cohort-analysis

适用场景

• 利益相关者询问“我们的用户留存率是否比上一季度有所提升？”
• 你需要衡量产品或功能的 N 日、每周或每月留存率
• 你想比较不同获客群组（按渠道、套餐或注册日期划分）在整个生命周期内的表现
• 你正在调查用户流失情况，需要确定用户通常在哪个时期流失

流程

1. 定义群组和活跃行为 — 明确：群组划分方式（注册月份、首次购买日期等）和留存事件（登录、购买、使用功能）。在报告标题中记录这些信息。
2. 提取或构建数据 — 如果从数据库开始，请使用 scripts/cohort_query.sql 作为起点。根据你的架构调整 cohort_date 和 activity_date 列。
3. 构建群组表 — 运行 scripts/cohort_builder.py，根据事件数据生成群组 × 时段成员关系表。输出为 CSV，包含 user_id、cohort_period、activity_period。
4. 计算留存矩阵 — 对群组表运行 scripts/retention_matrix.py，生成各时段的留存率。输出为 N×M 矩阵（群组 × 时段）。
5. 可视化 — 运行 scripts/cohort_visualizer.py，生成留存矩阵热力图和每个群组的留存曲线时间序列图。
6. 解读结果 — 参阅 references/retention_metrics_glossary.md 获取指标定义，并参阅 references/cohort_definition_patterns.md 了解模式识别。
7. 撰写报告 — 填写 assets/cohort_report_template.md。如需提供可视化交付物，请填写 assets/retention_matrix.html 热力图模板。

此技能所需的输入

• 必需：包含 user_id、cohort_date（例如 signup_date）和 activity_date 的事件数据
• 必需：群组划分粒度（每日 / 每周 / 每月）
• 必需：留存事件定义 — 哪些行为算作“活跃”或“留存”？
• 可选：群组最小规模（建议 ≥ 100 名用户；规模较小的群组其比率波动较大）
• 可选：跟踪时段数（例如 12 个月）
• 可选：用于细分的群组属性（获客渠道、套餐级别、地理位置）

输出

• 已填写的 assets/cohort_report_template.md — 文字解读和留存数据
• 已填写的 assets/retention_matrix.html — 按颜色编码的留存热力图
• scripts/retention_matrix.py 输出的 CSV — 供后续使用的原始留存率数据