一个产品本周活跃用户变多，可能是老用户更愿意回来，也可能只是新用户投放增加。同期群分析把在相近时间发生某个起始事件的人放在一起，继续观察他们之后的行为，帮助分清新增规模和后续质量。
它尤其适合分析注册后留存、首购后复购、订阅续费和不同渠道获得的用户质量。“同期”可以是同一周注册，也可以是同一批首购；重要的是起点和后续行为定义一致。
一、先确定三个要素
第一是起始事件，例如首次注册、首次有效使用、首次付费。第二是分组规则，例如注册自然周或首购月份。第三是回访事件与观察窗口，例如注册后第7至13天至少完成一次有效使用。
不要把打开页面、完成核心任务和付费混成同一个“回来”。事件应匹配产品价值：设计工具可以看是否再次导出作品，学习产品可以看是否完成有效学习，而不只是启动应用。
同一批用户可能同时属于“某周注册”和“某渠道首购”的群组，两种分组回答不同问题。报告必须说明具体使用哪一种起点。
二、固定窗口留存如何计算
本文定义D0为用户注册时刻，W1为注册后经过7×24小时至不足14×24小时，W2为14至不足21天，W3为21至不足28天。每个窗口内至少发生一次回访事件，即记为该窗口留存用户。
W1留存率＝该注册批次在W1回访的去重人数÷该批次注册人数。W2、W3同理，分母保持为起始批次人数，而不是上一周留下的人数。
因此，W2回来而W1未回来的人，也可以计入W2固定窗口留存。固定窗口留存不必严格逐期下降；若定义为“从起点开始每期连续回来”，则是另一种口径，不能混用。
三、案例：三批用户的留存热力表
以下为教学假设数据。甲、乙、丙分别是三个注册周的用户批次，每批1,000人，所有展示的窗口都已对整批用户观察完整。
甲批W1回访400人、W2回访300人、W3回访250人，对应40%、30%、25%。乙批W1回访450人、W2回访350人，对应45%、35%，W3尚未完整观察。丙批只有W1完整结果，回访500人，留存50%。
从同一用户年龄看，W1留存由40%到45%再到50%，早期留存有所改善；W2也由30%到35%。但还不能说丙批的长期留存最好，因为它尚没有W2和W3的完整结果。
热力表中横向看同一批用户随时间的变化，纵向看不同批次在相同用户年龄下的表现。每个格子都应能追溯到原始人数和窗口定义。
四、“未观察”不是“留存为零”
近期注册用户还没有经历完整的后续窗口，这属于观察成熟度问题。如果直接填零，最近批次看起来会系统性更差；若把尚未到期的人也放入分母，同样会低估留存。
一种直观做法是只展示整批已成熟的窗口，其他格子标记“未观察”。另一种做法是只计算已到期用户，但必须同步报告该格子的有效分母，因为不同格子可能已不再覆盖整批用户。
批次按自然周分组、窗口按注册年龄计算时，同一批内最晚注册的人也要等完整窗口结束。本文为了演示清楚，采用整批成熟后才展示的规则。
五、如何判断改善来自产品还是用户结构
留存提高可能来自更好的引导流程，也可能来自渠道、地区、套餐或用户需求变化。下一步可以在各注册批次内继续按来源或用户类型比较，确认改善是否集中在某类用户。
比较渠道时，应使用相同的用户年龄和事件口径。甲渠道已经观察三个月、乙渠道只观察两周，不能直接比较“累计复购率”后判断渠道优劣。
即使各批次留存改善，也不能仅凭同期群表证明某次改版有效。改版同期的促销、季节和用户构成可能同时变化；需要因果结论时，应补充实验或合理对照。
六、从留存延伸到复购与收入
同一结构也可用于首购后的复购率和累计收入。做复购时，起点改为首次有效付费；做累计收入时，需要说明是否扣除退款，以及分母是全部起始用户还是仅付费用户。
累计人均收入可以随用户年龄观察，但较新批次的累计金额天然较低，必须在相同观察长度下比较。若预测生命周期价值，应另行说明模型和不确定性，不能把短期曲线外推当作已经实现的收入。
七、一份同期群分析应交付哪些信息
至少包括起始事件、批次人数、窗口边界、回访事件、时区、有效分母、成熟度和异常排除规则。数据层面可以先生成“用户—起始时间—首次或重复回访时间”的明细，再按批次和用户年龄汇总去重人数。
业务结论要写到可以行动的程度：早期引导改善，可以关注激活任务；第二周明显流失，可以检查持续使用价值；首购后复购较弱，可以检查交付与后续需求。同期群分析让我们跟踪同一批人，而不是把不同时点的总体快照误当成同一群人的变化。
本文为数据分析方法详解系列第5篇。方法选择与整体流程可阅读：数据分析方法论总览。
