Налаштування когортного аналізу мобільного додатку

Налаштування когортного аналізу мобільного додатка

Retention — найважливіша метрика продукту. Day-1 retention 40% та Day-7 retention 20% означають різні продукти з різними проблемами. Когортний аналіз відповідає на питання: як ведуть себе користувачі, які встановили додаток одну і ту ж тиждень, через 1, 7, 14, 30 днів?

Агрегований DAU приховує деградацію: якщо нові користувачі приходять швидше, ніж йдуть старі, DAU зростає — а retention падає. Когорти це показують.

Що потрібно для когортного аналізу

Два обов'язкові умови: стабільний user_id та подія активації. Без них когорта не будується коректно.

User ID повинен бути одинаковим при переустановці додатка — якщо кожен раз генерувати новий, користувач завжди в «новій» когорті. Рішення:

• iOS: Keychain для зберігання сгенерованого UUID (переживає видалення додатка)
• Android: AccountManager або server-side ID після реєстрації
• Після авторизації: Analytics.setUserId(serverUserId) → користувач прив'язується до аккаунту

Подія активації — перша дія, яка показує цінність продукту. Для різних додатків різна:

Вибір события активації впливає на те, що показує когорта. app_open — занадто широко, включає випадкових користувачів. premium_purchase — занадто вузько для аналізу retention всієї аудиторії.

Реалізація когортного аналізу

Firebase / BigQuery

Firebase сам будує Retention Chart у розділі Analytics, але з обмеженою гнучкістю. Для глибокого аналізу — експортуємо сирі дані в BigQuery через Firebase → Integrations → BigQuery. Дальше SQL:

-- Когорта за тижнями установки, retention на 7-й день
WITH cohorts AS (
    SELECT
        user_pseudo_id,
        DATE_TRUNC(MIN(PARSE_DATE('%Y%m%d', event_date)), WEEK) AS cohort_week,
        MIN(event_timestamp) AS first_open_ts
    FROM `project.analytics_*.events_*`
    WHERE event_name = 'first_open'
    GROUP BY user_pseudo_id
),
activity AS (
    SELECT DISTINCT
        user_pseudo_id,
        DATE_TRUNC(PARSE_DATE('%Y%m%d', event_date), WEEK) AS activity_week
    FROM `project.analytics_*.events_*`
    WHERE event_name = 'session_start'
)
SELECT
    c.cohort_week,
    DATE_DIFF(a.activity_week, c.cohort_week, WEEK) AS week_number,
    COUNT(DISTINCT c.user_pseudo_id) AS cohort_size,
    COUNT(DISTINCT a.user_pseudo_id) AS retained_users,
    ROUND(COUNT(DISTINCT a.user_pseudo_id) / COUNT(DISTINCT c.user_pseudo_id) * 100, 1) AS retention_pct
FROM cohorts c
LEFT JOIN activity a ON c.user_pseudo_id = a.user_pseudo_id
GROUP BY 1, 2
ORDER BY 1, 2

Цей запит дає retention-таблицю за тижнями.

Amplitude

В Amplitude когортний аналіз — вбудований інструмент у розділі Retention Analysis. Налаштовуємо:

1. Starting Event — first_open або подія активації
2. Return Event — session_start або app_open
3. Групування за днями/тижнями
4. Breakdown за: джерелом установки, платформою, версією додатка

Amplitude дозволяє порівнювати когорти бок о бок — зручно видити, чи покращився retention після продуктового оновлення.

Mixpanel

У Mixpanel розділ Retention будує класичну retention-матрицю. Додатково є Lifecycle — показує, який відсоток користувачів «воскресає» після довготривалої відсутності. Для казуальних ігор це важлива метрика.

Поведінкові когорти

Крім часових когорт (за датою установки) корисні поведінкові когорти — групи користувачів, які здійснили певну дію:

# Приклад логіки в BigQuery:
# Когорта: користувачі, які завершили онбординг
# Питання: якою є їхня retention vs користувачі, які пропустили онбординг?

Якщо retention завершивших онбординг у 2 рази вищий — доказ, що онбординг потребує покращення, а не скорочення.

Що входить до роботи

• Аудит стабільності user_id в поточній реалізації
• Визначення подій активації разом з продукт-менеджером
• Налаштування когортного аналізу в Firebase + BigQuery / Amplitude / Mixpanel
• SQL-запити для користувацьких когортних звітів
• Налаштування поведінкових когорт для ключових гіпотез
• Документація та передача команді

Сроки

Налаштування когортного аналізу в готовому інструменті (Amplitude/Mixpanel): 1–2 дні. BigQuery + кастомні SQL-запити: 2–4 дні. Вартість розраховується індивідуально.