ความสม่ำเสมอของผู้ใช้งานใหม่
เจาะเฉพาะ user ที่ signup ใน 90 วันล่าสุด · weekly + monthly stickiness
🎯 เลือกประเภท Cohort
นิยามว่า "group user" ตามอะไร
📅
Signup cohort
group ตามเดือนที่สมัครใช้งาน · ดู retention มาตรฐาน
🎓
First-course cohort
group ตามคอร์สแรกที่เรียน · ดูว่าคอร์สแรกส่งผลกับ engagement
🏢
Dealer cohort
group ตาม dealer ตอน onboard · benchmark ภูมิภาค
⚡
Behavior cohort
"completed Compliance ภายใน 30 วัน" vs ไม่ · custom
🏆 Best Cohort
—
—
signups
—
M1 retention
—
M3 retention
💡 cohort ที่ retention เดือนถัดไป (M1) สูงสุด ในกลุ่มที่มี window ครบ — ใช้ดูว่าเดือน onboard ไหน engaged ที่สุด
🚨 Worst Cohort
—
—
signups
—
M1 retention
—
M3 retention
⚠️ cohort ที่ retention เดือนถัดไป (M1) ต่ำสุด — กลุ่มที่หลุดเร็ว ควรเจาะ onboarding ของเดือนนั้น
🔥 Retention Cohort Matrix
% user ที่ active ในแต่ละสัปดาห์หลัง signup · สีเข้ม = retention สูง
Color scale:
< 20%
20-40%
40-60%
60-80%
80%+
📉 Retention Curve
เลือก cohort เพื่อเปรียบเทียบ
D1 avg
—
D7 avg
—
D14 avg
—
D30 avg
—
🎯 Activation Funnel
% ผ่านแต่ละขั้น · cohort first-login ≥ 30 วัน · จาก activity timeline
💡 ขั้น "เรียน lesson/quiz" ต่ำเพราะ event เหล่านี้ instrument บางส่วน (lesson_complete/quiz_submit ใน timeline) — login ครบสุด
⚡ Behavioral Cohort Comparison
เปรียบเทียบ "กลับมาใช้ในสัปดาห์แรก (D1–7 active)" vs "ไม่กลับ" · cohort ≥ 60 วัน
📈 Retention curve (รายสัปดาห์)
📊 Metric comparison
| Metric | กลับใน week 1 ✅ | ไม่กลับ ❌ | Δ |
|---|---|---|---|
| Cohort size | — | — | — |
| D30 retention | — | — | — |
| D60 retention | — | — | — |
| เฉลี่ยจำนวนวัน active | — | — | — |
💡 Insight: การกลับมาในสัปดาห์แรก = สัญญาณ activation ที่ดี — ทำนาย retention ระยะยาวได้ (~2 เท่า)
💎 Cohort Engagement (per monthly cohort)
engagement ต่อ cohort เดือนสมัคร · จาก activity timeline · M1/M3 = ว่าง = window ยังไม่ครบ
| Cohort | Size | % กลับมาใช้ | เฉลี่ยวัน active | % เรียน lesson/quiz | M1 retention | M3 retention |
|---|