Կոգորտային վերլուծություն

Կոգորտային վերլուծություն

Կոորդինատային վերլուծությունը խմբավորում է օբյեկտները (սովորաբար օգտագործողները) սկսելու մեկ իրադարձությամբ և համեմատում է, թե ինչպես և ինչքան երկար են դրանք մնում ակտիվ և արժեքավոր։ Այս մոտեցումը առանձնացնում է ժամանակի ազդեցությունը համակարգում (սեզոններ, ակցիաներ) կոորդինատային տարիքի ազդեցությունից (արձակման պահից օրեր)։

1) Հիմնական սահմանումները

Կոգորտը (cohect) 'շատ խաղացողներ, ովքեր նվիրված են «ծննդյան» իրադարձությանը, առաջին դեպոզիտը, առաջին խաղը, առաջին գնումը։

Օրացույցի առանցքը (calendar time), իրական ամսաթվերը (2025-10-01,...)։

Կոգորտայի տարիքի առանցքը (cohronage) 'օրեր/շաբաթ «ծնվելուց» (D0, D1,...)։

Պահպանման մետրերը ՝ D1/D7/D30 (Exact և Rolling), WAU/MAU, Stickiness (DAU/MAU)։

Մոնեթիզացիա: ARPU/ARPPU, կուտակային LTV (D7/D30/D90)։

Հաշվարկման միավորը 'օգտագործողը (user/medter _ id) - գրանցեք անձնագրում։

2) Կոգորթի տեսակները և երբ ընտրել դրանք

Ակquis.ru-cogorts: Գրանցման/առաջին այցելության ամսաթվով 'ներգրավման և քաղցկեղի ալիքների գնահատում։

Activation/Monetization-կոորդինատներ 'առաջին դեպոզիտով/գնումով - early-monetization և promo։

Feature-cogorts-ը 'ֆիչիի/խաղային կատեգորիաների առաջին օգտագործմամբ, ածխաջրածինների ազդեցությունն է։

Behavior-cogorts: RFM/pattern սկսելու (օրինակ ՝ «գիշերային բջջային»)։

3) Առանցքներ և ցանցեր. Ինչպես դիտել մատրիցը

Կոորդինատների մատրիցա 'տողեր' կոորդինատներ (օրացույց), սյունակներ 'տարիք (D0... D90)։

Սեզոնայնությունը 'համեմատեք պոլիգոնալին (նույն օրացուցային օրը), որպեսզի կիսեք սեզոնային էֆեկտները։

Նորմալացում 'հարաբերական չափումներ (CR, մասնիկներ) + կուտակային (LTV), ցույց տվեք երկուսն էլ։

4) Կոգորտայի և մետրի անձնագիր (template)

5) Կեղծ-SQL 'retention (Exact Dn) մատրիցը։

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;

Rolling Dn (ակտիվությունը 1... n օրը)

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) Կոգորնի LTV և մոնետիզացիա

Կուտակային LTV (Dn) 'օգտագործողի համար եկամտի գումարը Dn-ին։

ARPU/ARPPU 'օգտագործողի եկամուտ/Dn վճարող։

վճարողների տոկոսը 'մասնաբաժինը 241 ֆունտով մինչև Dn։

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) Survival/hazard պահպանման համար

Kaplan-Meier: գոյատևման անխուսափելի կորը (S (t) - «դուրս» մասը։

Hazard-մոդելը (Soh/logit-օր) 'նշանների ազդեցությունը (ջրանցք, երկիր, պլատֆորմ, բոնուսներ, բովանդակություն) արտահոսքի վտանգի վրա։

Պրակտիկա 'մենք կառուցում ենք KM հատվածներ, ապա բացատրում ենք տարբերությունը hazard մոդելի հետ։

8) Սեզոնայնությունը, TZ և օրացույցը

TZ 'պահեք իրադարձությունները UTC-ում, վերլուծեք տեղական TZ շուկայի մեջ։ շարունակական եղեք։

Օրացույցը 'արձակուրդներ/աշխատավարձ/խաղեր/ֆորումներ' դրոշների նման։ համեմատեք կողպեքները 210 շաբաթ։

Սայթաքող պատուհան 'շաբաթական/ամսական կոորդինատների համար' տոների և հաշվետվությունների համար։

9) Սեգմենտացիան և կարգավորումը

Սեգմենտներ ՝ ներգրավման ջրանցք, պլատֆորմ/OS, գեո, առաջին բովանդակությունը, գինը/սահմանաչափերը, հիբրիդային մեթոդը։

Կոգորտայի անջատումը 'օգտագործողի «ով», գրանցեք ալգորիթմը (lensnon-international), 108-driven)։

LTV-կշռումը 'համեմատեք ոչ միայն CR, այլ նաև LTV (D30/D90) ուղղություններով/հատվածներով։

10) Տեսողականություն

Ջերմային մատրիցը (CR/LTV)։

D1/D7/D30 միտման գծերը օրացույցով։

Survival/Hazard գրաֆիկները։

Bridge «որը փոխեց LTV-ը մինչև D30» 'վճարողների, հաճախությունների, միջին չեկի ներդրումը։

11) Փորձեր և պատճառներ

A/B: Onbording, tutorials, paywall, offers։ Հիմնական մետրը D7/D30 retention և LTV (D30) է։

Quaziexperimens: DiD/սինթետիկ վերահսկողություն շուկաների վրա դուրս գալու համար։

Uplift-մոդելը 'targetay աճը re ակտիվացման մեջ (Qini/AUUC, uplift @ k)։

12) Շահագործումը և դավանանքը

Տարբերակումը '«RET _ D7 _ vN», «LTV _ D30 _ vN»; changelog-ը ակտիվությունը/արժույթը փոխելիս։

SLO թարմություն ՝ ամենօրյա կոորդինատները պատրաստակամություն են մինչև 06: 00 լոկ։ Տվյալների լագը 381 ռուբլիներ է։

Որակը 'իրադարձությունների coverage, կրկնօրինակների մասնաբաժինը, բոտերի/ֆրոդի մասնաբաժինը կոորդինատից դուրս։

Հասանելիություն ՝ RFC/CLS, PII դիմակավորում; արտահանումը միայն ագրեգատներն են։

Runbooks: D1 (onbording), D7 (բովանդակություն), իրադարձությունների/նույնականության փղը։

13) Հաճախակի սխալներ (հակատիպեր)

Օզեների խառնուրդը 'համեմատում են տարբեր տարիքի կոորդինատները տարբեր սեզոներում առանց փոփոխությունների։

Rolling vs Exact-ը մեկնաբանվում է նույն կերպ։

Միավորների խառնուրդը 'նշանի նստաշրջանները, օգտագործողները թվիթերում։

«Միջին միջին» համախմբումը 'թվերի/նշանների համադրման փոխարեն։

TZ/օրացույցի անտեսումը 'ww.D1 օրերի/արձակուրդների սահմաններում։

Չկա ռուսական բոտներ/ֆրոդ/QA։

Անթույլատրելի ռեստարտներ ՝ սպլիտ/merge ձայնագրություններ առանց ինքնության կամուրջների։

14) Chek-Lister-ը նախքան կոորդինատային զեկույցի հրապարակումը

• Որոշված է ծննդյան իրադարձությունը, միավորը, TZ-ը, գործունեության պատուհանները
• Բացառված են բոտերը/ֆրոդը/QA; ինքնությունը կրճատվում է (golden record)
• Կառուցվել են CR մատրիցները (Exact/Rolling) և LTV-ը D7/D30/D90-ին։
• Հաշվի առեք օրացույցը/արձակուրդը; հատվածներ/պլատֆորմներ/գեո
• Ավելացված survival/hazard գրաֆիկայի և bridge LTV
• Փաստաթղթավորված են մեթրիկի և ալգորիթմի տարբերակները։
• SLO թարմ, www.coverage/կրկնօրինակներ/սխալներ
• Պատրաստ են runbooks D1/D7 անկման և իրադարձությունների խափանումների համար

Արդյունքը

Կոորդինատային վերլուծությունը երկու առանցք և կարգապահություն է 'ֆիքսված «ծննդյան պահը», ճիշտ պատուհանները և TZ-ը, պահպանման մատրիցը և LTV-ը, սեգմենացիան և պատճառված ստուգումը։ Այս մոտեցումը օգնում է ոչ միայն դիտել կորերը, այլ նաև որոշումներ կայացնել, թե որտեղ կարելի է ասել, թե ինչ ջրանցքներ են լայնանում, ինչ բովանդակություն և օֆեր են պահում խաղացողներին ավելի երկար և ավելացնում LTV-ը։