Mobil analitikada kohort tahlili: bu nima, ko'rsatkichlar va o'tkazish bosqichlari

Kohort tahlili nima?

Kohort tahlili — foydalanuvchilarni birinchi maqsadli hodisa (masalan, ilovani o'rnatish yoki ro'yxatdan o'tish) vaqtiga ko'ra guruhlarga (kohortlarga) ajratadigan analitika usuli. DAU yoki MAU kabi yig'ma ko'rsatkichlardan farqli o'laroq, kohortlar bir guruhning xatti-harakatlarini haftalar va oylar davomida kuzatishga, saqlab qolish va chiqib ketish tendentsiyalarini aniqlashga imkon beradi.

Usulning asosiy afzalligi — eski foydalanuvchilar yangilarning muammolarini yashirganda yuzaga keladigan o'sish illyuziyasini bartaraf etishdir. Amplitude Blog (2024) ma'lumotlariga ko'ra, kohort tahlilini joriy qilgan kompaniyalar dastlabki 90 kunda foydalanuvchi chiqib ketishini 20–30% ga kamaytiradi.

Kohort tahlilini UA-kampaniyalari samaradorligini baholash, ilovaning turli versiyalari xatti-harakatlarini solishtirish va foydalanuvchilarni jalb qilishda investitsiya daromadliligini hisoblash uchun qo'llang.

Kohort tahlilining asosiy ko'rsatkichlari

Retention Rate

Retention Rate — o'rnatishdan N kun o'tgach ilovaga qaytgan kohort foydalanuvchilarining foizi. Bu mahsulot sifatining asosiy ko'rsatkichidir: agar foydalanuvchilar qaytmasa, muammolar onboardings, qiymat yoki ilova barqarorligidadir. Statista (2025) ma'lumotlariga ko'ra, mobil ilovalar uchun o'rtacha Day-1 Retention 25–30%, Day-7 — 10–15%, Day-30 — 5–7% ni tashkil qiladi.

Kohortingizning Retention-ni kategoriya bo'yicha benchmarklar bilan solishtiring va qaysi mahsulot o'zgarishlari qaytishlarni oshirganini tahlil qiling.

LTV — Lifetime Value

LTV (Lifetime Value) — kuzatish davrida kohortning barcha foydalanuvchilaridan olingan umumiy daromad. Ko'rsatkich reklama kampaniyalarining daromadliligini baholash va UA byudjetlarini kengaytirish to'g'risida qaror qabul qilish uchun muhimdir. Adjust Benchmarks (2024) hisobotiga ko'ra, o'yinlarda foydalanuvchining median LTV qiymati $3.50, e-tijoratda — $1.80, yordamchi dasturlarda — $0.40 ni tashkil qiladi.

Kohort LTV ni Day-30, Day-90 va Day-180 bo'yicha hisoblab, jalb qilingan foydalanuvchilarning uzoq muddatli qiymatini tushuning.

Churn Rate

Churn Rate — ilovadan foydalanishni to'xtatgan kohort foydalanuvchilarining ulushi. Dastlabki kunlarda yuqori Churn onboarding muammolari yoki kutishlarning nomuvofiqligini ko'rsatadi. Localytics (2024) ma'lumotlariga ko'ra, foydalanuvchilarning 25% birinchi ochilishdan so'ng ilovani tark etadi va 90-kunga kelib 5% dan kami qoladi.

Churn Rate ni haftalik nazorat qiling — kohortda 5% o'sish so'rovnomalar yoki sessiya yozuvlari orqali chiqib ketish sabablarini zudlik bilan tahlil qilishni talab qiladi.

Vaqt davrlariga ko'ra kohort turlari

Kunlik kohortlar

Kunlik kohortlar — ilovani bir kunda o'rnatgan foydalanuvchilar. Eng batafsil kesma bo'lib, anomaliyalarni ko'rishga imkon beradi: ma'lum bir sanada Retention ning keskin pasayishi texnik nosozlik yoki muammoli kreativ kampaniyani ko'rsatishi mumkin. Kunlik kohortlar o'zgarishlar har kuni kiritilganda operativ monitoring va A/B testlari uchun qo'llaniladi.

Haftalik kohortlar

Haftalik kohortlar — ilovani bir kalendar haftada o'rnatgan foydalanuvchilar. Kunlik tebranishlarni tekislaydigan barqarorroq ma'lumotlar. Muntazam hisobot va reklama kanallari samaradorligini solishtirish uchun mos keladi — haftalik qadam dam olish kunlarida konversiya farq qilishi mumkin bo'lgan kun effektini neytrallashtiradi.

Oylik kohortlar

Oylik kohortlar — ilovani bir oyda o'rnatgan foydalanuvchilar. Uzoq muddatli tendentsiyalar, mavsumiylik tahlili va LTV ni 6–12 oy ufqida hisoblash uchun maqbuldir. Mahsulotni rivojlantirish bo'yicha strategik qarorlar uchun mahsulot boshqaruvi darajasida qo'llaniladi.

Kohort tahlilini qanday o'tkazish kerak

Kohort tahlili to'rt bosqichdan iborat: ma'lumotlarni yig'ish, kohortlarga guruhlash, davrlar bo'yicha ko'rsatkichlarni hisoblash va vizualizatsiya. Birinchi qadamda maqsadli hodisani aniqlang — odatda bu install, signup yoki first_purchase. Bir davrda uni amalga oshirgan barcha foydalanuvchilar bitta kohortga tushadi.

Ikkinchi qadamda vaqt qadamini belgilang: kun, hafta yoki oy. Har bir keyingi davr uchun (Day-1, Day-2, Day-3…) qaytgan foydalanuvchilar ulushini hisoblang. Natijalar kohort jadvaliga jamlanadi, bu erda har bir satr kohort, har bir ustun davr va katakcha ko'rsatkich qiymatidir.

Uchinchi qadamda ma'lumotlarni kalibrlang: hajmi 100 foydalanuvchidan kam bo'lgan kohortlarni chiqarib tashlang va mavsumiylikni hisobga oling. Mixpanel (2024) ma'lumotlariga ko'ra, hajmi 50 foydalanuvchidan kam bo'lgan kohortlar 20% dan ortiq xato bilan statistik ahamiyatsiz natijalar beradi. To'rtinchi qadamda ma'lumotlarni kohort jadvali yoki issiqlik xaritasi shaklida vizualizatsiya qiling — satrlar (kohortlar) va ustunlar (davrlar) saqlab qolish tendentsiyalarini manfaatdor tomonlar uchun tushunarli qiladi.

To'g'ri talqin qilish uchun har doim bir xil o'lchamdagi kohortlarni solishtiring: 50 000 foydalanuvchili kohortni 500 foydalanuvchili kohort bilan solishtirish mumkin emas. Ko'rsatkichlarni kohortning boshlang'ich hajmining foizi sifatida normallashtiring, mutlaq sonlar sifatida emas — bu teng bo'lmagan guruhlarni solishtirishga imkon beradi. Shuningdek, yangilik effektini hisobga oling: yirik marketing tadbiridan so'ng ilovani o'rnatgan foydalanuvchilar organik o'rnatishlardan farqli xatti-harakat qilishi mumkin.

Kohort tahlili uchun vositalar

Kohort tahlili vositalari analitik platformalarga o'rnatilgan va maxsus SQL yechimlariga bo'linadi. Amplitude va Mixpanel so'rov yozishni talab qilmaydigan, Retention va LTV ni avtomatik hisoblash bilan tayyor kohort hisobotlarini taklif qiladi. Firebase Analytics o'rnatish sanasi bo'yicha kunlar, haftalar va oylar bo'yicha taqsimot bilan asosiy kohortlarni taqdim etadi.

Maxsus kohortlar uchun BigQuery yoki Redshift da SQL so'rovlaridan foydalaning — bu ko'rsatkichlar va davrlar ustidan to'liq nazorat beradi. Amplitude (2024) ma'lumotlariga ko'ra, maxsus SQL kohortlaridan foydalanadigan jamoalar standart hisobotlarga nisbatan 35% ko'proq xulq-atvor tushunchalarini kashf etadi. BI vositalari (Tableau, Looker, Google Data Studio) muntazam monitoring uchun interaktiv kohort dashbordlarini qurishga imkon beradi.

Vositani tanlash jamoadagi analitikaning etukligiga bog'liq. Boshida Firebase Analytics yoki Amplitude-ning o'rnatilgan kohortlari yetarli — ular kohort tahlilidagi ehtiyojlarning 80% ini qoplaydi. Jamoa o'sib ulg'aygan sari BigQuery da SQL kohortlariga o'ting: bu nostandart ko'rsatkichlarni (masalan, o'rnatish emas, balki birinchi xarid sanasi bo'yicha kohortlar) aniqlashda moslashuvchanlik beradi va ML ga asoslangan bashoratli LTV modellarini qurishga imkon beradi. Vizualizatsiya uchun qo'shimcha xarajatlarsiz to'g'ridan-to'g'ri BigQuery ga ulanadigan Looker Studio dan foydalaning.

SQL da kohort tahlili misoli

Kunlik kohortlarni mustaqil hisoblash uchun sessiyalarni o'rnatish sanasi bo'yicha guruhlaydigan SQL so'rovidan foydalaning. Quyida BigQuery uchun har bir kohort ichida kunlar bo'yicha faol foydalanuvchilar sonini qaytaradigan so'rov keltirilgan.

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;

So'rovni bajarganingizdan so'ng Google Sheets yoki BI vositasida jamlama jadval tuzing. Har bir satr kohort sanasi, har bir ustun kun raqami (Day-1, Day-2 va h.k.). Faol foydalanuvchilar foizi N kundagi active_users ning Day-0 (o'rnatish kuni) dagi active_users ga nisbati sifatida hisoblanadi.

Kohortlar bilan ishlashda odatiy xatolar

Birinchi xato — kichik o'lchamdagi kohortlar bilan ishlash. Agar kohortda 100 dan kam foydalanuvchi bo'lsa, har bir chiqib ketish yoki qaytish foizni sezilarli darajada buzadi. Ishonchli xulosalar uchun minimal kohort hajmi 500 foydalanuvchi.

Ikkinchi xato — mavsumiylikka e'tibor bermaslik. Yangi yil oldidan ilovani o'rnatgan kohort yanvar o'rtasidagi kohortdan farqli xatti-harakat qiladi. Har doim bir mavsumning kohortlarini solishtiring yoki ma'lumotlarni normallashtirishdan foydalaning. Mixpanel (2024) ma'lumotlariga ko'ra, mavsumiy tebranishlar Day-1 Retention uchun 30–40% ga yetishi mumkin.

Uchinchi xato — kohort va kesma tahlilni chalkashtirish. Kohort tahlili bir guruhni vaqt davomida kuzatadi, turli guruhlarni bir vaqtning o'zida solishtirmaydi. Bir kohort bo'yicha takroriy o'lchovlardan foydalaning, aks holda Retention o'sishi haqida yolg'on xulosalar olasiz.