cohort模型分析也叫同期分析群，旨在分析特定时间节点下，一群观察对象数量随时间流逝的变化。比如某个APP，在5月1号做了一个投放，引进来了许多用户，这时候就可以应用cohort模型，分析这批用户在5月2号，5月3号等的留存情况（当然也可以按月维度去统计留存情况）。
因为可以展示观察对象数量随时间流逝的情况，所以cohort模型特别适合分析产品的用户留存和流失情况，因而被广泛应用在互联网产品的用户行为分析，同时cohort模型也可以结合获客渠道再进一步进行细化分析，比较不同渠道获得的用户质量。
以下是网上找的图，这就是这个模型产品化的最常用一个应用场景了。
适用场景和建模思路
群组分析维度是按照获客时间来区分，可以适用以下情形：
- 用户留存率分析
- 用户流失率分析
- 用户续费率分析
- 用户退费率分析
- 广告转化率分析
建模思路：
1. 定义好分组周期和数据指标。计算与首次访问的时间间隔即分组周期，一般要参照用户的使用周期，这个使用周期可以通过统计历史会话的频率得到。而计算留存情况，则是按照首次访问的时间和下次访问的时间间隔来计算。但定义留存不能简单根据有没有登录，而是要关注登录的用户有没有做出关键行为比如浏览内容、购买商品等。
2. 数据清洗。
3. 整理与可视化。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件举报，一经查实，本站将立刻删除。
