Analiza kohort i retencji
Kohorty czasowe, retencja kohort, analiza RFM, segmentacja klientów, prognozowanie churn
1Czym jest kohorta w analizie danych?
Czym jest kohorta w analizie danych?
Odpowiedź
Kohorta to grupa użytkowników, którzy dzielą wspólną cechę w danym okresie, najczęściej datę pierwszej akcji (rejestracja, pierwszy zakup). Grupowanie użytkowników w kohorty pozwala porównywać ich zachowanie w czasie i identyfikować trendy w różnych okresach pozyskiwania. Jest to fundamentalne narzędzie do mierzenia retencji i oceny wpływu zmian produktowych.
2Jakie jest najczęstsze kryterium definiowania kohorty czasowej?
Jakie jest najczęstsze kryterium definiowania kohorty czasowej?
Odpowiedź
Najczęstszym kryterium definiowania kohorty czasowej jest data pierwszej rejestracji lub pierwszego zakupu. Grupowanie według okresu pozyskiwania (tydzień, miesiąc, kwartał) umożliwia obiektywne porównanie zachowań użytkowników z różnych momentów pozyskania. Pomaga to wyodrębnić wpływ czasu i wykryć ulepszenia lub pogorszenia związane ze zmianami produktowymi lub marketingowymi.
3Jak czytać tabelę retencji kohort?
Jak czytać tabelę retencji kohort?
Odpowiedź
Tabelę retencji kohort czyta się z kohortami jako wierszami (według okresu pozyskiwania) i kolejnymi okresami jako kolumnami (Miesiąc 0, Miesiąc 1 itd.). Każda komórka pokazuje procent użytkowników z tej kohorty, którzy są nadal aktywni w danym okresie. Pierwsza kolumna zawsze wynosi 100%, a wartości naturalnie maleją w czasie. Ten format umożliwia wizualne porównanie retencji między kohortami.
Jaka jest różnica między retencją Day-N a retencją rolling?
Dlaczego retencja jest uważana za bardziej wiarygodną metrykę niż liczba aktywnych użytkowników?
+17 pytań z rozmów
Inne tematy rekrutacyjne Data Analytics
Google Sheets - Podstawy
Google Sheets - Zaawansowane formuły
SQL - Podstawy
SQL - Agregacje i grupowanie
SQL - Złączenia
BigQuery - Podstawy
Data Cleaning - Czyszczenie danych
KPI i metryki biznesowe
Statystyka opisowa
Zapier i automatyzacja No-Code
Zasady wizualizacji danych
Python & Pandas - Podstawy
Google Sheets - Automatyczne dashboardy
SQL - Podzapytania i CTE
SQL - Window Functions
BigQuery - Funkcje zaawansowane
Data Modeling
Analiza funneli i konwersji
Google Tag Manager i tracking
API i webhooki
dbt - Podstawy
AB Testing i statystyka stosowana
Looker Studio (Google Data Studio)
Power BI - Podstawy
SQL - Zaawansowane zapytania analityczne
dbt - Funkcje zaawansowane
Power BI - DAX i zaawansowane dashboardy
Python Analytics - Zaawansowana analiza i ML
Opanuj Data Analytics na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo