Гайды

Почему агрегат врёт: когортные треугольники удержания

Aug 10, 2026 · 4 мин чтения · Nikita Boyarkin

Кратко

«Удержание у нас 45%» — обычно это среднее по всем когортам. И оно почти всегда врёт вверх. Почему: в момент среза у молодых когорт ещё мало «возраста», и их высокие первые значения (R1 у когорты месячной давности ≈ 100%) тащат среднее. Старые когорты, которые уже дожили до 12-го месяца, в этом среднем почти не представлены.

Честная картинка — треугольная когортная матрица: строки = когорты (месяц привлечения), столбцы = возраст (месяцы с начала жизни), ячейки = доля выживших. Правый нижний треугольник пуст — это не «нет данных», а когорты, которые ещё не прожили этот возраст.

Пример

Строим матрицу в pandas: на каждую пару «когорта × возраст» считаем уникальных пользователей.

import pandas as pd

# Строка на пользователя-месяц: user_id, cohort (месяц регистрации), age (месяц с регистрации), active (0/1)
# df = ...

retention = (
    df.groupby(["cohort", "age"])["user_id"]
    .nunique()
    .unstack("age")
)

Число пользователей в age = 0 — размер когорты. Делим все столбцы на размер когорты — получаем долю выживших.

size = retention[0]
retention_pct = retention.div(size, axis=0)

Как пишется

Определить когорту — по событию привлечения (регистрация, первая покупка), а не по календарю.
Определить возраст — целое число периодов с когорты (дни, недели, месяцы).
Определить «выжил» — что считаем активностью: наличие любого события, платящего события, сессии.
Свести таблицу когорта × возраст и нормализовать на размер когорты.
Диагональ / правый нижний треугольник оставить пустым — туда врезать observation age.

Как понять

Почему среднее по всем когортам врёт

Возьмём срез «сейчас». У него есть когорты возрастом от 0 до 36 месяцев. Усредняя по строкам, мы мешаем «1 месяц после старта» (держит ~40–50%) с «36 месяцев» (держится ~10–15%). Среднее получается где-то 25%, и оно ничего не говорит ни про продукт, ни про отдельную когорту. Единственный честный вопрос — «какая доля когорты месяца X дожила до возраста Y», а на него отвечает только треугольник.

Observation age — главный подводный камень

У когорты возрастом 12 месяцев нет данных про 24-й месяц — и никогда не будет, пока она не проживёт его. Если эти ячейки заполнить нулями и усреднить, удержание «упадёт» просто потому, что срез рано. Пустой треугольник — фича: он буквально показывает, что по этим когортам вывод делать рано.

Сравнивать когорты можно только одного возраста

«Новая когорта лучше старой» — только если сравнивать R1 с R1, R3 с R3. Сравнение «среднего новой» и «среднего старой» ловит эффект возраста, а не качества. Выводы о динамике продукта строятся по горизонталям и по «возраст-за-возраст».

ARPU/LTV: та же ловушка

LTV по когорте считается как сумма выручки по возрастам. Для молодой когорты доступен только хвост наблюдения до текущего среза — LTV занижен, и это не ошибка, а недонаблюденность. В отчёте это надо подписывать явно: «LTV за 6 месяцев наблюдения», а не «LTV».

Подсказки

Размер когорты фиксируйте в age = 0 и не меняйте: делитель должен быть одинаковым для всех столбцов.
Пустой треугольник не заполняйте нулями — иначе получите «падение» от перехода среза.
«Выжил» определяйте по одному правилу для всех когорт, иначе сравнение сломается.
Для недельных/месячных продуктов выбирайте возраст под цикл: подпискам хватает 12 месяцев, ритейлу — по сезону.
Проверяйте, что новые когорты не «заедают» первую строку матрицы за счёт маленького возраста.

На практике

В проекте Cohort Analysis Dashboard треугольная матрица с «триангулярным» затуханием построена на синтетических данных: когорты по месяцу регистрации, возраст по месяцам, удержание и ARPU/LTV с явной оговоркой про observation age. Папка анализа собрана в пайплайн на pandas + matplotlib/seaborn, а на выходе — экспорт в CSV и .hyper для Tableau. Та же матрица встроена в разбор Volta: удержание читалось именно по диагонали треугольников, а не по «среднему».

На собеседовании

❓ Почему нельзя считать удержание как среднее по всем когортам?

Потому что на момент среза когорты имеют разный возраст, и усреднение смешивает «молодых» (первый месяц, высокие значения) со «старыми» (дожили до 12-го месяца, низкие значения). Среднее завышено и не отвечает ни на один практический вопрос. Правильный вопрос — «какая доля когорты X дожила до возраста Y», и на него отвечает треугольная матрица, где каждая ячейка — своя когорта на своём возрасте.

— Nikita Boyarkin

❓ Что делать с пустым правым нижним углом когортной матрицы?

Ничего не делать — оставить пустым и подписать как observation age. Эти когорты ещё не прожили соответствующий возраст. Заполнение нулями и усреднение даст ложное «падение» удержания, которое не связано с продуктом. Если нужно среднее по колонке — считать его только по когортам, уже дожившим до этого возраста, и это отдельно оговаривать.