用途
该技能用于按群组（cohort）分析用户参与与留存模式，识别用户行为趋势、功能采用情况与长期参与变化，并将定量分析与定性研究建议结合，帮助理解不同时期用户群的留存差异。
主要能力
- 数据读取：接受 CSV、Excel、JSON 数据文件及 SQL 查询结果，校验群组标识、时间周期与参与指标等数据结构，检查缺失值与数据质量问题，汇总群组规模、日期范围与可用指标等关键统计。
- 留存分析：计算群组留存率与参与趋势，识别留存曲线、流失模式与异常点，计算功能采用率及环比或周期变化。
- 群组比较：跨群组比较指标，建立表现基线，突出意外发现与偏差。
- 异常检测：标记异常模式或流失节点。
- Python 脚本：按需生成基于 pandas 与 numpy 的可复用分析代码。
- 可视化：生成留存热力图（群组×时间周期）、群组进展折线图、功能采用对比图，标注流失点与参与趋势，输出交互式图表或静态图片。
- 研究设计：推荐针对性用户访谈、功能使用问卷、会话回放、高留存与低留存群组的赢单与流失分析，以及后续定量研究与 A/B 测试或功能实验。
- 统计汇总：提供定量指标与相关性分析。
使用方式
- 读取并校验数据：提供含群组标识、时间周期与参与指标的数据文件，工具校验结构并汇总统计。
- 生成定量分析：计算留存率、参与趋势、功能采用率与周期变化，按需输出 Python 脚本。
- 创建可视化：生成热力图、折线图与对比图。
- 识别洞察与模式：发现早期流失、后期参与变化、功能采用聚类、季节性趋势等，并比较群组表现。
- 建议后续研究：给出定性研究方法与定量研究、A/B 测试设计建议。
示例请求包括：上传含 cohort_month、weeks_active、user_id、feature_x_usage、engagement_score 等列的 CSV，要求分析留存模式并解释某季度群组表现不佳的原因；描述 2025 年 1 至 12 月月度群组数据（群组日期、用户 ID、购买频率、支持工单），分析哪些群组长期留存最佳；上传功能采用数据，比较新功能在各群组的采用曲线与速度。
适用场景
适用于分析用户留存与流失、比较不同时期群组表现、评估新功能采用速度、定位异常流失群组，以及为产品决策设计后续调研与实验。
限制与建议
需提供时间维度数据、明确定义群组分组方式、补充产品变更或发布等背景信息，并包含留存、参与、功能使用、收入等多类指标；至少 3 至 4 个群组才能识别有意义的模式。输出包含数据摘要、定量发现、可视化、模式识别、研究建议、按需生成的分析脚本与后续步骤。具体定价、平台支持范围与效果数据暂未提供。