Когортный анализ сравнивает поведение групп пользователей, которые начали пользоваться продуктом в одинаковый период. Аналитик отсчитывает время от старта каждой группы, поэтому сравнивает пользователей на одинаковом этапе жизни в продукте. Такой подход помогает увидеть изменения удержания, которые общая посещаемость может скрывать.
Главное правило — сначала определить начальное событие, событие возврата и период измерения. Фраза «retention за неделю» без этих условий допускает несколько разных расчётов. Ниже рассчитаем удержание на конкретный день, D7 и D14, на десяти учебных пользователях. Значения не описывают реальный продукт или результаты Digital Skills Academy.
Когорта объединяет пользователей по общему стартовому событию и времени события, а сегмент может объединять пользователей по любому признаку. Сегмент «пользователи платного тарифа» не обязательно имеет общую дату старта. Когорта «зарегистрировались в сентябре» позволяет сравнивать поведение после регистрации; дополнительные признаки, например канал привлечения, помогают разделять когорты для более точного анализа конкретной продуктовой задачи.
Представьте сервис тренировок навыков. Число выполненных заданий выросло, потому что реклама привела больше новых пользователей. Общая активность увеличилась, хотя старые пользователи стали возвращаться реже. Когортная таблица разделяет приток пользователей и поведение после старта.
Начальным событием может стать регистрация, первая покупка или первое выполненное задание. Выбор зависит от вопроса. Для проверки знакомства с продуктом пригодится регистрация; для повторных покупок — первая покупка. Пользователь может входить в разные анализы с разными стартовыми событиями, поэтому определение когорты нужно указывать в отчёте.
Не меняйте начальное событие внутри сравнения без пересчёта истории. Если первая группа стартует по регистрации, а следующая — по первому заданию, различия удержания могут отражать разные правила включения, а не улучшение продукта.
Retention измеряет долю пользователей исходной группы, которые выполнили выбранное действие в заданный период после старта. Удержание на день N учитывает возврат именно в день N; удержание «в день N или позже» учитывает более поздние возвраты. Эти показатели отвечают на разные вопросы, поэтому аналитик должен зафиксировать вид расчёта, единицу времени и правила календарных границ.
В упражнении начальное событие — регистрация, событие возврата — выполнение задания. D7 означает выполнение хотя бы одного задания на седьмой календарный день после даты регистрации. Все даты используют одну условную часовую зону; день регистрации имеет номер 0. Отчёт включает события по 13 октября 2026 года включительно.
Если пользователь выполнил пять заданий в D7, числитель увеличится на одного пользователя, а не на пять событий. Если пользователь вернулся в D8, D7-retention не изменится. Для продукта, в котором важен любой возврат после недели, стоит выбрать другой показатель и явно назвать правило.
Amplitude описывает различие Return On и Return On or After и обращает внимание на правила формирования знаменателя. Документация расчёта retention помогает сопоставить свой показатель с настройками аналитического инструмента. Для нашего ручного примера знаменатель фиксирован: размер исходной когорты, полностью наблюдаемой к выбранному дню.
Учебная когортная таблица группирует пользователей по дате регистрации и показывает удержание относительно этой даты. Строка таблицы соответствует группе, колонки D7 и D14 — возрасту группы. Не сравнивайте календарный октябрь одной когорты с календарным сентябрём другой: задача анализа состоит в сопоставлении одинакового времени после старта, а не одинакового месяца событий в журнале.
Исходные данные содержат десять уникальных пользователей. Знак «—» в колонке действий означает отсутствие выполнения заданий до даты среза, а не отсутствие данных о пользователе.
| Пользователь | Регистрация | Даты выполнения заданий |
|---|---|---|
| U01 | 15.09.2026 | 22.09.2026; 29.09.2026 |
| U02 | 15.09.2026 | 22.09.2026 |
| U03 | 15.09.2026 | 23.09.2026 |
| U04 | 15.09.2026 | — |
| U05 | 22.09.2026 | 29.09.2026; 06.10.2026 |
| U06 | 22.09.2026 | 30.09.2026 |
| U07 | 22.09.2026 | — |
| U08 | 06.10.2026 | 13.10.2026 |
| U09 | 06.10.2026 | 13.10.2026 |
| U10 | 06.10.2026 | 12.10.2026 |
Для группы 15 сентября D7 приходится на 22 сентября. Возвращаются U01 и U02: два из четырёх. D14 приходится на 29 сентября; возвращается только U01. Пользователь U03 активен в D8 и не входит в числитель D7.
Для группы 22 сентября D7 приходится на 29 сентября, D14 — на 6 октября. В оба дня возвращается U05. Для группы 6 октября D7 приходится на 13 октября: возвращаются U08 и U09. D14 наступит 20 октября, за пределами среза.
| Когорта | Размер | Вернулись в D7 | D7-retention | Вернулись в D14 | D14-retention |
|---|---|---|---|---|---|
| 15.09.2026 | 4 | 2 | 50,0% | 1 | 25,0% |
| 22.09.2026 | 3 | 1 | 33,3% | 1 | 33,3% |
| 06.10.2026 | 3 | 2 | 66,7% | Не наступил | Не рассчитан |
Пустая ячейка новой когорты не означает нулевое удержание. Ноль означал бы, что день наступил, группа полностью наблюдаема и никто не вернулся. Для визуального отчёта используйте отдельную отметку «период не наступил».
Retention на конкретный день равен количеству уникальных пользователей с нужным событием в этот день, делённому на размер исходной когорты. Для объединения полностью наблюдаемых когорт складывайте числители и знаменатели. Простое среднее процентов при разных размерах групп меняет вес пользователей и может дать другое значение, даже когда каждый отдельный процент рассчитан правильно по исходным событиям.
Формула нашего расчёта:
D7-retention = пользователи с заданием в D7 / зарегистрированные пользователи когорты × 100%.
Для первой когорты: 2 / 4 × 100% = 50%. Для второй: 1 / 3 × 100% ≈ 33,3%. Для третьей: 2 / 3 × 100% ≈ 66,7%. Общий D7-retention трёх полностью наблюдаемых групп — 5 / 10 = 50%.
D14 можно объединить только для первых двух групп. Получаем 2 / 7 ≈ 28,6%. Простое среднее 25% и 33,3% даёт около 29,2%: меньшая группа получает такой же вес, как большая. Значение отличается из-за способа взвешивания, а не округления исходных событий.
Сначала складывайте точные количества, затем округляйте итоговый процент. Не восстанавливайте количество пользователей из уже округлённых процентов, если доступен исходный числитель. Для больших выгрузок проверяйте уникальность user_id и дубли событий перед агрегацией.
Когортный анализ показывает различия поведения, но сам по себе не устанавливает причину различий. Более высокий D7-retention новой группы может совпасть с изменением рекламы, состава аудитории, сезонности или обучения внутри продукта. Аналитик должен проверить размер групп, одинаковые определения событий и сопоставимость каналов, а затем сформулировать гипотезу для дальнейшего исследования или контролируемого эксперимента.
В учебной таблице D7 вырос с 33,3% до 66,7% между второй и третьей когортами. Разница соответствует одному дополнительному вернувшемуся пользователю при одинаковом размере группы — три человека. Формулировка «удержание удвоилось» арифметически верна, но без указания масштаба выглядит значительно убедительнее, чем позволяют данные.
Если вместе с новым обучением запустили другой рекламный канал, сравните когорты внутри каналов. Пользователи, которые приходят за разовой задачей, могут возвращаться реже, чем аудитория регулярного использования. Общая таблица смешивает такие группы.
Для проверки гипотезы «новое обучение повысит возврат в D7» пригодится A/B-тест со случайным распределением пользователей. Когортный отчёт поможет выбрать показатель и наблюдать дальнейшее поведение. Не заменяйте эксперимент сравнением двух дат запуска, если нужно установить причинный эффект.
Когортную таблицу искажают смешение видов retention, неполные периоды, изменяющиеся знаменатели и подсчёт событий вместо пользователей. Перед публикацией отчёта проверьте стартовое событие, событие возврата, часовую зону и дату среза. Один и тот же набор действий может дать разные корректные показатели при разных определениях, поэтому название метрики должно включать правило расчёта, а не только слово retention.
| Ошибка | Диагностический признак | Исправление |
|---|---|---|
| События вместо пользователей | Числитель выше размера группы | Считать уникальные user_id |
| Неполный период как ноль | Последняя когорта резко «падает» | Отметить ненаступившие периоды |
| Разный возраст групп | Сравниваются D7 и D14 | Сравнивать одну колонку возраста |
| Изменение события | История скачет после обновления трекинга | Согласовать определение и пересчитать |
| Среднее без весов | Итог не совпадает с суммой людей | Складывать числители и знаменатели |
| Смешение календарных и 24-часовых дней | Различаются границы возвращения | Зафиксировать способ отсчёта |
Для сервиса ежедневной практики подходят дневные интервалы; для редких покупок разумнее проверить недельные или месячные. Выбор должен следовать ожидаемой частоте использования. Удержание на каждый день может оказаться слишком строгим показателем для задачи, которую человек решает раз в месяц.
Начните с небольшого набора, где каждый пользователь прослеживается вручную, затем перенесите правила в SQL или аналитическую систему. Чтобы разобраться, как стать продуктовым аналитиком, изучите программу курса по продуктовой аналитике, а о том, как анализировать поведение пользователей, подробнее рассказано в отдельном материале блога.
Когортный анализ сравнивает поведение групп пользователей, которые начали пользоваться продуктом в одинаковый период. Время отсчитывается от старта каждой группы, поэтому группы сравниваются на одинаковом этапе жизни в продукте.
Когорта объединяет пользователей по общему стартовому событию и времени события, а сегмент может объединять пользователей по любому признаку, например по платному тарифу без общей даты старта.
D7-retention — доля пользователей когорты, которые выполнили выбранное действие на седьмой календарный день после старта. Если пользователь вернулся в D8, показатель D7 не изменится.
Складывайте числители и знаменатели полностью наблюдаемых когорт, а затем округляйте итоговый процент. Простое среднее процентов при разных размерах групп меняет вес пользователей.
Ноль означает, что день наступил, группа полностью наблюдаема и никто не вернулся. Для ещё не наступившего периода используйте отметку «период не наступил».
Нет. Когортный анализ показывает различия поведения, но сам по себе не устанавливает причину. Для проверки гипотезы пригодится A/B-тест со случайным распределением пользователей.