Cohort analysis в UA ломает иллюзии быстрее, чем отчёт по installs

Cohort analysis в UA ломает иллюзии быстрее, чем отчёт по installs

Считать нужно не всё, а то, что меняет решение по бюджету. Базовый набор на каждую неделю:
— D1/D3/D7 retention по источнику, крео и гео
— D1/D7 ROAS и payback по когорте
— ARPU и event rate на пользователя
— долю платящих и средний чек, если есть покупки

Смысл cohort analysis не в красивой таблице, а в сравнении одинаковых окон. Нельзя мешать installs за понедельник с D7 за прошлую неделю и делать вывод про качество трафика. Берёшь одну дату привлечения, одно окно и смотришь, как ведут себя cohorts от одного канала, одной страны, одного плейсмента.

Если D1 retention падает, а CPI держится, проблема часто в крео или ожиданиях от преленда. Если D7 ROAS проседает при нормальном D1, смотри в онбординг, paywall и первый event. Если ранние события растут, а ARPU нет, значит трафик кликает, но не монетизируется.

Раз в неделю фиксируй не только среднее, но и разброс: лучший и худший cohort, медиану, а не только mean. Именно там видно, где закупка едет на одном сильном сегменте и маскирует слабые. Хороший отчёт по cohort — это не про «в целом нормально», а про конкретный источник, который можно масштабировать или резать.