Skip to content

mohitagw15856/pm-claude-skills / i18n/hi/skills/cohort-analysis

cohort-analysis

Verified

रिटेंशन, LTV या व्यवहार पैटर्न के लिए कोहोर्ट विश्लेषण की संरचना बनाएँ। जब कोई कोहोर्ट विश्लेषण चलाने, कोहोर्ट के अनुसार रिटेंशन का विश्लेषण करने, समय के साथ व्यवहार के आधार पर उपयोगकर्ताओं को विभाजित करने या अधिग्रहण अवधि के अनुसार लाइफ़टाइम वैल्यू निकालने को कहे, तब इसका उपयोग करें। कार्यप्रणाली, कोहोर्ट परिभाषाओं, रिटेंशन वक्रों और प्राथमिकता-क्रम वाले हस्तक्षेपों के साथ एक पूरा कोहोर्ट विश्लेषण ढाँचा तैयार करता है।

कोहोर्ट विश्लेषण स्किल

रिटेंशन वक्र, LTV अनुमान, व्यवहार विभाजन, चर्न के अग्रणी संकेतक और प्राथमिकता-क्रम वाले हस्तक्षेपों को कवर करने वाला एक संरचित कोहोर्ट विश्लेषण तैयार करता है। आउटपुट प्रोडक्ट नेतृत्व के सामने रखने या ग्रोथ और डेटा टीमों के साथ साझा करने के लिए तैयार होता है।


आवश्यक इनपुट

शुरू करने से पहले इनमें से जो भी गायब हो, उसे माँगें। संख्याएँ, बेंचमार्क या स्कीमा विवरण न गढ़ें।

इनपुटगायब हो तो क्या पूछें
विश्लेषण का लक्ष्यरिटेंशन सुधार / LTV मॉडलिंग / व्यवहार विभाजन / चर्न पूर्वानुमान — एक प्राथमिक लक्ष्य चुनें
प्रोडक्ट या फ़ीचरकिसका विश्लेषण हो रहा है?
कोहोर्ट परिभाषाउपयोगकर्ताओं को कोहोर्ट में क्या समूहित करता है? (अधिग्रहण माह, साइनअप चैनल, प्लान टियर, फ़ीचर अपनाने की तारीख़)
अवलोकन अवधिकितनी अवधियाँ ट्रैक करनी हैं? (जैसे 12 महीने, 8 सप्ताह)
मुख्य मेट्रिकप्रति कोहोर्ट क्या मापा जाता है? (रिटेंशन दर, राजस्व, एंगेजमेंट स्कोर, फ़ीचर उपयोग)
उपलब्ध डेटास्कीमा, टेबल नाम पेस्ट करें, या बताएँ कि कौन से मेट्रिक मौजूद हैं — मान न लें
बेसलाइन या लक्ष्यतुलना के लिए कोई मौजूदा रिटेंशन बेंचमार्क या लक्ष्य?

अगर उपयोगकर्ता वास्तविक डेटा न दे सके, तो स्पष्ट रूप से चिह्नित प्लेसहोल्डर ([X%], [£X], [N उपयोगकर्ता]) के साथ ढाँचा बनाएँ और बताएँ कि किन खंडों को पूरा करने के लिए वास्तविक डेटा चाहिए।


प्रक्रिया

इन चरणों का क्रम से पालन करें:

  1. इनपुट की पुष्टि करें — आउटपुट बनाने से पहले किसी भी अस्पष्टता को सामने लाएँ (जैसे परस्पर विरोधी कोहोर्ट परिभाषाएँ, गायब अवलोकन अवधि)।
  2. कोहोर्ट परिभाषित करें — प्रवेश घटना, निकास मानदंड और बहिष्करण तय करें ताकि कोहोर्ट परस्पर अनन्य हों।
  3. रिटेंशन तालिका बनाएँ — अवधि-दर-अवधि मैट्रिक्स भरें या उसका टेम्पलेट बनाएँ; पठार अवधि पहचानें।
  4. LTV प्रक्षेपित करें — सिर्फ़ देखे गए रिटेंशन डेटा का उपयोग करें; डेटा अपर्याप्त हो तो चिह्नित करें।
  5. व्यवहार के अनुसार विभाजित करें — परस्पर अनन्य व्यवहार खंड बनाएँ; सक्रियण सीमा पहचानें।
  6. चर्न के अग्रणी संकेत सामने लाएँ — लीड टाइम और हस्तक्षेप मैपिंग के साथ अवलोकन योग्य संकेत सूचीबद्ध करें।
  7. समय के साथ कोहोर्ट की तुलना करें — आकलन करें कि प्रोडक्ट बदलाव नई कोहोर्ट में दिख रहे हैं या नहीं।
  8. सिफ़ारिशों को प्राथमिकता दें — हर सिफ़ारिश को किसी विशिष्ट कोहोर्ट या खंड के निष्कर्ष से जोड़ें।
  9. SQL संदर्भ दें — दिया गया हो तो टेम्पलेट क्वेरी को उपयोगकर्ता के वास्तविक स्कीमा के अनुसार ढालें।
  10. गुणवत्ता जाँच चलाएँ — आउटपुट सौंपने से पहले चेकलिस्ट के सभी बिंदु सत्यापित करें।

आउटपुट टेम्पलेट

निम्न खंड क्रम से तैयार करें। कोई खंड सिर्फ़ तब छोड़ें जब वह स्पष्ट रूप से दायरे से बाहर हो; छोड़ने का उल्लेख करें।


कोहोर्ट विश्लेषण: [प्रोडक्ट / फ़ीचर]

विश्लेषण का लक्ष्य: [रिटेंशन / LTV / व्यवहार विभाजन / चर्न पूर्वानुमान] कोहोर्ट परिभाषा: [जैसे अधिग्रहण माह — पहले साइनअप के कैलेंडर माह के अनुसार समूहित उपयोगकर्ता] अवलोकन अवधि: [X महीने / सप्ताह] प्राथमिक मेट्रिक: [मेट्रिक का नाम और परिभाषा] डेटा स्रोत: [उपयोग की गई टेबल या मेट्रिक — न दिए गए हों तो गढ़ें नहीं] तैयारी की तारीख़: [तारीख़]


1. कोहोर्ट परिभाषाएँ

कोहोर्टअवधिआकारविवरण
[कोहोर्ट 1][जन 2025][N उपयोगकर्ता][जैसे जनवरी 2025 में ऑर्गेनिक सर्च से साइनअप करने वाले उपयोगकर्ता]
[कोहोर्ट 2][फ़र 2025][N उपयोगकर्ता][विवरण]

कोहोर्ट तर्क:

  • प्रवेश घटना: [जैसे पहला साइनअप / पहली खरीद / फ़ीचर सक्रियण]
  • निकास / चर्न परिभाषा: [जैसे 30 दिनों तक मुख्य रिटेंशन घटना से मेल खाती कोई गतिविधि नहीं]
  • बहिष्करण: [जैसे आंतरिक टेस्ट खाते, 3 दिन से कम डेटा वाले ट्रायल उपयोगकर्ता, [N] से कम उपयोगकर्ताओं वाली कोहोर्ट — एंटी-पैटर्न देखें]

नोट: अगर कोई कोहोर्ट सांख्यिकीय विश्वसनीयता की न्यूनतम आकार सीमा से नीचे है, तो उसे स्पष्ट रूप से चिह्नित करें और रुझान के निष्कर्षों से बाहर रखें।


2. रिटेंशन वक्र

कैसे पढ़ें: हर सेल कोहोर्ट का वह प्रतिशत दिखाता है जिसने अवधि N में मुख्य रिटेंशन घटना की। अवधि 0 = परिभाषा से 100%।

कोहोर्टP0P1P2P3P6P12
[जन 2025]100%[X%][X%][X%][X%][X%]
[फ़र 2025]100%[X%][X%][X%][X%][X%]
[पिछली कोहोर्ट से रुझान]—[↑/↓ X pp][↑/↓ X pp][↑/↓ X pp][↑/↓ X pp][↑/↓ X pp]

रिटेंशन पठार: [किस अवधि पर वक्र समतल होता है? किस % पर समतल होता है? अगर अवलोकन अवधि पठार दिखाने के लिए बहुत छोटी है, तो यह स्पष्ट रूप से बताएँ।]

मुख्य अवलोकन:

  • [जैसे सबसे बड़ी एकल-अवधि गिरावट P1 → P2 है, औसतन X pp — यही संबोधित करने लायक प्राथमिक चर्न क्षण है]
  • [जैसे [चैनल] से अधिग्रहीत कोहोर्ट P6 पर कुल औसत से X pp अधिक रिटेंशन दिखाती हैं]
  • [जैसे P3 पर रिटेंशन X% (सबसे पुरानी कोहोर्ट) से Y% (सबसे नई कोहोर्ट) हुआ — Z pp का बदलाव]

रिटेंशन चार्ट — प्रति कोहोर्ट एक रेखा, x-अक्ष पर अवधि:

{
  "type": "line",
  "title": "Retention by cohort (%)",
  "labels": ["P0", "P1", "P2", "P3", "P6", "P12"],
  "series": [
    { "name": "[Cohort 1]", "data": [100, "[X]", "[X]", "[X]", "[X]", "[X]"] },
    { "name": "[Cohort 2]", "data": [100, "[X]", "[X]", "[X]", "[X]", "[X]"] }
  ]
}

3. LTV प्रक्षेपण

राजस्व डेटा उपलब्ध न हो तो यह खंड छोड़ दें। बिना डेटा स्रोत के ARPU का अनुमान न लगाएँ — कमी नोट करें और माँगें।

प्रति अवधि ARPU: [मुद्रा और प्रति सक्रिय उपयोगकर्ता प्रति अवधि राशि — स्रोत: X] उपयोग किया गया रिटेंशन वक्र: [कौन सी कोहोर्ट या मिश्रित औसत, और क्यों]

अवधिबनाए रखे गए %प्रति बनाए रखे उपयोगकर्ता राजस्वसंचयी LTV
माह 1[X%][£X][£X]
माह 3[X%][£X][£X]
माह 6[X%][£X][£X]
माह 12[X%][£X][£X]

12M पर मिश्रित LTV: [£X — कौन सी कोहोर्ट और भारांक विधि, बताएँ]

खंड के अनुसार LTV:

खंडLTV (12M)बनाम मिश्रित बेसलाइनअंतर का मुख्य कारण
[ऑर्गेनिक][£X][+X%][जैसे उच्च P6 रिटेंशन]
[पेड][£X][-X%][जैसे कम सक्रियण दर]
[एंटरप्राइज़][£X][+X%][जैसे प्रति अवधि उच्च ARPU]

4. व्यवहार विभाजन

खंड इस आधार पर परिभाषित होते हैं कि उपयोगकर्ताओं ने क्या किया, न कि वे कब आए। खंड विश्लेषित आबादी के भीतर परस्पर अनन्य और सामूहिक रूप से संपूर्ण होने चाहिए।

खंडपरिभाषाकोहोर्ट का %रिटेंशन (P6)LTV (12M)
पावर उपयोगकर्ता[जैसे पहले 30 दिनों में मुख्य क्रिया ≥ 3×/सप्ताह पूरी की][X%][X%][£X]
कैज़ुअल उपयोगकर्ता[जैसे पहले 30 दिनों में मुख्य क्रिया 1–2×/सप्ताह पूरी की][X%][X%][£X]
निष्क्रिय[जैसे लॉगिन किया पर कभी मुख्य क्रिया पूरी नहीं की][X%][X%][£X]
कभी सक्रिय नहीं हुए[जैसे साइनअप किया पर ऑनबोर्डिंग का चरण 1 कभी पूरा नहीं किया][X%][X%][£X]

सक्रियण सीमा ("ajá" क्षण): [पहले X दिनों में की गई कौन सी विशिष्ट क्रिया दीर्घकालिक रिटेंशन की सबसे मज़बूत भविष्यवाणी करती है? इसे डेटा से निकालें — सामान्य उत्तर न मानें।]


5. चर्न के अग्रणी संकेतक

ऐसे संकेत जो उपयोगकर्ताओं के चर्न करने से पहले दिखते हैं और पूर्व-निवारक हस्तक्षेप संभव बनाते हैं। सूचीबद्ध सभी संकेत प्रोडक्शन डेटा में अवलोकन योग्य होने चाहिए — जो सिर्फ़ सैद्धांतिक हों उन्हें चिह्नित करें।

संकेतचर्न से पहले लीड टाइमसहसंबंध की मज़बूतीअनुशंसित हस्तक्षेप
[जैसे लगातार 7 दिनों तक कोई लॉगिन नहीं][7 दिन][मज़बूत / मध्यम / कमज़ोर][जैसे 7वें दिन स्वचालित पुनः-जुड़ाव ईमेल]
[जैसे अनसुलझे एस्केलेशन वाला सपोर्ट टिकट][~14 दिन][मध्यम][जैसे एस्केलेशन के 48 घंटों के भीतर CSM संपर्क]
[जैसे मुख्य फ़ीचर उपयोग सप्ताह-दर-सप्ताह >50% गिरा][~10 दिन][मज़बूत][जैसे उपयोग-मामले के ट्यूटोरियल से जोड़ने वाला इन-ऐप प्रॉम्प्ट]

डेटा आवश्यकता: सहसंबंध की मज़बूती देखे गए डेटा से आनी चाहिए। उपलब्ध न हो तो [परिकल्पना — अभी सत्यापित नहीं] चिह्नित करें और पुष्टि के लिए A/B टेस्ट या सर्वाइवल विश्लेषण सुझाएँ।


6. कोहोर्ट तुलना: समय के साथ रुझान

आकलन करें कि प्रोडक्ट बदलाव नई कोहोर्ट के रिटेंशन नतीजों में दिखते हैं या नहीं।

मेट्रिक[सबसे पुरानी कोहोर्ट][सबसे नई कोहोर्ट]बदलावनोट
P1 रिटेंशन[X%][X%][↑/↓ X pp]
P3 रिटेंशन[X%][X%][↑/↓ X pp]
सक्रियण दर[X%][X%][↑/↓ X pp]
औसत सत्र, पहले 30 दिन[X][X][↑/↓]

निर्णय: [क्या हाल की कोहोर्ट बेहतर कर रही हैं या बदतर? इस अवधि में क्या शिप हुआ जो बदलाव समझा सके? अगर कोई कारणात्मक व्याख्या उपलब्ध नहीं, तो यही कहें — गढ़ें नहीं।]


7. सिफ़ारिशें

हर सिफ़ारिश को ऊपर के खंडों की किसी विशिष्ट कोहोर्ट, खंड या संकेत का संदर्भ देना चाहिए। ऐसी सामान्य सलाह जो किसी भी प्रोडक्ट पर लागू हो सके, हटा दें।

#सिफ़ारिशकिस निष्कर्ष से जुड़ीलक्षित खंडअपेक्षित प्रभावप्रयासप्राथमिकता
1[विशिष्ट कार्रवाई][खंड X, निष्कर्ष Y][खंड][जैसे +X pp P1 रिटेंशन — अनुमान का आधार][कम / मध्यम / अधिक]P1
2[विशिष्ट कार्रवाई][खंड X, निष्कर्ष Y][खंड][जैसे +X pp P3 रिटेंशन][कम / मध्यम / अधिक]P1
3[विशिष्ट कार्रवाई][खंड X, निष्कर्ष Y][खंड][जैसे 12M पर +£X LTV][कम / मध्यम / अधिक]P2

अगर उपलब्ध डेटा से अपेक्षित प्रभाव का अनुमान नहीं लगाया जा सकता, तो यही कहें — प्रतिशत बढ़त न गढ़ें।


8. SQL संदर्भ

दिया गया हो तो इस टेम्पलेट को उपयोगकर्ता के वास्तविक स्कीमा के अनुसार ढालें। प्लेसहोल्डर टेबल और कॉलम नाम बदलें — ऐसी क्वेरी न दें जो उपयोगकर्ता चला न सके।

-- Retention cohort query
-- Replace: users, events, created_at, event_date, user_id, event_type, [start_date], [key_retention_event]
SELECT
  DATE_TRUNC('month', u.created_at)    AS cohort_month,
  DATE_TRUNC('month', e.event_date)    AS activity_month,
  DATEDIFF('month', u.created_at, e.event_date) AS period,
  COUNT(DISTINCT e.user_id)            AS retained_users,
  COUNT(DISTINCT c.user_id)            AS cohort_size,
  ROUND(
    COUNT(DISTINCT e.user_id) * 100.0
    / NULLIF(COUNT(DISTINCT c.user_id), 0), 1
  )                                    AS retention_rate
FROM users u
JOIN (
  SELECT user_id, DATE_TRUNC('month', created_at) AS cohort_month
  FROM users
  WHERE created_at >= '[start_date]'
) c ON u.user_id = c.user_id
   AND DATE_TRUNC('month', u.created_at) = c.cohort_month
JOIN events e
  ON u.user_id = e.user_id
 AND e.event_type = '[key_retention_event]'
GROUP BY 1, 2, 3
ORDER BY 1, 3;

अपने स्टैक के लिए ढालें: BigQuery DATE_DIFF उपयोग करता है; Redshift DATEDIFF; Snowflake DATEDIFF या TIMESTAMPDIFF। चलाने से पहले डायलेक्ट की पुष्टि करें।


स्कोरिंग रूब्रिक (0–40)

इस स्किल का कोई भी आउटपुट सौंपने से पहले स्कोर करें; 32+ शिप-गुणवत्ता है।

आयाम0510
कोहोर्ट परिभाषा की कठोरतासीमाएँ अस्पष्ट; एक उपयोगकर्ता दो कोहोर्ट में हो सकता हैपरस्पर अनन्य पर प्रवेश घटना कमज़ोर रूप से उचितअसंदिग्ध प्रवेश घटना और तारीख़ सीमाएँ, परिभाषा के समझौते बताए गए
पठार और अवधि की ईमानदारीरिटेंशन इतनी छोटी अवधि से पढ़ा गया जो उसे सँभाल नहीं सकतीपठार का दावा पर कहाँ है यह नहीं दिखायापठार दिखता और स्थित है, या अवधि स्पष्ट रूप से उसकी पुष्टि के लिए बहुत छोटी घोषित
LTV का आधारLTV मानी गई रिटेंशन या मानी गई ARPU सेदेखा गया डेटा उपयोग हुआ पर प्रक्षेपण विधि नहीं बताईLTV देखे गए रिटेंशन × देखे गए ARPU से बनी, प्रक्षेपण विधि और क्षय धारणा दिखाई गई
रुझान और अग्रणी-संकेतक का लाभकोहोर्ट का वर्णन, कोई तुलना नहींकोहोर्ट-दर-कोहोर्ट रुझान दिखाया पर संकेतक नहींअधिग्रहण अवधियों में रुझान सही पढ़ा गया, साथ में पहचान से जुड़े चर्न के व्यवहारिक अग्रणी संकेतक

गुणवत्ता जाँच

आउटपुट सौंपने से पहले सभी जाँचें चलाएँ। दिए गए डेटा के आधार पर सत्यापन योग्य रूप से सच न हो तो किसी जाँच को पास न मानें।

  • परस्पर अनन्यता: कोई उपयोगकर्ता दो कोहोर्ट में नहीं आ सकता — प्रवेश घटना और तारीख़ सीमाएँ असंदिग्ध हैं
  • रिटेंशन पठार: वक्र में स्पष्ट पठार दिखता है, या विश्लेषण स्पष्ट रूप से कहता है कि अवधि उसकी पुष्टि के लिए बहुत छोटी है
  • LTV का आधार: LTV प्रक्षेपण देखे गए रिटेंशन और देखे गए ARPU का उपयोग करते हैं — मानी गई संख्याओं का नहीं
  • व्यवहार खंड: परस्पर अनन्य और सामूहिक रूप से संपूर्ण — दायरे का हर उपयोगकर्ता ठीक एक खंड में आता है
  • न्यूनतम कोहोर्ट आकार: विश्वसनीयता सीमा से नीचे की हर कोहोर्ट चिह्नित और रुझान निष्कर्षों से बाहर
  • चर्न संकेत: सूचीबद्ध सभी अग्रणी संकेतक प्रोडक्शन डेटा में अवलोकन योग्य हैं, या स्पष्ट रूप से परिकल्पना चिह्नित
  • सिफ़ारिशें जुड़ी हैं: हर सिफ़ारिश किसी विशिष्ट निष्कर्ष का संदर्भ देती है — कोई हवा में तैरती ग्रोथ सलाह नहीं
  • SQL ढाला गया: स्कीमा दिया गया हो तो क्वेरी उपयोगकर्ता के वास्तविक टेबल/कॉलम नाम उपयोग करती है

एंटी-पैटर्न

इन विफलता तरीकों से बचें — ये ऐसा विश्लेषण पैदा करते हैं जो कठोर दिखता है पर जिस पर भरोसा या कार्रवाई नहीं की जा सकती।

एंटी-पैटर्नक्यों विफल होता हैसही तरीका
ओवरलैपिंग कोहोर्ट सदस्यताकोहोर्ट के बीच रिटेंशन संख्याओं की तुलना नहीं हो सकतीएक एकल, असंदिग्ध प्रवेश घटना परिभाषित करें; एक उपयोगकर्ता, एक कोहोर्ट
LTV प्रक्षेपण में मानी गई ARPUखंडों के अंतर छिपाती है; ऐसी संख्या देती है जो सटीक लगती है पर है नहींप्रति बनाए रखे उपयोगकर्ता प्रति अवधि देखा गया राजस्व उपयोग करें, खंड के अनुसार विभाजित
कम आकार की कोहोर्ट से निष्कर्ष निकालनायादृच्छिक भिन्नता संकेत का भेस धर लेती हैन्यूनतम कोहोर्ट आकार चिह्नित करें; सीमा से नीचे की कोहोर्ट बाहर रखें या चेतावनी दें
लॉगिन को रिटेंशन माननाजो उपयोगकर्ता लॉगिन करे पर मुख्य घटना पूरी न करे वह परिभाषा से बनाए रखा गया नहीं हैरिटेंशन = परिभाषित मुख्य रिटेंशन घटना का पूरा होना, सत्र नहीं
बढ़त अनुमान गढ़नाबिना डेटा आधार की प्रक्षेपित प्रभाव संख्याएँ प्राथमिकता निर्णयों को भटकाती हैंअगर डेटा से प्रभाव का अनुमान नहीं लग सकता, तो यही कहें और एक टेस्ट सुझाएँ
सामान्य सिफ़ारिशेंकिसी भी SaaS प्रोडक्ट पर लागू हो सकने वाली सलाह कोई विश्लेषणात्मक मूल्य नहीं जोड़तीहर सिफ़ारिश किसी विशिष्ट कोहोर्ट, खंड या संकेत निष्कर्ष का संदर्भ दे

ट्रिगर वाक्य

यह स्किल इन जैसे वाक्यों पर सक्रिय होती है:

  • "[प्रोडक्ट] के लिए कोहोर्ट विश्लेषण चलाओ"
  • "अधिग्रहण माह के अनुसार रिटेंशन का विश्लेषण करो"
  • "[चैनल] बनाम [चैनल] के उपयोगकर्ताओं का LTV क्या है?"
  • "इससे एक कोहोर्ट रिटेंशन मॉडल बनाओ

उदाहरण ट्रिगर वाक्य

  • "कोहोर्ट विश्लेषण चलाओ।"
  • "कोहोर्ट के अनुसार रिटेंशन का विश्लेषण करो।"
  • "अधिग्रहण अवधि के अनुसार लाइफ़टाइम वैल्यू निकालो।"

इस स्किल को अपने ब्राउज़र में चलाएँ: https://mohitagw15856.github.io/pm-claude-skills/skill/cohort-analysis.html

slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 194kUpdated Claude CodeCodexVerifiedInstall