关于 cohort-analysis
cohort-analysis 是用于按用户群组分析留存与行为变化的分析技能，面向产品和数据分析场景。它提供留存计算、群组可视化和 HTML 报告生成命令。
主要功能
- 01按群组计算用户留存
- 02支持周等时间周期分析
- 03生成群组可视化图表
- 04导出交互式 HTML 报告
适用场景
- 01比较不同渠道带来的用户群组
- 02评估产品改动对用户行为的影响
- 03识别留存随时间的变化
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/cohort-analysis确认已加载。
附带文件scripts/main.pyscripts/requirements.txt
详细介绍
群组分析
通过将用户分组为不同群组，分析留存率和行为模式，了解不同客户群体随时间的行为变化。
何时使用此技能
- 留存跟踪 - 衡量用户随时间保持活跃的情况
- 获客分析 - 比较来自不同渠道的群组
- 产品变更 - 衡量对用户行为的影响
- 流失预测 - 识别有流失风险的群组
- LTV 估算 - 预测客户生命周期价值
Claude 负责什么，你来决定什么
| Claude 负责 | 你来决定 |
|---|---|
| 构建分析框架 | 指标定义 |
| 识别数据中的模式 | 业务解读 |
| 创建可视化模板 | 仪表板设计 |
| 提出优化方向 | 行动优先级 |
| 计算统计指标 | 决策阈值 |
依赖项
pip install pandas plotly click
命令
留存分析
python scripts/main.py retention data.csv --date-col signup --event-col purchase
python scripts/main.py retention data.csv --date-col signup --periods week
可视化群组
python scripts/main.py visualize cohorts.csv --output retention_chart.html
导出报告
python scripts/main.py report data.csv --date-col signup --event-col active --output report.html
示例
示例 1：分析用户留存率
python scripts/main.py retention users.csv --date-col signup_date --event-col last_active
# Output:
# Cohort Retention Analysis
# ──────────────────────────────────
# Cohort Users M1 M2 M3 M4
# Jan 2024 1,234 65% 48% 42% 38%
# Feb 2024 1,456 62% 45% 41% --
# Mar 2024 1,321 68% 52% -- --
# Apr 2024 1,567 64% -- -- --
#
# Avg Retention: 65% → 48% → 42% → 38%
# Best Cohort: Mar 2024 (68% M1)
示例 2：生成可视化报告
python scripts/main.py report transactions.csv \
--date-col signup \
--event-col purchase_date \
--output retention_report.html
# Generates interactive HTML with:
# - Retention heatmap
# - Cohort size chart
# - Trend analysis
群组表格格式
| 群组 | 大小 | 第 0 期 | 第 1 期 | 第 2 期 | 第 3 期 |
|---|---|---|---|---|---|
| 2024-01 | 1234 | 100% | 65% | 48% | 42% |
| 2024-02 | 1456 | 100% | 62% | 45% | - |
| 2024-03 | 1321 | 100% | 68% | - | - |
技能边界
此技能擅长的事项
- 构建数据分析结构
- 识别模式和趋势
- 创建可视化框架
- 计算统计指标
此技能无法做到的事项
- 访问你的实际数据
- 替代统计专业知识
- 做出业务决策
- 保证预测准确性
相关技能
- ab-test-stats - 测试留存实验
- funnel-analyzer - 分析转化漏斗
技能元数据
- 模式：centaur
category: analytics
subcategory: retention
dependencies: [pandas, plotly]
difficulty: intermediate
time_saved: 4+ hours/week
评论
支持 Markdown