← 全部术语
分群 / 同期群分析
分群(同期群)分析把有共同点的用户分成一组——最常见是按获客当天——再追踪每组在随后几天、几周里的表现。你得到的不是一个被搅匀的平均值,而是一组可对比的曲线。它能回答「新用户比老用户更好还是更差?」——这是任何单一汇总数字都答不了的问题。
怎么计算
先定义分群键。最经典的是 获客分群:同一周或同一月安装、注册的所有人。但分群可以按任意共同属性来切——获客渠道、首次设备、国家,或像「完成新手引导」这样的行为。
然后按相同的 生命周期年龄(而非日历日期)衡量每个分群的某项指标。年龄 0 是各分群的起始日;年龄 7 是该分群第 7 天。把分群作行、年龄作列铺开,就得到熟悉的三角形 分群表——沿某一列向下读,就是在对比处于相同成熟度的不同分群。
格子里的指标通常是留存或收入,这正是分群同时支撑留存率和生命周期价值的原因。
为什么重要
平均值把处于生命周期各阶段的用户混在一起,因此会掩盖变化。如果整体留存看起来很平,分群分析可能揭示:近期分群其实留得更差,只是老用户基底在硬撑平均值——这种问题不分群往往要等到严重了才发现。分群还能隔离改动的效果:上线新的新手引导后,只有改动之后获客的分群才显示影响,与之前的所有人干净地分开。
在游戏 / App 里
分群是判断获客质量的方式。两个渠道可以带来相同的安装量,而它们的分群在 30 日留存或 LTV 上却急剧分化——只有分群视角能暴露这一点。运营团队按加入日期分群,看一场季节活动是养成了持续习惯还是只制造了一天的尖峰;产品团队按行为分群,验证达成某个里程碑是否真的带来更好的留存。
在 Keentics 里
Keentics 在原始事件流上构建分群,可按获客日期或任意用户属性切分,并以留存或收入渲染分群表,不做抽样。任意漏斗的掉队人群都能变成一个可向前追踪的分群。分群驱动留存分析与 LTV 分析功能——套餐详情见价格页。