Kogort derňewi

Kogort derňewi

Kogort seljermesi obýektleri (adatça ulanyjylary) bir başlangyç hadysasy boýunça toparlara bölýär we olaryň nädip we näçe wagt işjeň we gymmatly bolup galýandygyny deňeşdirýär. Bu çemeleşme ulgamdaky wagtyň täsirini (möwsümler, aksiýalar) kogortanyň ýaşynyň täsirinden (başlanan pursatyndan başlap günler) aýyrýar.

1) Esasy kesgitlemeler

Kogorta (cohort): "dogluş" wakasy bilen birleşdirilen köp oýunçy - hasaba alyş, ilkinji goýum, ilkinji oýun, ilkinji satyn alyş.
Senenamanyň oky (calendar time): hakyky seneler (2025-10-01,...).
Kogorta ýaşynyň oky (cohort age): "doglan" pursatyndan başlap günler/hepdeler (D0, D1,...).
Saklamak metrikleri: D1/D7/D30 (Exact we Rolling), WAU/MAU, Stickiness (DAU/MAU).
Monetizasiýa: ARPU/ARPPU, jemleýji LTV (D7/D30/D90).
Hasaba alyş birligi: ulanyjy (user/master_id) - pasportda bellik ediň.

2) Kogortlaryň görnüşleri we olary haçan saýlamaly

Acquisition-kogortlar: hasaba alnan/ilkinji saparyň senesi boýunça - özüne çekiji kanallara we onbordinge baha bermek.
Activation/Monetization-cogorts: ilkinji depozit/satyn almak boýunça - early-monetization we promo baha.
Feature-kogortlar: Ilkinji fiç/oýun kategoriýasyny ulanmak boýunça - relizleriň täsiri.
Behavior-kogortlar: RFM/başlangyç patterni boýunça (mysal üçin, "gijeki jübi").

3) Oklar we torlar: matrisany nädip görmeli

Kogort matrisi: setirler - kogortlar (senenama), sütünler - ýaş (D0... D90).
Möwsümlilik: möwsümleýin täsirleri aýyrmak üçin diagonallary (şol bir senenama güni) deňeşdiriň.
Kadalaşma: deňeşdirme metrikleri (CR, paýlar) + jemleýji (LTV), ikisini hem görkeziň.

4) Kogortanyň we metrikiň pasporty (template)

5) Psevdo-SQL: retention matrisa (Exact Dn)

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 (1... n gününde işjeňlik)

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) Kogort LTV we monetizasiýa

Jemleýji LTV (Dn): kogortdan peýdalanyjy üçin Dn.
ARPU/ARPPU: Dn.
Töleýänleriň%: Dn-e ≥ 1 töleg bilen paýy.

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) Saklamak üçin Survival/hazard

Kaplan-Meier: modelsiz diri galmak egrisi (S (t)) - "eremedikleriň" paýy.
Hazard-modeller (Sox/logit-gün): alamatlaryň (kanal, ýurt, platforma, bonuslar, mazmun) çykmak töwekgelçiligine täsiri.
Amal: KM segmentlerini gurýarys, soňra tapawudy hazard modeli bilen düşündirýäris.

8) Möwsümlilik, TZ we senenama

TZ: Wakalary UTC-de saklaň, ýerli TZ bazarynda seljeriň; tutanýerli boluň.
Senenama: baýdaklar ýaly baýramçylyklar/aýlyk/oýunlar/goýberişler; şuňa meňzeş hepdeleriň kogortlaryny deňeşdiriň.
Süýşýän penjire: hepdelik/aýlyk kogortlar üçin - baýramçylyklaryň we hasabat döwürleriniň ýygylygy.

9) Segmentasiýa we atributiýa

Segmentler: özüne çekiji kanal, platforma/OS, geo, ilkinji mazmuny, bahasy/çäkleri, töleg usuly.
Kogortanyň atributy: ulanyjyny "kim getirdi" - algoritmi düzüň (last non-direct, data-driven).
LTV-agram: diňe bir CR däl, eýsem kanallar/segmentler boýunça LTV (D30/D90) deňeşdiriň.

10) Wizualizasiýa

Kogort matrisa ýylylyk kartasy (CR/LTV).
Tendensiýanyň çyzyklary senenama boýunça D1/D7/D30.
Survival/Hazard grafikleri.
Bridge "LTV-ni D30-a näme üýtgetdi": töleýänleriň goşandy, ýygylyk, orta çek.

11) Synaglar we sebäpler

A/B: onbording, tutoriallar, paywall, offerler. Esasy metrika - D7/D30 retention we LTV (D30).
Kwazieksperimentler: Bazarlar boýunça yzyna almak üçin DiD/sintetik gözegçilik.
Uplift modelleri: gaýtadan işjeňleşdirmede (Qini/AUUC, uplift @k) gaýdyp geliş ösüşini nyşana alyň.

12) Ekspluatasiýa we howernans

Wersiýalaşdyrmak: 'RET _ D7 _ vN', 'LTV _ D30 _ vN'; işjeňlik/walýuta kesgitlemesi üýtgän mahalynda changelog.

SLO täzelik: gündelik kogortlar - 06: 00-a çenli taýynlyk.; Maglumat aralygy ≤ 1 sagat

Hil: wakalaryň coverage, dublikatlaryň paýy, bot/frodyň kogortdan daşarky paýy.
Giriş: RLS/CLS, PII gizlemek; eksport - diňe agregatlar.
Runbooks: D1-iň ýykylmagy (onbording), D7-iň (mazmuny), wakalaryň/şahsyýetleriň ýok edilmegi.

13) Ýygy-ýygydan ýalňyşlyklar (anti-patternler)

Oklaryň garyşmagy: kogortyň dürli ýaşlaryny dürli möwsümlerde düzedişsiz deňeşdirýärler.
Rolling vs Exact: şol bir zat hökmünde düşündirilýär.
Birlikleriň garyşmagy: bölümdäki sessiýalar, bölekdäki ulanyjylar.
Orta bölekleri jemlemek ýerine "orta" bölekleri jemlemek.
Ignor TZ/senenama: gün/dynç alyş çäklerinde D1-iň süýşmegi.
Bot/frod/QA süzgüç ýok.
Hasaba alynmadyk restartlar: şahsyýet köprüleri bolmadyk hasaplaryň bölünmegi/merge.

14) Kogorta hasabatyny çap etmezden öň çek-sanawy

• Doglan senesi, birligi, TZ, işjeňlik penjireleri kesgitlenildi
• Botlar/frod/QA aýryldy; şahsyýetler kesgitlenildi (golden record)
• CR (Exact/Rolling) we LTV D7/D30/D90
• Senenama/baýramçylyklar hasaba alyndy; kanal/platforma/geo segmentleri
• survival/hazard grafikleri we bridge LTV goşuldy
• Metrikanyň wersiýalary we atributiýa algoritmi dokumentleşdirildi
• Sazlanan SLO täzelik, gözegçilik coverage/dublikat/ýalňyşlyklar
• Runbooks D1/D7 ýykylmagy we wakalaryň kesilmegi üçin taýýar

Jemi

Kogort derňewi iki ok we düzgün-nyzam bolup durýar: kesgitlenen "dogluş pursaty", dogry penjireler we TZ, saklamak matrisalary we LTV, segmentasiýa we üýtgeşmeleriň sebäplerini barlamak. Bu çemeleşme diňe bir egrileri synlamak bilen çäklenmän, onbordingiň nirede abatlanyljakdygy, haýsy kanallaryň ulaljakdygy, haýsy mazmun we offerleriň oýunçylary has uzak saklaýandygy we LTV-ni artdyrýandygy barada karar bermäge kömek edýär.