W skrócie
7 min czytaniaAnaliza kohortowa grupuje użytkowników według wspólnego punktu startowego, na przykład tygodnia rejestracji, i śledzi tę samą grupę w czasie, zamiast łączyć wszystkich w jedną średnią dla całej witryny. Kohorta akwizycyjna grupuje według tego, kiedy użytkownicy się pojawili, a kohorta behawioralna według tego, co zrobili. Krzywa retencji powstająca z tabeli kohort pokazuje dokładnie, gdzie grupa się wykrusza, a tego wzorca nie widać w jednej średniej liczbie retencji.
Czym jest analiza kohortowa?
W raportowaniu produktowym i przychodowym analiza kohortowa polega na grupowaniu użytkowników według wspólnego zdarzenia początkowego, na przykład tygodnia rejestracji, a następnie śledzeniu zachowania tej samej grupy w czasie, zamiast mierzenia całej bazy użytkowników jako jednej puli. Kohorta to jedna taka grupa, a tabela kohort ustawia kilka z nich obok siebie, dzięki czemu zespół może porównać, jak każda zachowywała się w pierwszym, czwartym i dwunastym tygodniu. Wynikiem, który czyni analizę kohortową użyteczną, jest krzywa retencji, pokazująca odsetek kohorty wciąż aktywnej w kolejnych okresach po zdarzeniu początkowym.
Czym jest kohorta?
Kohorta to grupa użytkowników, których łączy jedno określające zdarzenie z tego samego przedziału czasu, najczęściej data rejestracji, data pierwszego zakupu albo pierwsze użycie konkretnej funkcji. Każdego użytkownika w kohorcie mierzy się według tego samego zegara, licząc okresy od wspólnego zdarzenia, a nie według daty kalendarzowej, więc osobę zarejestrowaną w pierwszym tygodniu i osobę zarejestrowaną w dziesiątym odczytuje się na tej samej osi jako „4. tydzień od rejestracji”. Ten wspólny zegar sprawia, że kohorty można ze sobą porównywać, bo da się zestawić je okres po okresie, nawet jeśli zaczęły się w różnych dniach kalendarza.
Czym różni się kohorta akwizycyjna od behawioralnej?
Kohorta akwizycyjna grupuje użytkowników według tego, kiedy się pojawili, na przykład wszystkich zarejestrowanych w tym samym tygodniu, a kohorta behawioralna według tego, co zrobili, na przykład wszystkich, którzy ukończyli onboarding lub przeszli na płatny plan. Kohorty akwizycyjne pokazują, czy produkt z czasem coraz lepiej, czy coraz gorzej zatrzymuje pozyskiwane osoby, bo każdy nowy tydzień rejestracji staje się osobną linią na wykresie. Kohorty behawioralne pokazują, czy konkretne działanie zmienia to, co dzieje się później, bo zespół może porównać krzywą retencji osób, które je wykonały, z krzywą tych, które tego nie zrobiły. Oba typy kohort korzystają z tej samej matematyki retencji, a zmienia się tylko reguła przydzielająca użytkowników do wierszy.
- Grupowanie według momentu pojawienia się użytkowników, np. tygodnia rejestracji
- Pokazuje, czy produkt z czasem zatrzymuje większą część każdego nowego tygodnia rejestracji
- Grupowanie według działań użytkowników, np. ukończenia onboardingu lub przejścia na płatny plan
- Pokazuje, czy to działanie zmienia późniejszą krzywą retencji
Jak oblicza się retencję w kohorcie?
Retencja kohorty w danym okresie to liczba użytkowników z tej kohorty wciąż aktywnych w tym okresie podzielona przez liczbę użytkowników, z którą kohorta startowała.
cohort retention rate = active users in period / users in original cohort x 100Kohorta 500 użytkowników zarejestrowanych w styczniu, z których 175 pozostaje aktywnych w trzecim miesiącu, ma retencję w trzecim miesiącu na poziomie 35%.
| Zmienna | Znaczenie | Wartość |
|---|---|---|
| Wielkość kohorty | Użytkownicy ze styczniowej kohorty rejestracji | 500 |
| Aktywni w 3. miesiącu | Użytkownicy z tej kohorty wciąż aktywni | 175 |
| Wskaźnik retencji | Aktywni / wielkość kohorty | 35% |

Jak odczytywać krzywą retencji?
Krzywa retencji pokazuje wskaźnik retencji kohorty w kolejnych okresach od zdarzenia początkowego, a o tym, czy produkt zatrzymuje użytkowników, mówi kształt tej linii, a nie żaden pojedynczy punkt. Większość krzywych gwałtownie opada w pierwszych okresach, gdy z kohorty wypadają osoby, które spróbowały produktu raz i nie wróciły, a następnie zagina się i wypłaszcza w spadek znacznie łagodniejszy niż początkowy. Punkt wypłaszczenia traktuj jako najbliższe przybliżenie stabilnej bazy: krzywa, która wciąż spada w dziesiątym okresie, oznacza trwający problem z odejściami, a krzywa ustabilizowana do czwartego okresu to grupa użytkowników, którzy wciąż wracają.
| Okres od rejestracji | Retencja kohorty A | Retencja kohorty B |
|---|---|---|
| Tydzień 0 | 100% | 100% |
| Tydzień 1 | 62% | 71% |
| Tydzień 2 | 48% | 60% |
| Tydzień 4 | 40% | 55% |
| Tydzień 8 | 38% | 54% |
| Tydzień 12 | 37% | 53% |
Kohorty A i B stabilizują się na płaskim ogonie, ale B traci po drodze mniej użytkowników i zatrzymuje się na wyższym poziomie, a tej różnicy pojedyncza średnia retencja nigdy by nie ujawniła.
Dlaczego średnia retencja ukrywa to, co pokazuje tabela kohort?
Pojedyncza średnia retencja ukrywa wzorzec, bo łączy w jedną liczbę kohorty znajdujące się w zupełnie różnych punktach własnych krzywych, więc firma, która się poprawia, i firma, która się pogarsza, mogą przypadkiem wykazać tę samą średnią. Użytkownik pozyskany osiem tygodni temu, który jest już na stabilnym ogonie, liczy się tak samo jak użytkownik pozyskany w zeszłym tygodniu, wciąż na stromym początkowym spadku, choć ich retencja znaczy dla przyszłości produktu co innego. Dwa produkty mogą w tym miesiącu pokazywać identyczną średnią retencję 45%, gdy w jednym kohorty stabilizują się na 53%, a w drugim spadają poniżej 53% w stronę nieznanego poziomu, i tylko tabela kohort pozwala odróżnić te dwie sytuacje.

Co zrobić po odczytaniu tabeli kohort?
Porównaj nowsze kohorty ze starszymi w tej samej kolumnie, aby zobaczyć, czy retencja w każdym okresie rośnie, czy spada, bo nowsza kohorta z lepszym wynikiem w 4. tygodniu to wczesny dowód, że niedawna zmiana w produkcie pomogła. Zestawiaj ze sobą kohorty behawioralne, na przykład osoby, które ukończyły konkretny krok onboardingu, i te, które go pominęły, aby sprawdzić, czy to ten krok odpowiada za lepszą krzywą, a nie przypadek. Łącz tabelę kohort z danymi lejka z tego samego okresu, bo kohorta tracąca użytkowników wcześnie często utknęła na konkretnym etapie, a nie straciła zainteresowania od razu.
Jak analiza kohortowa łączy się z churnem i zaangażowaniem?
Krzywa retencji kohorty i jej churn rate opisują tych samych użytkowników z przeciwnych stron, bo osoby utracone między dwoma okresami to dokładnie te, które w tym przedziale liczą się jako odejścia. Czytanie krzywych retencji obok wskaźnika zaangażowania i ścieżki klienta pokazuje nie tylko, ilu użytkowników kohorta zatrzymała, ale też co robili ci, którzy odeszli, zanim przestali wracać. Analityka w czasie rzeczywistym we Flowsery śledzi ścieżki użytkowników i zdarzenia celów na bieżąco, więc aktywność zasilająca tabelę kohort pochodzi z tych samych danych co reszta raportów zespołu, a nie z osobnego eksportu.
Najczęściej zadawane pytania
Jaka jest najprostsza definicja analizy kohortowej?
Analiza kohortowa grupuje użytkowników według wspólnego zdarzenia początkowego, na przykład tygodnia rejestracji, a następnie śledzi zachowanie tej grupy w czasie, zamiast uśredniać całą bazę. Wynikiem jest zwykle krzywa retencji lub tabela kohort pokazująca, jak aktywność każdej grupy zmienia się okres po okresie.
Czym różni się kohorta od segmentu?
Kohortę definiuje wspólne zdarzenie początkowe i śledzi się ją od tego ustalonego momentu, a segment to dowolna grupa o wspólnej cesze, takiej jak kraj czy typ planu, którą można zmierzyć w dowolnym pojedynczym momencie. Kohorta zawsze ma wbudowaną oś czasu, a segment jej nie potrzebuje.
Ilu użytkowników trzeba, aby analiza kohortowa była przydatna?
Nie ma ustalonego minimum, ale kohorta ze zbyt małą liczbą użytkowników daje krzywą retencji, która mocno skacze po odejściu lub pozostaniu jednej osoby, przez co trudno ufać wzorcowi. Zanim wyciągniesz wnioski z kształtu krzywej, poczekaj, aż kohorty tygodniowe lub miesięczne będą na tyle duże, by zachowanie jednej osoby nie przesuwało całej linii.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
Dlaczego krzywa retencji najpierw gwałtownie spada, a potem się wypłaszcza?
Gwałtowny początkowy spadek odzwierciedla osoby, które spróbowały produktu raz i nie znalazły powodu, by wrócić, a płaski ogon to mniejsza grupa, która znalazła trwałą wartość i wciąż wraca. To, gdzie krzywa się wypłaszcza, a nie tylko jak nisko spadła, mówi zespołowi, czy ma stabilny trzon użytkowników.
Czy dwie kohorty mogą mieć tę samą średnią retencję, ale różne krzywe?
Tak. Jedna kohorta może szybko spaść na początku i wypłaszczyć się na niskim poziomie, a druga spadać powoli i ustabilizować się wyżej, a mimo to obie mogą mieć podobną średnią retencję dla całego mierzonego okresu. Która z tych sytuacji zachodzi, pokaże tylko tabela kohort okres po okresie, a nie pojedyncza średnia.
Czym kohorta akwizycyjna różni się od behawioralnej?
Kohorta akwizycyjna grupuje użytkowników według tego, kiedy się pojawili, na przykład tygodnia rejestracji, i pozwala sprawdzić, czy retencja poprawia się z wydania na wydanie. Kohorta behawioralna grupuje ich według wykonanego działania, na przykład ukończenia onboardingu, i pozwala sprawdzić, czy to działanie zmienia krzywą retencji względem osób, które go nie wykonały.
Jak długi powinien być okres w tabeli kohort?
Większość tabel kohort używa okresów tygodniowych lub miesięcznych opartych na momencie wspólnego zdarzenia początkowego, a następnie śledzi każdą kohortę według tego samego zegara. Okresy tygodniowe dokładniej pokazują stromy początkowy spadek, co ma znaczenie w produktach, w których odejścia pojawiają się szybko. Niezależnie od wybranej długości musi ją stosować każdy wiersz tabeli, bo inaczej kolumny przestaną się zgadzać.
Czy ta sama średnia retencja może oznaczać dla firmy dwie różne rzeczy?
Dwa produkty mogą w tym miesiącu wykazywać średnią retencję 45%, gdy w jednym kohorty wypłaszczają się na 53%, a w drugim spadają poniżej 53% w stronę nieznanego poziomu. Średnia traktuje obie firmy jednakowo, ale tylko tabela kohort pokazuje, która ma stabilną bazę, a która wciąż traci grunt.
Po co łączyć tabelę kohort z danymi lejka?
Tabela kohort pokazuje, że retencja spadła, ale nie gdzie w produkcie to nastąpiło. Dane lejka z tego samego okresu pokazują, czy kohorta tracąca użytkowników wcześnie utknęła na konkretnym etapie, czy po prostu straciła zainteresowanie od razu. Ta różnica decyduje o tym, co zespół naprawia: zablokowany krok czy produkt, z którego nikt nie chce dalej korzystać.
Jak łączą się krzywa retencji kohorty i jej churn rate?
Krzywa retencji kohorty i jej churn rate opisują tych samych użytkowników z przeciwnych stron. Osoby utracone przez kohortę między dwoma okresami to dokładnie te, które w tym przedziale liczą się jako odejścia, więc krzywa spadająca z 48% do 40% między dwoma okresami pokazuje tę samą grupę, którą churn rate liczy jako utraconą.
Czy ten artykuł był pomocny?
Chętnie poznamy opinię!
Częściej widoczni w Google
Jedno kliknięcie ustawia Flowsery jako preferowane źródło, dzięki czemu nasze artykuły pojawiają się wyżej w Najważniejszych artykułach, trybie AI i Przeglądach od AI.
Jeszcze jedno...
Flowsery
Analityka witryny skupiona na przychodach
Każdy odwiedzający, źródło i konwersja w czasie rzeczywistym. Prosto, skutecznie i bez plików cookie.
Panel w czasie rzeczywistym
Śledzenie celów
Śledzenie bez cookie
Powiązane hasła ze słownika


Co analityka behawioralna śledzi, a czego nie widać w odsłonach
W przeciwieństwie do surowej liczby odsłon analityka behawioralna rejestruje, co odwiedzający faktycznie robi na stronie, jako strumień nazwanych zdarzeń powiązanych z tą konkretną osobą.


Wzór na wskaźnik retencji krok po kroku
Wzór na wskaźnik retencji dzieli liczbę utrzymanych klientów przez liczbę klientów na starcie, a błędne liczenie nowych rejestracji zawsze zniekształca wynik.


Co mapa przewijania mówi o tym, gdzie czytelnicy się zatrzymują
Każdy pas mapy przewijania ma kolor zależny od odsetka odwiedzających, którzy do niego dotarli. Poznaj linię zgięcia, kolumnę odpływu i pułapki wysokości strony.


Kto jest aktywnym użytkownikiem w GA4, Mixpanel i Amplitude
Aktywny użytkownik znaczy co innego w każdym narzędziu. Porównaj dokładne definicje z GA4, Mixpanel, Amplitude, PostHog i raportu 10-K firmy Meta.


Kiedy sięgać po analizę ścieżek, a kiedy po analizę lejka
Analiza ścieżek a analiza lejka: lejek mierzy kroki, które ustalasz, a ścieżka pokazuje faktyczne sekwencje. Jak budują je GA4, Mixpanel i Amplitude.


Skąd pochodzą dane w odtwarzaniu sesji i mapach cieplnych
Odtwarzanie sesji a mapy cieplne: jedna wizyta kontra wiele oraz to, jak Hotjar, Datadog, PostHog, Clarity i FullStory tworzą mapy z nagrań lub niezależnie od nich.
Powiązane artykuły
Co zawiera plan śledzenia i czego nie jest w stanie wychwycić
Plan śledzenia opisuje każde zdarzenie, wyzwalacz, właściwość i właściciela, zanim trafi do kodu. Zobacz kolumny, wypełniony przykład i lukę, której nie widzą narzędzia walidacyjne.


Gdzie user flow i user journey przestają znaczyć to samo
Porównanie user flow i user journey oddziela jedną zaobserwowaną ścieżkę w produkcie od całego celu, do którego ktoś dąży w wielu kanałach i w czasie.


Jaki wskaźnik DAU/MAU jest dobry i kto naprawdę to zmierzył
Każdy krążący benchmark DAU/MAU wywodzi się z trzech źródeł: wpisu Freda Wilsona z 2011 roku, niedatowanego poradnika Gainsight i raportu Mixpanel z czerwca 2026.

