Когортный анализ — это метод исследования поведения пользователей в динамике по какому-либо параметру. Для исследования пользователей объединяют несколько групп — когорт — по нужному параметру.

Типичны пример параметра для объединения когорт — первое действие. Например, первый заход на сайт, первая покупка, первый пост. По значениям выбранного параметра, разбитым на интервалы и формируется когорта. Например, для "первого действия" делается разбитие на временные - день, неделя, месяц или просто 30 дней. Далее отдельно анализируются пользователи из каждой когорты. Сравнение поведенческих или других показателей из разных когорт и выявление лучших/худших по какому-либо критерию и есть суть когортного анализа.

Алгоритм обсчета когортного анализа

1 Построить из исходного датасета таблицу юзеров, выделив, кроме прочего, дату первой транзакции.
2 Выделить из этой даты месяц — это будет номер когорты: 1 — январская, а 5 — майская. 3 Отфильтровать из основного датасета транзакции только пользователей из N когорты.
4 Из даты транзакции выделить месяц. Из этого месяца вычесть месяц когорты — это будет месяц жизни когорты. Причем чем "моложе" когорта, тем меньше будет у нее месяцев жизни.
5 Группируем отфильтрованный исходный датасет по месяцам жизни с нужными агрегациями. Получим таблицу для когорты, в которой каждая строка — показатели в определенный месяц жизни — кол-во транзакций, кол-во активных пользователей, простая сумма транзакций, кумулятивная сумма (почти LTV)
6 Повторяем пункты 3–5 для всех когорт в цикле или еще как.
7 Складываем полученные таблицы отдельных когорт в одну прибавлением «снизу».
8 Из полученной таблицы делаем сводную, в индексах — месяц жизни, в колонках — когорта, в ячейках — соответствующий показатель. Должна получиться «треугольная» таблица, в которой с одной стороны от диагонали (зависит от того как отсортировать) нули - такие "0" или такие "null"
9 Строим по полученной треугольной таблице хитмап или график.

Обсчет когортного анализа на примере Python

Допустим у нас есть датасет транзакций платежей пользователей за некоторый период. Минимальный набор данных для когортного анализа - id транзакций, дата, id пользователя, сумма. Даты транзакции - с января по июнь.

tr_id	date	user_id	oper_sum
2080468405	2024-01-31 20:18:00	user_0001	1000
2080039460	2024-01-30 22:18:00	user_0002	200
2079851261	2024-01-30 14:55:00	user_0003	300

формируем таблицу клиентов

client_table = data.groupby('user_id', as_index=False).agg({
    'tr_id' : 'count', 
    'oper_sum' : 'sum', 
    'date' : ['min', 'max']})
client_table['first_date'] = pd.to_datetime(client_table['first_date'])
client_table['first_month'] = pd.DatetimeIndex(client_table['first_date']).month

Формируем таблицу когорт, агрегируя основные показатели по таблице транзакций, а затем вычисляя необходимые метрики уже по таблице когорты.

calendar_ch_dynamika = pd.DataFrame([])
for c in range(1, 8):
  ch = set(client_table.query('first_month == @c')['user_id'])
  dd = data.query('user_id.isin(@ch)').groupby('tr_month', as_index = False)
        .agg({'tr_id' : 'count', 'user_id' : 'nunique', 'oper_sum' : 'sum'})
  dd = dd.rename(columns = {'tr_id' : 'tr_count', 'user_id' : 'user_count'})
  dd['avg_sum'] = dd['oper_sum'] / dd['tr_count']
  dd['ch'] = f'{c}_{calendar.month_abbr[c]}'
  dd['m_live'] = dd['tr_month'] - c + 1
  dd['ltv'] = dd['oper_sum'].cumsum() / len(ch)
  dd['ltv_m'] = dd['oper_sum'].cumsum() / (len(ch) * dd['m_live'])
  dd['rr'] = dd['user_count'] / len(ch)
  dd['cr'] = dd['user_count'] / dd['user_count'].shift(1)
  dd['avg_sum'] = dd['oper_sum'] / dd['tr_count']
  calendar_ch_dynamika = pd.concat([calendar_ch_dynamika, dd])

  calendar_ch_dynamika = calendar_ch_dynamika.reset_index(drop=True)

Получаем такую таблицу:

tr_month	tr_count	user_count	oper_sum	avg_sum	ch	m_live	ltv	ltv_m	rr	cr
1.0	256	251	128564	502.20	1_Jan	1.0	512.21	512.21	1.00	NaN
2.0	236	230	121464	514.68	1_Jan	2.0	996.13	498.06	0.92	0.92
3.0	230	224	115275	501.20	1_Jan	3.0	1455.39	485.13	0.89	0.97
4.0	216	211	119575	553.59	1_Jan	4.0	1931.78	482.95	0.84	0.94
5.0	227	212	129985	572.62	1_Jan	5.0	2449.65	489.93	0.84	1.00
6.0	179	165	104687	584.84	1_Jan	6.0	2866.73	477.79	0.66	0.78
7.0	223	208	128052	574.22	1_Jan	7.0	3376.90	482.41	0.83	1.26
2.0	12	12	5750	479.17	2_Feb	1.0	479.17	479.17	1.00	NaN
3.0	7	7	3650	521.43	2_Feb	2.0	783.33	391.67	0.58	0.58
4.0	9	9	4250	472.22	2_Feb	3.0	1137.50	379.17	0.75	1.29
5.0	8	8	4150	518.75	2_Feb	4.0	1483.33	370.83	0.67	0.89
6.0	6	6	3650	608.33	2_Feb	5.0	1787.50	357.50	0.50	0.75
7.0	7	7	3750	535.71	2_Feb	6.0	2100.00	350.00	0.58	1.17

Формируем из нее сводную таблицу. В индексах — месяц жизни, в колонках — когорта, в ячейках — соответствующий показатель

ch_heattable = calendar_ch_dynamika.pivot(index = 'm_live', 
                                   columns = 'ch', 
                                   values = 'user_count')

ch	1_Jan	2_Feb	3_Mar	4_Apr	5_May	6_Jun	7_Jul
m_live
1.0	251.0	12.0	53.0	42.0	275.0	698.0	146.0
2.0	230.0	7.0	12.0	13.0	92.0	158.0	NaN
3.0	224.0	9.0	15.0	12.0	98.0	NaN	NaN
4.0	211.0	8.0	9.0	10.0	NaN	NaN	NaN
5.0	212.0	6.0	11.0	NaN	NaN	NaN	NaN
6.0	165.0	7.0	NaN	NaN	NaN	NaN	NaN
7.0	208.0	NaN	NaN	NaN	NaN	NaN	NaN

Осталось построить графики - хитмап и линейный график

, ax = plt.subplots(1, 2, figsize=(16,5))
ch_heattable = ch_heattable.iloc[:, ::-1]
sns.heatmap(ch_heattable, xticklabels=ch_heattable.columns, cmap='RdYlGn', 
            annot = True, fmt=f'.0f', cbar=False, ax = ax[0])
ax[1].plot(ch_heattable, label = ch_heattable.columns)

ax[0].set_xlabel('Когорта')
ax[0].set_ylabel('Месяц жизни')

ax[1].set_xlabel('Месяц жизни')
ax[1].set_ylabel(f'user_count')
ax[1].legend(title='Когорты')
plt.suptitle(f'Динамика параметра "user_count" в когортах по месяцам жизни')
plt.show()

Получатся такой график когортного анализа динамики количества активных пользователей по месяцам жизни

Заключение

Надеюсь, эта статья поможет вам разобраться с последовательностью действий при обсчете когортного анализа. Выводы из полученных данных вне рассмотрения данной статьи.

Как обсчитать когортный анализ в 9 шагов