00 写在前面

为什么要写【数据分析思维】这个系列文章？还是回到一个最根本的问题上：数据分析师到底是干什么的？

我相信不仅是想入门的小伙伴，已经入行很久的数据分析师可能多多少少还是会有些不清楚。数据分析师是每天被各个业务方呼来唤去的提数工具人么？还是被各种不靠谱的可视化软件蹂躏的报表maker？还是好不容易做了个专题分析，却被业务方嫌弃不说“人话”的，只会纸上谈兵、指手画脚的外行？

我相信每个数据分析师都会多多少少经历以上的心路历程，直到某天突然明白数据分析的终极奥义，才能跳出这个让人迷茫的怪圈。原来数据分析是要：熟悉业务，在此基础上基于对业务的理解发现业务上的问题，然后提出分析的方案，然后再是用工具提数分析，最后给出结论和建议，并推动相关方实施落地，进而解决问题，完成从业务中发现问题，再回到业务中解决问题的完整闭环。这才是数据分析的真正意义。

明白了这些，你可能就会发现，区别于其他的开发类工作，数据分析是以业务、思维为主、工具为辅的工作，重要的不是你会多么高端牛逼的工具和算法，而是你怎么发现问题，怎么形成分析思路，这才是数据分析师拉开差距的关键所在，至于剩下的就是怎么具体实施，这个，找个实习生也能做，哪部分工作含金量更高、被取代难度更大，一目了然了吧？

这也是我写【数据分析思维】系列文章的原因，数据分析本身就是业务和思维为重，授人以鱼不如授人以渔，清晰完备的思维可以让你事半功倍，知道怎么做远比实际做要重要的多，代码未动，思维先行，懂得运筹帷幄才能走得更远。

01 什么是同期群？

产品从初期到后期的成熟稳定，产品形态和商业模式都是在不断迭代的，前后用户体验的差异是巨大的；在产品发布初期的种子用户和后续买量带来的用户，在用户质量上的差异也是很大的。所以，我们要将用户按照同期性构成一个群组，比较不同的同期群在生命周期内的变化，以此分析产品的变化，这就要用到同期群分析。

同期群是一种划分用户群的方法，就是将用户按首次行为的发生时间划分为不同群组（即同期群），进而对同期群进行分析，常用于产品迭代、运营策略的效果评估。

这个有个关键词——“首次行为”。为什么是首次？因为首次行为意味着用户有相同的产品使用背景，对应着相同的用户生命周期，也就是"同期"。另外，首次体验的好坏直接影响到后续的行为，比如留存。所以，一般情况下是通过用户的首次行为进行划分。

我们通过一个例子进一步理解同期群。对于某个App，我们定义首次行为为"首次登录"。1月份首次登录有1000人，其中只有3%的人第二天还在继续登录，即次日留存率仅为3%。经过对产品功能的优化迭代，2月份首次登录用户有2000人，次日留存率提升到了15%。

在这个例子里，1月份和2月份首次登录的两个人群就是同期群，因为它们都是首次登录的人群，只不过一个是优化前，一个是优化后，通过这两个人群的对比我们发现：1月份优化前，这个产品非常糟，次日留存率相当低，2月份优化后，次日留存率得到了大幅提升。

了解了什么是同期群，下面我们用一张图来简要说明什么是同期群分析。

所谓同期群分析，也就是将用户按首次行为的发生时间划分为不同的同期群后：

对某个群组的用户进行横向比较，可以看出群体在时间上的表现变化。图中例子表明：从首次行为开始，随着时间的推移，后面坚持使用的用户越来越少，而且每个群组都有类似的规律。

对不同群组的用户进行纵向比较，可以看出是否随着优化迭代，新用户的表现是否越来越好了，从而验证业务迭代是否取得了效果。图中的例子，在不同的同期群组之间，用户在每个月的留存率并没有看到明显的变化趋势。

02 如何进行同期群分析？

上面已经介绍了什么是同期群和同期群分析，那要怎么进行同期群分析呢？

同期群分析，最常用的场景是用户留存分析，对应的工具是用户留存表，也就是类似前面例子中的表格。

用户留存分析，可以将用户的行为分为：

首次行为：如“首次打开应用”、“成功注册”或“第一次购买”；

留存行为：可以是用户的任意一种行为，或某个特定的行为（如“购买”、“创作内容”）；通过将用户按首次行为的发生时间分组得到同期群，然后再统计首次行为时间后，不同时段内留存行为的发生与否，制成表格就得到了用户留存表。

我们以某社区团购App为例，介绍如何进行同期群分析：

我们定义用户的首次行为是“第一次购买”，留存行为是“再次购买”，按照上面的思路制成用户留存表。基于同期群分析：

横向上，随着时间推移，可以看到每个月的新增用户在以后各个月的留存情况，发现2021年6-8月购买的用户，第二个月回购的概率在62%左右，随后依次递减，最终稳定在30%左右。

纵向上，对比不同月份新增和留存情况，很容易发现，从2021年9月开始，虽然新增购买用户数增长明显，但次月留存率急剧下滑，9-10月的次月留存率仅15%。

了解业务的动作后得知，从2021年9月开始，该APP上线了“新客户一分钱蔬菜尝鲜”的活动。短期来看，效果立竿见影，注册用户激增，很多都来蹭优惠。但是这些都是羊毛党，活动一结束，下个月就不来购买了，导致新用户增长明显，但是留存率却很差。

03 总结

如果没有同期群分析，我们只看每月新增用户这个数据，会发现9月、10月新增用户增长明显，好像是一片繁荣景象，但用户留存实际上是在变差的，忽略了这一点，很容易对真实的业务现状产生误判，更不用说提出什么精准有效的业务建议了。

而有了同期群横纵向的对比，我们就知道哪些同期群留存更好，并尝试分析原因。例如：我们是上线了新的产品功能？还是优化了用户体验？还是我们在那一天发起了一场促销或者优惠活动? 如果追踪到原因，我们可以将这些成功的策略复用于其他用户，来提高用户的留存率。所以，同期群分析可以帮助我们评估产品和运营迭代效果的重要手段，也是提高用户留存的关键方法之一。

以上就是数据分析思维系列-同期群分析的主要内容，更多【数据分析思维】、【数据分析工具】、【数据分析面试笔试】、【数据分析统计学】系列干货内容请回翻公众号【数据分析星球】，更多数据分析干货文章持续更新中，敬请期待，如果觉得不错，也欢迎分享、点赞和点在看哈