；不同年龄：X世代、Y世代、Z世代。当然，结合到用户分析层面，会更细粒度一些，比如不同月份获取的用户，不同渠道新增用户，具备不同特征的用户（比如微信里每天至少和10个以上朋友微信的用户）。
因此，Cohort Analysis，群组分析，也就是对这些具有不同特征的人群进行对比分析，以发现他们在时间维度下的行为差异。比如，我们可以对不同渠道来源的用户的留存率进行对比，看他们次月、3个月、6个月的数据有什么差异。
二、为什么要做Cohort Analysis
说到群组分析，就不得不提留存。
每个产品，在确定了留存的衡量指标后，下一步需要做的是更细致地筛查留存数据，毕竟笼统地看整体用户的留存有时候不一定能发现问题。这个时候就可以利用群组分析来微观地、深入地分析不同用户群的留存率，找出用户留下或者离开的原因。
那做群组分析，我们首先要做的就是对用户进行分组，一般可以有以下几种分组逻辑：
1）按获客月份（按周甚至按天分组）；
2）按获客渠道；
3）按照用户完成的特定行为，比如用户访问网站的次数或者购买次数来分类。
这里我们摘录《增长黑客》和《精益创业》里的两个例子跟大家具体说一下。
1、按获客月份
我们来看一个视频流服务的例子。这个视频流服务的用户按月付费，并且可以在任意月份取消订购。公司决定按照新用户注册的月份来对用户进行分类，如下图所示。
表格的左侧是每月注册的用户数，也就是我们要一直跟踪的群组。表格上半部分记录的是各个群组每月留存下来的用户绝对数。可以看出，1月注册的150名新用户中，留存到2月的有140人，3月130人，这之后每月的留存人数以相对稳定的速度递减，7—10月该群组继续使用服务的人数维持在95人左右。再往后你会发现，2月和3月注册的用户也显示出相似的留存比例。
但是，4、5、6这三个月发生了急剧变化。最明显的是每月新增用户的人数从之前的100多人陡增到6月的450人。如果公司的增长团队只是以获取新用户为目标，那么他们就该欢喜了，因为他们成功地提高了每月的注册量。但是，仔细观察你会发现，4、5、6月这三个群组的留存情况没有前面几个月好。数据显示，注册当月一过这三个群组的用户数量就开始急剧下滑，而且留存数量也没有像1—3月那样表现出任何稳定的迹象。
为了让这些数据在“总览图”中更加一目了然，团队可以利用群组图表中的数据绘制留存曲线图。为了简化问题我们只绘制两个群组——1月群组和5月群组，但其实增长团队通常会同时绘制所有月份的留存曲线。从下图可以看出这两条曲线差别很大，当1月的曲线开始趋于平稳时，5月的曲线还在继续下行。
很明显，增长团队可以从这些数据中解读出一些重要信息，弄清楚这三个月里究竟发生了什么。要调查清楚用户流失的原因，团队需要更加深入地分析这几个问题群组的数据。
出现这种情况可能是因为公司新一轮的广告宣传吸引了大量新用户，但公司提供的产品却并不适合这些用户。也有可能是因为公司提供了很大的广告促销折扣，但价格恢复正常后大量新用户很快就弃用产品。还有可能是因为公司决定使用新渠道来进行广告宣传，以便更好地针对特定人群投放广告，比如针对在家带孩子的女性。可能广告的效果很好，一下子就赢得了妈妈们的喜欢，但是，当她们和自己的孩子一起看了几部电影后发现里面可选的电影并不是十分丰富，于是她们取消了订阅。
意识到广告宣传和留存率下降之间存在某种关联之后，增长团队就可以利用这个宝贵信息来决定尝试哪种试验。显然，这些妈妈成为潜在新用户的可能性很大，但是在向她们展开第二轮广告攻势之前公司应该在电影库中增加她们爱看的电影，或者用更好的方式突出显示已有的电影资源，让用户一注册就能看到有哪些电影可以选择。或者，团队一时还无法看清用户流失的真正原因，这时他们就应该基于这些观察针对流失用户开展问卷调查，询问她们为何取消订购。团队可以通过一些问题来验证假设：可选择的电影有限的确是用户取消订购的原因。
2、按用户的不同行为
这是IMVU公司使用的一张图，显示了IMVU每个月内增加的新顾客的转化率。每个转化率说明了在当月注册的顾客中，有多少比例的人接着做出了一些我们预期的动作。举例来说，在2005年2月加入IMVU的顾客中，有60%的人登录我们的软件至少一次。
有企业销售背景的经理人会认出，这个漏斗分析和传统上用于管理潜在顾客群转化为真正顾客的销售漏斗类似。精益创业把这个漏斗应用到了产品开发上。因为每个公司都是以一系列的顾客行为（称为“流向”）作为立身之本，所以这种技巧对很多业务有用。顾客流向决定了顾客和企业产品的互动关系。它让我们可以量化地理解一项业务，而且比使用传统的总数衡量指标有更强的预测力。
如果仔细看一下，你会发现该图清楚显示了一些趋势。有些产品改进是有用的——或者说有一点点用处。我们看到，使用软件至少5次的新顾客百分比从不到5%上升到近20%，尽管多次使用的顾客量增加了4倍，但购买IMVU的新顾客百分比还是停滞在1%左右。仔细想想这一点。经过几个月的工作、几千次的修改、小组讨论、设计会议和可用性测试，更多顾客有机会试用我们的软件，可是掏钱购买产品的新顾客百分比和项目刚开始时的数字是一样的。
那么问题出在哪？
正因为有了同期群分析，我们才不会把失败归咎于以前的顾客不愿意改变，或外部市场环境，或其他什么理由。每个同期群代表了一张独立的产品成绩报告。不管我们怎么努力，我们得到的分数都是“中”。这令我们意识到存在问题。
最后，通过邀请用户来公司进行访谈，他们发现问题出在用户更希望通过这个产品去结识新朋友，而不是用于和老朋友的社交。
不积跬步，无以至千里，先迈出它10步。
