新用户第二周还剩几个?pandas做留存率cohort分析,数据分析实战第6期

第5期双11预售看板刚交,老板又抛来一个新问题:拉新花了不少钱,人留没留住?日活数字看着在涨,可涨的全是新注册,用户第二周还剩几个,没人说得清。日活涨可能是拉新撑着,留存才是真本事。今天就用cohort分析把这个问题算清楚。

cohort就是"同批人"。7月注册的算一批,8月注册的算一批,9月注册的算一批。留存率等于当期还活跃的人数除以这批人当初注册的总数。同一批人,第二周剩多少,第三周剩多少,画成一张表,产品到底留不留得住人,一眼就能看出来。

数据先说明白:下面用的是300个用户的模拟数据,7月98人、8月115人、9月87人,每个用户注册当天记一次活跃,之后按随机衰减生成后续活跃。数字是编的,方法不是编的,换成真实的用户表和行为表,代码一字不用改。环境是Python 3.10加pandas和NumPy:

python 复制代码
import pandas as pd, numpy as np
np.random.seed(7)
users = pd.DataFrame({
    "user": range(1, 301),
    "signup": pd.to_datetime(np.random.choice(pd.date_range("2026-07-01", periods=90), 300)),
})
acts = []
for _, u in users.iterrows():
    days = {0}
    n = np.random.geometric(0.5)
    extra = np.random.choice(range(1, 60), size=min(n, 15), replace=False)
    days.update(int(d) for d in extra)
    for d in sorted(days):
        acts.append((u["user"], u["signup"] + pd.Timedelta(days=int(d))))
act = pd.DataFrame(acts, columns=["user", "day"])
df = act.merge(users, on="user")
df["cohort"] = df["signup"].dt.to_period("M")
df["period"] = ((df["day"] - df["signup"]).dt.days // 30)
cohort_size = users.assign(cohort=users["signup"].dt.to_period("M")).groupby("cohort")["user"].nunique()
ret = df.groupby(["cohort", "period"])["user"].nunique().unstack(0)
retention = (ret.divide(cohort_size, axis=1) * 100).round(1)
print("各月新用户:", cohort_size.to_dict())
print(retention)
print("第1个30天平均留存:", round(retention.iloc[1].mean(), 1), "%")

本地实测,留存表长这样:注册后第1个30天,7月 cohort 留存73.5%,8月73.9%,9月72.4%,三个月平均73.3%。第0个30天全是100%,因为模拟数据里每人注册当天都有一次活跃。三个月 cohort 的次月留存咬得很紧,73%上下浮动不到两个点,说明留存本身比较稳,拉新量在变,留人能力没变。

这里有两个口径要讲清楚,不然数字全是错的。第一个口径:周期按注册后每30天切,别按自然月算。按自然月算,月中注册的人首月天然吃亏:7月25号注册的用户,7月只剩6天,活跃天数比7月1号注册的人少一大截,留存率一算就偏低。按注册后30天切,每个人起跑线一样,cohort之间才能横着比。

第二个口径:分母是当月全部新注册用户,不是当期活跃过的用户。cohort_size那行代码就是这么算的:直接对用户表按注册月分组计数。有人图省事,拿行为表里出现过的用户当分母,等于把注册后一次都没回来的人悄悄排除在外,分母变小,留存率虚高。分母错了,整张表都是假的。

第一个坑:分母写错。我第一次写这段代码就栽在这里:cohort_size直接从行为表里 groupby 出来,结果第0个30天留存只有六成多,看着像产品出了大问题。查了半天才发现,行为表里根本没有"注册后零活跃"的人,他们被分母漏掉了。分母必须从用户表里数,行为表只负责数分子。

第二个坑:只看平均不看拆分。三个月平均73.3%看着挺稳,但9月 cohort 只有87个人,是三个月里最少的。留存稳不代表拉新稳,9月拉新量掉下来了,平均数里看不出来。汇报的时候平均数和各 cohort 的人数一起摆出来,数字才完整。

第三个坑:留存高不等于赚钱。用户留下来了,天天打开产品但就是不付费,留存数字再好看也是虚的。留存是第一步,留下来的人付不付费、付多少,是下一步要算的账。这两个数得分开看,混在一起谈,等于拿活跃度给收入贴金。

这篇建议收藏。cohort留存是数据分析里最常用的留人仪表盘,面试被问到"怎么看一个产品留不留得住人",这张表就是标准答案。下次老板问新用户第二周还剩几个,不用翻日活曲线,直接把这张表贴过去。

下期是数据分析实战第7期,留存乘上付费:算算每个 cohort 的用户到底赚回多少钱,把留存表升级成一张能看收入的表。这个系列从第1期清洗脏数据讲到第6期留存分析,RFM分层、趋势拆解、关联规则一期接一期,都收在专栏《数据分析实战》里。关注之后去专栏里能连着看,省得一篇篇翻。

你手头产品的次月留存是多少?低于30%还是高于30%?

Cyrus

相关推荐
谙弆悕博士21 分钟前
多智能体架构详解:网状去中心化架构(Mesh对等P2P)
人工智能·架构·去中心化·p2p·多智能体·智能体·langgraph
吴佳浩7 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
岁月宁静10 小时前
五、《从零手撸 Agent》 — 什么是 Agent:从“会聊天”到“会做事”,差的就是一个循环
python·agent
梯度下降者10 小时前
Python - 函数
python·高阶函数·可调用对象·functools·嵌套作用域
forest_0911 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区12 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔12 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区12 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能