Когорта
Содержание
Определение
Когорта — группа пользователей с общим признаком входа: как правило, неделей или месяцем первого действия. Когортный анализ фиксирует момент старта и наблюдает, что происходит с группой дальше. Это отделяет эффект от изменений продукта и трафика от иллюзий агрегированных метрик.
Как считать
Пользователей размечают когортой по дате старта, для каждой когорты считают метрику по периодам жизни (день 1, 7, 30). Сводят в матрицу «когорта × период». Сравнивают когорты на одинаковом возрасте — нельзя сопоставлять 30-й день молодой когорты с 90-м днём старой.
Ловушки
Маленькие когорты шумят — эффект легко принять за тренд. Смещение состава (mix-shift) между когортами искажает сравнение: продукт мог изменить канал привлечения. Календарный период и возраст когорты — разные оси; путать их значит объяснять продукт сезонностью. Агрегат без разбиения по когортам маскирует провалы новых.
Связанные понятия
Понятия
- Retention
Retention — доля пользователей, вернувшихся к продукту после первого взаимодействия. Базовая метрика ценности и удержания.
- Кривая удержания
Кривая удержания показывает долю вернувшихся по периодам после старта. Её форма — сигнатура продукта и его стабильности.
- Сегментация
Сегментация делит базу на однородные группы по поведению или ценности, чтобы разные группы получали разное воздействие.
- Time-to-convert
Time-to-convert — время от входа до целевого действия. Показывает скорость конверсии когорты, а не только её итоговую долю.
Проекты
- Cohort Analysis Dashboard
Python внутри Tableau: 4 когортных расчёта на TabPy-сервере и 65 тестов; треугольная матрица удержания с ARPU и LTV по когортам, оговоркой о возрасте наблюдения и экспортом CSV + Hyper.
Упоминается в
Материалы сайта, которые ссылаются на эту страницу.
Проекты
- Data Analyst Telegram Bot
Telegram-бот для аналитика без BI: CSV из выгрузки превращается в p-value, лифт и 95% CI за 30 секунд — 12 команд, история анализов и экспорт в HTML.
- ClickHouse — десять SQL-кейсов на 50 млн строк
Девять SQL-кейсов на 50 млн событий плюс оптимизация, где текст запроса не меняется: проекция читает диапазон ключа вместо полного скана, а семь DuckDB-двойников ловят расхождения движков.
- Cohort Analysis Dashboard
Python внутри Tableau: 4 когортных расчёта на TabPy-сервере и 65 тестов; треугольная матрица удержания с ARPU и LTV по когортам, оговоркой о возрасте наблюдения и экспортом CSV + Hyper.
- Browser Mini-Games — Analytics Arcade
10 играбельных мини-игр в self-contained SVG: 7 аналитических (A/B до p<0.05, funnel drop, cohort catch, retention day) и 3 аркадных. Один файл — вся игра, без сборки.
- Ликвидность классифайда — аудит измеримости
Синтетический классифайд с посаженной истиной: прокси-метрика занижает sell-through на 21,4%, EM-поправка возвращает все категории в 3 п.п., а платная видимость не проходит холдаут.
- TaskFlow — PostHog Product Analytics Pipeline
Онбординг-тест на сидированном потоке событий: завершение 55.9% → 70.8% (+26.6%), χ² = 40.10, p < 0.0001 при SRM p = 0.90; 6.3% завершивших регистрацию доходят до платного апгрейда.
- Product A/B & Funnel Analytics — конверсия против удержания
Воронка 12 000 → 9 623 → 3 384 и A/B на 2 552 пользователях: онбординг поднимает activation → paid на 19.59% (p=0.000946), вердикт SHIP; при равном шаге конверсия даёт +10.00% к LTV, удержание +8.65%
- SQL Analytics Case Study
26 SQL-кейсов: 25 на синтетике (~183k событий) + 1 real-data на UCI Online Retail II. Воронка, retention, LTV, атрибуция, аномалии, dbt-слой на DuckDB, живой отчёт на GitHub Pages.
- Product Analytics Dashboard (Streamlit)
Продуктовый дашборд на синтетическом SaaS-датасете (8 000 пользователей): AARRR-воронка, cohort retention, выручка (MRR, ARPU, churn) и сегментация — 5 страниц на Streamlit.
- Product Analytics + A/B on Supabase
Full-stack аналитика на Supabase: A/B на сидированном потоке дал +11,1 пп (p ≈ 1,7·10⁻¹⁰, χ²), а Streamlit-дашборд читает живые данные через RLS и SQL-вьюхи.
- Volta Neobank — Product Analytics
Закрыл узкое место онбординга необанка A/B-тестом: +5,72 пп конверсии KYC, €208,5K за 12 мес при 13,9× ROI. 23 проекта: воронка → A/B → retention → сегментация → Market & Jobs → RAT v2 → causal.
Посты
- Когортный анализ удержания
Когортная матрица удержания в Pandas: почему агрегат врёт, как строить треугольную таблицу, какие у неё ограничения и что она реально говорит о продукте. С реальным кейсом из volta-banking.
- Почему агрегат врёт: когортные треугольники удержания
Среднее удержание по всем когортам смешивает клиентов с разным сроком жизни и врёт вверх. Как строить треугольную когортную матрицу, читать observation-age и сравнивать когорты честно.
- Дашборды, которые не врут: принципы продуктовой визуализации
Дашборд врёт не намеренно — он умалчивает: про observation age, про контекст, про то, где именно агрегат был посчитан. Пять принципов, которые держат продуктовые дашборды честными.
- Чек-лист портфолио дата-аналитика
Что я проверяю перед тем, как отправить портфолио найм-менеджеру — на основе ревью своего и чужих. Семь пунктов в трёх группах.
- RFM-сегментация клиентов
RFM раскладывает клиентов по трём осям — давность, частота, сумма — и превращает скоринг в действия. Практический фреймворк с SQL, разбором нюансов и кейсом.
- Оконные функции: gaps-and-islands, топ-N, range-join для stickiness
Три паттерна оконных функций, которые отличают продуктового аналитика: gaps-and-islands для стриков, partitioned Top-N и range-join для DAU/MAU stickiness. На DuckDB, без сервера.
- Юнит-экономика: CAC, LTV, payback и когорты
Юнит-экономика сводит продукт к одному вопросу — зарабатывает ли бизнес на каждом клиенте больше, чем тратит на его привлечение. Разбираем CAC, LTV, CM1/CM2, payback и почему агрегат врёт на когортах.
- User Journey / Path Analysis: где теряется пользователь
Пользователь видит ценность только через неделю — и это не проблема продукта, а проблема пути. Как аналитику разобрать user journey по шагам, найти узкое горлышко и сократить time-to-value с 144 часов до 24.
- Кейс Volta: воронка, A/B и retention на синтетике необанка
Полный цикл продуктовой аналитики на синтетическом необанке: где терялась воронка, как CUPED и AA-тест удержали Type I, что показали когортные треугольники и почему 4 сегмента важнее 125 ячеек.
Карта связей
Интерактивный подграф: 7 узлов и 14 связей вокруг этой страницы. Каждый узел доступен с клавиатуры; Enter или пробел открывают связанную страницу. Полный список узлов и их связей — после графика.
- Cohort Analysis Dashboard : Когорта (Явная связь), Retention (Явная связь), Кривая удержания (Явная связь), Time-to-convert (Явная связь)
- Когорта : Retention (Явная связь), Кривая удержания (Явная связь), Сегментация (Явная связь), Time-to-convert (Явная связь), Cohort Analysis Dashboard (Явная связь), Retention / когорты (Тематическая связь)
- Retention : Когорта (Явная связь), Кривая удержания (Явная связь), Cohort Analysis Dashboard (Явная связь), Time-to-convert (Явная связь), Retention / когорты (Тематическая связь)
- Кривая удержания : Когорта (Явная связь), Retention (Явная связь), Cohort Analysis Dashboard (Явная связь), Retention / когорты (Тематическая связь)
- Сегментация : Когорта (Явная связь)
- Time-to-convert : Когорта (Явная связь), Retention (Явная связь), Cohort Analysis Dashboard (Явная связь), Retention / когорты (Тематическая связь)
- Retention / когорты : Когорта (Тематическая связь), Retention (Тематическая связь), Кривая удержания (Тематическая связь), Time-to-convert (Тематическая связь)
Термины, статьи и проекты, связанные с этим понятием. Касание или клик открывают узел.