# Cohort Analysis

> 对用户参与度数据执行同期群分析——留存曲线、功能采用趋势及分层洞察。适用于按同期群分析用户留存、研究功能随时间的采用情况、调查流失规律，或识别参与度趋势。

- Skill: `killvxk/cohort-analysis` (Agent Skill)
- Install (CLI): `npx skillmds@latest add killvxk/cohort-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/killvxk/cohort-analysis/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: killvxk (https://skillmd.com/u/killvxk)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/killvxk/cohort-analysis

---


# 同期群分析与留存探查

## 用途
通过同期群分析用户参与度和留存规律，识别用户行为、功能采用及长期参与度的趋势。将定量洞察与定性研究建议相结合。

## 工作原理

### 第一步：读取并验证数据
- 接受包含用户同期群信息的 CSV、Excel 或 JSON 数据文件
- 验证数据结构：同期群标识符、时间周期、参与度指标
- 检查缺失值和数据质量问题
- 汇总关键统计信息（同期群规模、日期范围、可用指标）

### 第二步：生成定量分析
- 计算同期群留存率和参与度趋势
- 识别留存曲线、流失节点和异常值
- 计算各同期群的功能采用率
- 计算环比或周期性变化
- 如有需要，使用 pandas 和 numpy 生成 Python 分析脚本

### 第三步：创建可视化图表
- 生成留存热力图（同期群 vs. 时间周期）
- 创建展示同期群走势的折线图
- 构建功能采用率对比图
- 可视化流失节点和参与度趋势
- 输出为交互式图表或静态图片

### 第四步：识别洞察与规律
- 发现一个或多个显著规律：
  - 特定同期群的早期高流失
  - 后期参与度变化
  - 功能采用的聚类特征
  - 季节性或时间性趋势
- 突出意外发现和偏差
- 与基准线进行同期群绩效对比

### 第五步：建议后续研究方向
- 推荐定性研究方法：
  - 与流失用户进行针对性访谈
  - 对高活跃同期群开展功能使用调研
  - 回放关键交互模式的会话录屏
  - 对高留存 vs. 低留存同期群进行赢/输分析
- 设计后续定量研究
- 建议 A/B 测试或功能实验

## 使用示例

**示例一：上传 CSV 数据**
```
上传 cohort_engagement.csv，包含以下字段：cohort_month、weeks_active、
user_id、feature_x_usage、engagement_score

需求："分析留存规律，并找出 Q4 2025 同期群为何相比 Q3 表现欠佳"
```

**示例二：描述数据格式**
```
"我有 2025 年 1—12 月的月度用户同期群。每行包含：
同期群日期、用户 ID、购买频次和客服工单数量。
分析哪些同期群的长期留存率最高。"
```

**示例三：功能采用分析**
```
上传包含同期群采用数据的 feature_usage.xlsx。

需求："对比各同期群新功能的采用曲线。
哪些同期群采用速度最快？有什么规律？"
```

## 核心能力

- **数据读取**：导入 CSV、Excel、JSON、SQL 查询结果
- **留存分析**：计算并可视化随时间变化的留存率
- **同期群对比**：跨同期群对比各项指标
- **异常检测**：标记异常规律或流失节点
- **Python 脚本**：生成可复用的分析代码，支持持续分析
- **可视化**：创建热力图、图表和交互式数据看板
- **研究设计**：建议针对性的后续研究和访谈方案
- **统计摘要**：提供定量指标和相关性分析

## 最佳实践建议

1. **包含时间维度**：提供跨多个时间周期的数据
2. **明确定义同期群**：清楚说明同期群的划分依据（注册月份、功能上线日期等）
3. **提供背景信息**：说明该时期内的产品变更、上线内容或重要事件
4. **多维指标**：包括留存率、参与度、功能使用情况、营收等
5. **充足数据量**：至少 3—4 个同期群，才能发现有意义的规律
6. **明确输出要求**：注明需要可视化图表、Python 脚本还是研究建议

## 输出格式

你将收到：
- **数据摘要**：同期群概览和数据质量评估
- **定量发现**：关键指标、留存率及趋势分析
- **可视化图表**：展示留存曲线和采用规律的图表
- **规律识别**：从数据中提炼的 2—3 个重要洞察
- **研究建议**：具体的定性与定量后续研究方向
- **分析脚本**（如有需要）：可复现分析的 Python 代码
- **后续行动**：基于发现的优先级行动清单

---

### 延伸阅读

- [Cohort Analysis 101: How to Reduce Churn and Make Better Product Decisions](https://www.productcompass.pm/p/cohort-analysis)
- [The Product Analytics Playbook: AARRR, HEART, Cohorts & Funnels for PMs](https://www.productcompass.pm/p/the-product-analytics-playbook-aarrr)
- [Are You Tracking the Right Metrics?](https://www.productcompass.pm/p/are-you-tracking-the-right-metrics)