Cohort Retention
Vad är Cohort Retention Calculator?
▾
En kalkylator för kohortbibehållning spårar hur stor andel av användare, kunder, studenter eller prenumeranter från samma startgrupp som förblir aktiva över tid. Detta är viktigt eftersom den övergripande bibehållningen kan dölja viktiga mönster. Ett företag kan se stabilt ut i aggregat medan nyare registreringsgrupper tyst presterar sämre än äldre, eller en ändring i onboarding kan dramatiskt förbättra bara de senaste kohorterna. Kohortanalys löser det genom att gruppera människor efter en gemensam startpunkt och sedan jämföra hur många som fortfarande är aktiva efter varje intervall. Produktteam använder kohortbibehållning för att bedöma onboardingkvalitet och produkt-marknadsanpassning, prenumerationsföretag använder det för att identifiera churnrisk och analytiker använder det för att jämföra om förändringar i prissattning, funktioner eller anskaffningskälla hjälper eller skadar det långsiktiga engagemanget. En kalkylator för kohortbibehållning är ett av de mest praktiska sätten att förstå om senare grupper stannar längre eller reagerar annorlunda på förändringar i produkten eller tjänsten.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
Kohortbibehållningsprocent = (aktiva användare från den ursprungliga kohortern vid intervall t / ursprunglig kohortstorlek) x 100. Praktiskt exempel: om 65 av 100 ursprungliga användare fortfarande är aktiva vid månad 2, bibehållning = 65 %.Variabelbeskrivning
▾
| Symbol | Namn | Enhet | Beskrivning |
|---|---|---|---|
| Cohort retention percent | Beräknas | — | Beräknas som (aktiva användare från den ursprungliga kohortern vid intervall t / ursprunglig kohortstorlek) x 1 |
| t | Tidsperiod | — | Tidsperiod (vanligtvis i år), en nyckelparameter i beräkningen av kohortbibehållning |
| x | Ingångsvariabel | — | Ingångsvariabel eller okänd att lösa för, en nyckelparameter i beräkningen av kohortbibehållning |
Hur man Cohort Retention Calculator
▾
- 1Välj en kohortdefinition som registreringsmånad, första köpmånad eller första aktiveringsväcka.
- 2Räkna hur många personer som tillhör varje startkohort vid period noll.
- 3För varje senare intervall, räkna hur många från den ursprungliga kohortern som fortfarande uppfyller din aktiva definition.
- 4Dela det aktiva antalet med den ursprungliga kohortstorleken för att beräkna bibehållningen för det intervallet.
- 5Jämför bibehållningskurvor över kohorter för att se om nyare grupper presterar bättre eller sämre över tid.
Lösta exempel
▾
Detta är den klassiska startberäkningen.
Dela 80 med de ursprungliga 100 användarna för att få 0,80, multiplicera sedan med 100.
Bibehållningskurvor faller ofta snabbt i början och planar ut senare.
Varje procentandel jämförs med de ursprungliga 200 kunderna, inte föregående månad.
Kohorter är kraftfulla för att mäta förändringar efter releaser eller onboarding-redigeringar.
En synlig uppgång i samma intervall över senare kohorter antyder ofta att något förbättrades.
Kohortanalys avslöjar mönster som totaler kan dölja.
Om det totala användarantalet fortsätter att växa kan svagt nytt kohortbeteende maskeras ett tag.
Praktiska tillämpningar
▾
Utvärdering av onboarding och produkt-marknadsmatchning
Jämföra bibehållning före och efter produktförändringar
Hitta churnutmönster dolda av aggregerade mätvärden
Forskare använder beräkningar av kohortbibehållning för att bearbeta experimentella data
Specialfall
▾
Reaktiveringshändelser
Om användare lämnar och senare återvänder måste bibehållningslogiken avgöra om de räknas som behållna, återupplivade eller som en del av ett separat reaktiveringsmätetal.
Säsongsprodukter
Produkter med säsongsbetonad användning kan visa låg intervall-för-intervall-aktivitet utan att nödvändigtvis indikera svagt långsiktigt värde, så tolkning av bibehållning måste matcha produktcykeln.
Negativa ingångsvarden kan eller kan inte vara giltiga for kohortbibehallning beroende pa domankontexten.
Vissa formler accepterar negativa tal (t.ex. temperaturer, förändringshastigheter), medan andra kräver strikt positiva ingångsvarden.
Illustrativ bibehållningskurva
▾
| Intervall | Aktiva användare från ursprungliga 100 | Bibehållning |
|---|---|---|
| Månad 1 | 80 | 80 % |
| Månad 3 | 60 | 60 % |
| Månad 6 | 42 | 42 % |
| Månad 12 | 30 | 30 % |
Vanliga frågor
▾
Vad är kohortbibehållning?
Kohortbibehållning mäter hur många medlemmar av en specifik startgrupp som förblir aktiva efter en given tid. Det används vanligtvis för att förstå om produkt- eller kundupplevelsen förbättras över olika registreringsgrupper.
Hur beräknar man kohortbibehållning?
Dela antalet aktiva personer från kohortern vid ett senare intervall med den ursprungliga kohortstorleken. Multiplicera sedan med 100 för att uttrycka resultatet som en procentandel.
Varför är kohortbibehållning bättre än övergripande bibehållning?
Övergripande bibehållning blandar ihop många användargrupper och kan dölja förändringar i nyare kohorter. Kohortanalys gör dessa skillnader synliga genom att spåra jämförbara grupper över tid.
Vad räknas som aktivt i en bibehållningsberäkning?
Det beror på verksamheten eller produkten. Inloggning, köp, slutförande av en lektion eller användning av en kärnfunktion kan alla vara giltiga definitioner om de används konsekvent.
Vad är en sund bibehållning?
Det finns inget universellt sunt riktmärke eftersom bibehållningen varierar kraftigt beroende på produkttyp, prismodell och användningsfrekvens. Det mest användbara riktmärket är om senare kohorter förbättras och om bibehållningen stödjer affärsmodellen.
Hur ofta bör kohortbibehållning räknas om?
Det bör räknas om när ny aktivitetsdata anländer eller när du vill jämföra produkt- eller marknadsföringsförändringar över tid. Veckovisa eller månatliga uppdateringar är vanliga.
Vilket är det största misstaget i kohortanalys?
Ett vanligt misstag är att ändra definitionen av aktiv eller använda inkonsekventa nämnare över kohorter. Det gör att olika rader ser jämförbara ut även när de inte mäts på samma sätt.
Vanliga misstag att undvika
▾
- !Att använda inkonsekventa definitioner av vad som räknas som aktivt
- !Att jämföra varje intervall med föregående period istället för den ursprungliga kohortstorleken
- !Att enbart förlita sig på övergripande bibehållning och missa svagare senaste kohorter
Proffstips
Kontrollera alltid dina ingångsvarden innan du beräknar. För kohortbibehållning kan små inmatningsfel ackumuleras och påverka slutresultatet avsevärt.
Visste du?
Två produkter med identiska totala användarantal kan ha helt olika framtider om den ena stadigt förbättrar sin nya kohorters bibehållning medan den andra tyst försämras.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referenser
- ›Amplitude Product Analytics Retention Guide
- ›Mixpanel Retention Analysis Guide
- ›Shopify Customer Retention Guide
Ratings & comments
Få mattetips varje vecka
Gå med 12 000+ prenumeranter som får räknartips varje vecka.