تحلیل کوهورت در آنالیتیک موبایل: چیست، معیارها و مراحل انجام

تحلیل کوهورت چیست؟

تحلیل کوهورت — روشی تحلیلی است که کاربران را بر اساس زمان انجام اولین رویداد هدف (مثلاً نصب برنامه یا ثبت‌نام) به گروه‌ها (کوهورت‌ها) تقسیم می‌کند. بر خلاف معیارهای تجمعی مانند DAU یا MAU، کوهورت‌ها امکان ردیابی رفتار یک گروه را در طول هفته‌ها و ماه‌ها فراهم می‌کنند و روندهای حفظ و ریزش را آشکار می‌سازند.

مزیت اصلی روش — حذف توهم رشد است، زمانی که کاربران قدیمی مشکلات کاربران جدید را پنهان می‌کنند. بر اساس داده‌های Amplitude Blog (2024)، شرکت‌هایی که تحلیل کوهورت را پیاده‌سازی کرده‌اند، ریزش کاربران را در ۹۰ روز اول ۲۰–۳۰٪ کاهش می‌دهند.

از تحلیل کوهورت برای ارزیابی اثربخشی کمپین‌های UA، مقایسه رفتار نسخه‌های مختلف برنامه و محاسبه بازگشت سرمایه در جذب کاربران استفاده کنید.

معیارهای کلیدی تحلیل کوهورت

Retention Rate

Retention Rate — درصد کاربران کوهورت که N روز پس از نصب به برنامه بازگشته‌اند. این معیار اصلی کیفیت محصول است: اگر کاربران بازنگردند، مشکل در اونبردینگ، ارزش یا پایداری برنامه است. بر اساس داده‌های Statista (2025)، میانگین Day-1 Retention برای برنامه‌های موبایل ۲۵–۳۰٪، Day-7 — ۱۰–۱۵٪، Day-30 — ۵–۷٪ است.

Retention کوهورت خود را با بنچمارک‌های دسته‌بندی مقایسه کنید و تحلیل کنید کدام تغییرات محصول بازگشت‌ها را افزایش داده است.

LTV — Lifetime Value

LTV (Lifetime Value) — درآمد کل از تمام کاربران کوهورت در دوره مشاهده. این معیار برای ارزیابی بازگشت کمپین‌های تبلیغاتی و تصمیم‌گیری درباره مقیاس‌سازی بودجه‌های UA حیاتی است. طبق گزارش Adjust Benchmarks (2024)، میانه LTV کاربر در بازی‌ها ۳.۵۰ دلار، در تجارت الکترونیک — ۱.۸۰ دلار و در ابزارها — ۰.۴۰ دلار است.

LTV کوهورت را در Day-30، Day-90 و Day-180 محاسبه کنید تا ارزش بلندمدت کاربران جذب‌شده را درک کنید.

Churn Rate

Churn Rate — سهم کاربران کوهورت که استفاده از برنامه را متوقف کرده‌اند. Churn بالا در روزهای اول نشان‌دهنده مشکلات اونبردینگ یا عدم تطابق انتظارات است. بر اساس داده‌های Localytics (2024)، ۲۵٪ کاربران پس از اولین بازدید برنامه را ترک می‌کنند و تا روز ۹۰ کمتر از ۵٪ باقی می‌مانند.

Churn Rate را هفتگی کنترل کنید — افزایش ۵٪ در کوهورت نیاز به تحلیل فوری علل ریزش از طریق نظرسنجی یا ضبط جلسات دارد.

انواع کوهورت بر اساس دوره زمانی

کوهورت‌های روزانه

کوهورت‌های روزانه — کاربرانی که در یک روز برنامه را نصب کرده‌اند. دقیق‌ترین برش که امکان مشاهده ناهنجاری‌ها را فراهم می‌کند: افت ناگهانی Retention در یک تاریخ خاص ممکن است نشان‌دهنده خرابی فنی یا کمپین خلاقانه مشکل‌دار باشد. کوهورت‌های روزانه برای پایش عملیاتی و تست‌های A/B استفاده می‌شوند.

کوهورت‌های هفتگی

کوهورت‌های هفتگی — کاربرانی که در یک هفته تقویمی برنامه را نصب کرده‌اند. داده‌های پایدارتر که نوسانات روزانه را هموار می‌کنند. برای گزارش‌دهی منظم و مقایسه اثربخشی کانال‌های تبلیغاتی مناسب هستند — گام هفتگی اثر روز هفته را خنثی می‌کند.

کوهورت‌های ماهانه

کوهورت‌های ماهانه — کاربرانی که در یک ماه برنامه را نصب کرده‌اند. برای تحلیل روندهای بلندمدت، فصلی بودن و محاسبه LTV در افق ۶–۱۲ ماه بهینه هستند. در سطح مدیریت محصول برای تصمیم‌گیری‌های استراتژیک درباره توسعه محصول استفاده می‌شوند.

چگونه تحلیل کوهورت انجام دهیم

تحلیل کوهورت شامل چهار مرحله است: جمع‌آوری داده‌ها، گروه‌بندی به کوهورت‌ها، محاسبه معیارها بر اساس دوره‌ها و بصری‌سازی. در مرحله اول رویداد هدف را تعیین کنید — معمولاً install، signup یا first_purchase. تمام کاربرانی که آن را در یک دوره انجام داده‌اند در یک کوهورت قرار می‌گیرند.

در مرحله دوم گام زمانی را تعیین کنید: روز، هفته یا ماه. برای هر دوره بعدی (Day-1، Day-2، Day-3…) سهم کاربران بازگشته را محاسبه کنید. نتایج در جدول کوهورت خلاصه می‌شود، جایی که هر سطر یک کوهورت، هر ستون یک دوره و هر خانه مقدار معیار است.

در مرحله سوم داده‌ها را کالیبره کنید: کوهورت‌های با اندازه کمتر از ۱۰۰ کاربر را حذف کنید و فصلی بودن را در نظر بگیرید. بر اساس داده‌های Mixpanel (2024)، کوهورت‌های با حجم کمتر از ۵۰ کاربر نتایج آماری ناچیز با خطای بیش از ۲۰٪ می‌دهند. در مرحله چهارم داده‌ها را به صورت جدول کوهورت یا نقشه حرارتی بصری‌سازی کنید — سطرها (کوهورت‌ها) و ستون‌ها (دوره‌ها) روندهای حفظ را برای ذی‌نفعان قابل درک می‌کنند.

برای تفسیر صحیح همیشه کوهورت‌های هم اندازه را مقایسه کنید: مقایسه کوهورت ۵۰۰۰۰ کاربر با کوهورت ۵۰۰ کاربر غیرقابل قبول است. معیارها را به عنوان درصدی از اندازه اولیه کوهورت نرمال کنید، نه به عنوان اعداد مطلق — این امکان مقایسه گروه‌های نابرابر را فراهم می‌کند. همچنین اثر تازگی را در نظر بگیرید: کاربرانی که پس از یک رویداد بازاریابی بزرگ برنامه را نصب کرده‌اند ممکن است متفاوت از نصب‌های ارگانیک رفتار کنند.

ابزارهای تحلیل کوهورت

ابزارهای تحلیل کوهورت به دو دسته تقسیم می‌شوند: تعبیه‌شده در پلتفرم‌های تحلیلی و راه‌حل‌های سفارشی SQL. Amplitude و Mixpanel گزارش‌های کوهورت آماده با محاسبه خودکار Retention و LTV ارائه می‌دهند که نیاز به نوشتن کوئری ندارند. Firebase Analytics کوهورت‌های پایه بر اساس تاریخ نصب با تفکیک روز، هفته و ماه فراهم می‌کند.

برای کوهورت‌های سفارشی از کوئری‌های SQL در BigQuery یا Redshift استفاده کنید — این کنترل کامل بر معیارها و دوره‌ها می‌دهد. بر اساس داده‌های Amplitude (2024)، تیم‌هایی که از کوهورت‌های SQL سفارشی استفاده می‌کنند ۳۵٪ بینش رفتاری بیشتری نسبت به گزارش‌های استاندارد کشف می‌کنند. ابزارهای BI (Tableau، Looker، Google Data Studio) امکان ساخت داشبوردهای تعاملی کوهورت را برای پایش منظم فراهم می‌کنند.

انتخاب ابزار به بلوغ تحلیل در تیم بستگی دارد. در شروع Firebase Analytics یا کوهورت‌های تعبیه‌شده Amplitude کافی است — آنها ۸۰٪ نیازهای تحلیل کوهورت را پوشش می‌دهند. با رشد تیم به کوهورت‌های SQL در BigQuery مهاجرت کنید: این انعطاف‌پذیری در تعریف معیارهای غیراستاندارد (مثلاً کوهورت بر اساس تاریخ اولین خرید، نه نصب) می‌دهد و امکان ساخت مدل‌های پیش‌بینی LTV مبتنی بر ML را فراهم می‌کند. برای بصری‌سازی از Looker Studio استفاده کنید که بدون هزینه اضافی مستقیماً به BigQuery متصل می‌شود.

مثال تحلیل کوهورت در SQL

برای محاسبه مستقل کوهورت‌های روزانه از کوئری SQL استفاده کنید که جلسات را بر اساس تاریخ نصب گروه‌بندی می‌کند. در زیر کوئری برای BigQuery آورده شده است که تعداد کاربران فعال را بر اساس روز در هر کوهورت برمی‌گرداند.

SELECT
  install_date AS cohort_date,
  DATE_DIFF(session_date, install_date, DAY) AS day_number,
  COUNT(DISTINCT user_id) AS active_users
FROM user_sessions
WHERE install_date BETWEEN '2025-01-01' AND '2025-03-31'
GROUP BY cohort_date, day_number
ORDER BY cohort_date, day_number;

پس از اجرای کوئری یک جدول محوری در Google Sheets یا ابزار BI بسازید. هر سطر تاریخ کوهورت، هر ستون شماره روز (Day-1، Day-2 و غیره) است. درصد کاربران فعال به عنوان نسبت active_users در روز N به active_users در Day-0 (روز نصب) محاسبه می‌شود.

اشتباهات رایج هنگام کار با کوهورت‌ها

اشتباه اول — کار با کوهورت‌های کوچک. اگر کوهورت کمتر از ۱۰۰ کاربر داشته باشد، هر ریزش یا بازگشت یک نفر درصد را به طور قابل توجهی مخدوش می‌کند. حداقل اندازه کوهورت برای نتایج قابل اعتماد ۵۰۰ کاربر است.

اشتباه دوم — نادیده گرفتن فصلی بودن. کوهورتی که قبل از سال نو برنامه را نصب کرده است متفاوت از کوهورت اواسط ژانویه رفتار خواهد کرد. همیشه کوهورت‌های یک فصل را مقایسه کنید یا از نرمال‌سازی داده‌ها استفاده کنید. بر اساس داده‌های Mixpanel (2024)، نوسانات فصلی می‌توانند به ۳۰–۴۰٪ برای Day-1 Retention برسند.

اشتباه سوم — اشتباه گرفتن تحلیل کوهورت با تحلیل مقطعی. تحلیل کوهورت یک گروه را در طول زمان ردیابی می‌کند، نه گروه‌های مختلف را در یک لحظه. از اندازه‌گیری‌های مکرر در یک کوهورت استفاده کنید، در غیر این صورت نتیجه‌گیری غلط درباره رشد Retention خواهید داشت.