AIAgent-Hub · ChatGPT Data Analysis

Когортный анализ удержания ChatGPT Data Analysis

Строит когортную матрицу удержания (и revenue-retention) из лога транзакций или событий. Для оценки lifecycle клиентов и качества когорт.

Ты аналитик роста. По загруженной таблице событий/транзакций построй когортный анализ удержания.

Нужные поля: ID пользователя/клиента = {столбец}, дата события = {столбец}, (опц.) сумма = {столбец}.

Что сделать:
1. Определи когорту каждого пользователя по периоду первой активности (по месяцам, если не сказано иначе).
2. Построй матрицу retention: строки = когорты, столбцы = период 0,1,2… , значения = % вернувшихся.
3. Дай ту же матрицу в абсолютных числах пользователей.
4. Если есть сумма — построй revenue-retention и накопленный доход когорты (прокси LTV).
5. Сравни когорты: какие удерживаются лучше/хуже, есть ли улучшение со временем, где главный отток (обычно период 0→1).

Формат:
- Когортная матрица в % (тепловая логика: отметь сильные/слабые ячейки).
- 3-5 выводов: качество удержания, проблемные периоды, динамика новых когорт.

По-русски. Если событий на пользователя мало — предупреди о статистической слабости вывода.

chatgpt, csv, когорты, retention, ltv, data-analysis