Cohort विश्लेषण

सहवास विश्लेषण

Cohort विश्लेषण समूह वस्तुओं (आमतौर पर उपयोगकर्ता) एक एकल प्रारंभ घटना द्वारा और तुलना करते हैं कि वे कैसे और कितने समय तक सक्रिय और मूल्यवान रहते हैं। यह दृष्टिकोण सिस्टम (सीज़न, स्टॉक) में समय के प्रभाव को कोहोर्ट की उम्र (शुरुआत से दिन) के प्रभाव से अलग करता है।

1) बुनियादी परिभाषाएँ

Cohort: कई खिलाड़ी घटना "जन्म" से एकजुट हुए - पंजीकरण, पहला जमा, पहला गेम, पहला खरीद।

कैलेंडर समय अक्ष: वास्तविक तिथियाँ (2025-10-01,...)।

Cohort आयु अक्ष: जन्म से दिन/सप्ताह (D0, D1,...)।

रिटेंशन मेट्रिक्स: D1/D7/D30 (सटीक और रोलिंग), WAU/MAU, स्टिकनेस (DAU/MAU)।

मुद्रीकरण: ARPU/ARPPU, संचयी LTV (D7/D30/D90 पर)।

लेखा इकाई: उपयोगकर्ता (user/master_id) - पासपोर्ट में रिकॉर्ड।

💡 गोल्डन रूल: प्री-रिकॉर्ड जन्म घटना, टीजेड, गतिविधि विंडो और अपवाद (बॉट्स/क्यूए/धोखाधड़ी)।

2) साथियों के प्रकार और उन्हें कब चुनना है

अधिग्रहण सहयोगी: पंजीकरण/पहली यात्रा की तारीख तक - भर्ती और ऑन बोर्डिंग चैनलों का मूल्यांकन।

सक्रियण/मुद्रीकरण-सहकर्मी: पहली जमा/खरीद द्वारा - प्रारंभिक-मुद्रीकरण मूल्यांकन और प्रोमो।

फ़ीचर cohorts: फ़ीचर/गेम श्रेणी के पहले उपयोग के लिए - रिलीज़ का प्रभाव।

व्यवहार cohorts: RFM/स्टार्ट पैटर्न द्वारा (उदाहरण के लिए, "नाइट मोबाइल")।

3) एक्स और ग्रिड: मैट्रिक्स कैसे देखें

Cohort मैट्रिक्स: पंक्तियाँ - cohorts (कैलेंडर), स्तंभ - आयु (D0..। D90)।

मौसमी: मौसमी प्रभावों को अलग करने के लिए विकर्ण (एक ही कैलेंडर दिन) की तुलना करें।

सामान्यीकरण: सापेक्ष मैट्रिक्स (सीआर, अंश) + संचयी (एलटीवी), दोनों दिखाएं।

4) कोहॉर्ट पासपोर्ट और मैट्रिक्स (टेम्पलेट)

COHORT: 'REG _ DAY'	'FIRST _ DOPIT _ WEEK'
आयु अक्ष: दिन (डी), क्षितिज D1/D7/D30/D90।
गतिविधि: ≥1 सत्र या ≥1 दर (फिक्स)।
अपवाद: बॉट्स/फ्रॉड/क्यूए/डुप्लिकेट्स।
डिफ़ॉल्ट अनुभाग: देश, प्लेटफ़ॉर्म, चैनल, सामग्री श्रेणी, मूल्य खंड
मेट्रिक्स: सीआर, रोलिंग/सटीक प्रतिधारण, संचयी एलटीवी, एआरपीयू/एआरपीपीयू,% भुगतान।
संस्करण: 'COHORT _ RET _ v3', मालिक, संशोधन तिथि।

5) छद्म-एसक्यूएल: प्रतिधारण मैट्रिक्स (सटीक डीएन)

sql
WITH regs AS (
SELECT user_id, DATE_TRUNC('day', MIN(ts)) AS cohort_day
FROM event_register
GROUP BY 1
),
act AS (
SELECT user_id, DATE_TRUNC('day', ts) AS act_day
FROM event_activity
),
ages AS (
SELECT r. user_id, r. cohort_day, a. act_day,
(a. act_day - r. cohort_day) AS age_days
FROM regs r
JOIN act a ON a. user_id = r. user_id
),
exact AS (
SELECT cohort_day,
age_days,
COUNT(DISTINCT user_id) AS users_active
FROM ages
GROUP BY 1,2
),
coh_size AS (
SELECT cohort_day, COUNT(DISTINCT user_id) AS cohort_size
FROM regs GROUP BY 1
)
SELECT e. cohort_day,
e. age_days,
e. users_active::decimal / NULLIF(c. cohort_size,0) AS exact_retention
FROM exact e
JOIN coh_size c USING (cohort_day)
WHERE age_days IN (1,7,30,90)
ORDER BY cohort_day, age_days;

रोलिंग डीएन (दिन 1 पर गतिविधि... n)

sql
WITH days AS (... as above...),
roll AS (
SELECT cohort_day,
CASE WHEN age_days BETWEEN 1 AND 7 THEN 7
WHEN age_days BETWEEN 1 AND 30 THEN 30 END AS bucket,
COUNT(DISTINCT user_id) AS any_active
FROM days
WHERE age_days BETWEEN 1 AND 30
GROUP BY 1,2
)
SELECT r. cohort_day, r. bucket AS Dn,
r. any_active::decimal / s. cohort_size AS rolling_retention
FROM roll r
JOIN (SELECT cohort_day, COUNT(DISTINCT user_id) cohort_size FROM regs GROUP BY 1) s USING (cohort_day)
ORDER BY cohort_day, Dn;

6) Cohort LTV और मुद्रीकरण

संचयी LTV (Dn): Dn द्वारा प्रति cohort उपयोगकर्ता आय का योग।

ARPU/ARPPU: प्रति उपयोगकर्ता/प्रति Dn भुगतानकर्ता राजस्व।

% भुगतान: Dn को ≥1 भुगतान के साथ साझा करें।

sql
WITH reg AS (
SELECT user_id, DATE_TRUNC('day', MIN(ts)) AS cohort_day
FROM event_register GROUP BY 1
),
pay AS (
SELECT user_id, amount, DATE_TRUNC('day', ts) AS pay_day
FROM fact_payments
),
ltv AS (
SELECT r. cohort_day,
(pay_day - r. cohort_day) AS age_days,
SUM(amount) AS rev
FROM reg r JOIN pay p USING (user_id)
WHERE pay_day >= r. cohort_day
GROUP BY 1,2
),
cum AS (
SELECT cohort_day, age_days,
SUM(rev) OVER (PARTITION BY cohort_day ORDER BY age_days ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS rev_cum
FROM ltv
)
SELECT c. cohort_day, c. age_days,
c. rev_cum::decimal / NULLIF(sz. cohort_size,0) AS ltv_per_user
FROM cum c
JOIN (SELECT cohort_day, COUNT(DISTINCT user_id) cohort_size FROM reg GROUP BY 1) sz USING (cohort_day)
WHERE age_days IN (7,30,90)
ORDER BY cohort_day, age_days;

7) प्रतिधारण के लिए अस्तित्व/खतरा

कपलान-मीयर: गैर-मॉडल उत्तरजीविता वक्र (एस (टी)) - अनुपात "सूखा" नहीं।

हैज़र्ड मॉडल: बहिर्वाह जोखिम पर विशेषताओं (चैनल, देश, मंच, बोनस, सामग्री) का प्रभाव।

अभ्यास: हम खंडों द्वारा केएम का निर्माण करते हैं, फिर खतरे के मॉडल के साथ अंतर समझाते हैं।

8) मौसमी, टीजेड और कैलेंडर

TZ: UTC में स्टोर इवेंट्स, बाजार के स्थानीय TZ में विश्लेषण करें; सुसंगत हो।

कैलेंडर: छुट्टियां/वेतन/मैच/रिलीज - जैसे झंडे; समान हफ्तों के सहकर्मियों की तुलना करें।

स्लाइडिंग विंडो: साप्ताहिक/मासिक सहवास के लिए - छुट्टियों और रिपोर्टिंग अवधि की बहुलता।

9) विभाजन और अटेंशन

खंड: आकर्षण चैनल, प्लेटफ़ॉर्म/ओएस, जियो, पहली सामग्री, मूल्य/सीमा, भुगतान विधि।

Cohort atribution: "जो लाया" उपयोगकर्ता - एल्गोरिथ्म (अंतिम गैर-प्रत्यक्ष, डेटा-चालित) को ठीक करें।

LTV वेटिंग: न केवल सीआर की तुलना करें, बल्कि चैनल/सेगमेंट द्वारा LTV (D30/D90) भी करें।

10) विज़ुअलाइज़ेशन

Cohort मैट्रिक्स (CR/LTV) का हीट मैप।

ट्रेंड लाइनें - कैलेंडर द्वारा।

उत्तरजीविता/हजार्ड चार्ट।

ब्रिज "क्या LTV को D30 में बदल दिया": भुगतानकर्ता योगदान, आवृत्ति, औसत जाँच।

11) प्रयोग और कारण

A/B: ऑनबोर्डिंग, ट्यूटोरियल, पेवॉल, ऑफर। मुख्य मीट्रिक D7/D30 प्रतिधारण और LTV (D30) है।

अर्ध-प्रयोग: बाजारों में रोल-आउट के लिए डीआईडी/सिंथेटिक नियंत्रण।

उत्थान मॉडल: पुन: सक्रियण (Qini/AUUC, उत्थान @ k) में वापसी लाभ को लक्षित करें।

12) संचालन और शासन

वर्शनिंग: 'RET _ D7 _ vN', 'LTV _ D30 _ vN'; गतिविधि/मुद्रा परिभाषा बदलते समय चेंजलॉग।

एसएलओ ताजगी: दैनिक सहकर्मी - 06:00 बजे तक तत्परता।; डेटा लॉग ≤ 1 घंटा।

गुणवत्ता: घटनाओं का कवरेज, डुप्लिकेट का अनुपात, बॉट्स का अनुपात/सहकर्मियों के बाहर धोखाधड़ी।

पहुंच: आरएलएस/सीएलएस, पीआईआई मास्किंग; निर्यात - समुच्चय केवल।

रनबुक: डी 1 ड्रॉप (ऑनबोर्डिंग), डी 7 (सामग्री), इवेंट/आइडेंटिटी स्क्रैपिंग।

13) बार-बार त्रुटियां (एंटी-पैटर्न)

धुरी मिश्रण: बिना समायोजन के विभिन्न मौसमों में साथियों के विभिन्न आयु की तुलना करें।

रोलिंग बनाम सटीक: एक ही चीज के रूप में माना जाता है।

मिश्रण इकाइयाँ: भाजक में सत्र, अंश में उपयोगकर्ता।

"साधन" का एकत्रीकरण: संख्याओं/हर को समाप्त करने के बजाय।

TZ/पंचांग की अनदेखी: D1 ऑफसेट दिन/छुट्टी सीमाओं पर।

कोई बॉट/फ्रॉड/क्यूए फ़िल्टर नहीं।

बेहिसाब पुनरारंभ: पहचान पुलों के बिना खाता विभाजित/मर्ज करें।

14) कोहॉर्ट रिपोर्ट के प्रकाशन से पहले चेकलिस्ट

जन्म घटना, इकाई, TZ, गतिविधि विंडो परिभाषित
बहिष्कृत बॉट/धोखाधड़ी/क्यूए; पहचान मिश्रित (सुनहरा रिकॉर्
के लिए निर्मित सीआर (सटीक/रोलिंग) और एलटीवी मैट्रिसेस
पंचांग/छुट्टियों को ध्यान में रखा गया; चैनल/प्लेटफॉर्म/जियो द्वारा खंड
जोड़ा अस्तित्व/खतरे ग्राफिक्स और पुल LTV
प्रलेखित मीट्रिक संस्करण और एट्रिब्यूशन एल्गोरिथ्म
ताजा एसएलओ कॉन्फ़िगर, कवरेज/डुप्लिकेट/त्रुटि निगरानी
D1/D7 ड्रॉप्स और इवेंट ब्रेक के लिए रेडी रनबुक

कुल

Cohort विश्लेषण दो अक्ष और अनुशासन हैं: निश्चित "जन्म का क्षण", सही खिड़कियां और TZ, प्रतिधारण और LTV मैट्रिसेस, विभाजन और परिवर्तन का कारण सत्यापन। यह दृष्टिकोण न केवल घटता का निरीक्षण करने में, बल्कि निर्णय लेने में भी मदद करता है: ऑनबोर्डिंग को कहां ठीक करना है, कौन से चैनल पैमाने पर हैं, कौन सी सामग्री और प्रदान करता है और खिलाड़ियों को लंबा रख

Cohort विश्लेषण

सहवास विश्लेषण

रोलिंग डीएन (दिन 1 पर गतिविधि... n)

कुल

हमसे संपर्क करें

त्वरित संपर्क

वीडियो जल्द ही अपडेट किया जाएगा

हम इस समय परियोजनाओं में बहुत व्यस्त हैं