Cohort analysis

Skill weakened-fixedinvestmenttrust229/pm-skills-ko/pm-data-analytics/skills/cohort-analysis

Provide structured AI-powered PM skills in Korean to improve product decisions from discovery to growth with Claude Code and Cowork integration.

Install

npx -y skills add weakened-fixedinvestmenttrust229/pm-skills-ko --skill cohort-analysis

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

사용자 참여 데이터에 대한 코호트 분석 수행 — 리텐션 곡선, 기능 도입 트렌드, 세그먼트 수준 인사이트. 코호트별 사용자 리텐션 분석, 시간에 따른 기능 도입 연구, 이탈 패턴 조사, 또는 참여 트렌드 식별 시 활용하세요.

SKILL.md

5.2 KB, as published. Nobody here has run it

코호트 분석 & 리텐션 탐색기

목적

코호트별 사용자 참여 및 리텐션 패턴을 분석하여 사용자 행동, 기능 도입, 장기 참여의 트렌드를 식별합니다. 정량적 인사이트와 정성적 리서치 권고를 결합합니다.

작동 방식

Step 1: 데이터 읽기 및 검증

사용자 코호트 정보가 포함된 CSV, Excel, 또는 JSON 데이터 파일 수용
데이터 구조 검증: 코호트 식별자, 시간 기간, 참여 지표
누락 값 및 데이터 품질 문제 확인
핵심 통계 요약 (코호트 크기, 날짜 범위, 가용 지표)

Step 2: 정량적 분석 생성

코호트 리텐션율 및 참여 트렌드 계산
리텐션 곡선, 이탈 패턴, 이상값 식별
코호트 간 기능 도입율 계산
전월 대비 또는 기간 대비 변화 계산
요청 시 pandas와 numpy를 사용한 Python 분석 스크립트 생성

Step 3: 시각화 생성

리텐션 히트맵 생성 (코호트 vs. 시간 기간)
코호트 진행을 보여주는 라인 차트 작성
기능 도입 비교 차트 구축
이탈 지점 및 참여 트렌드 시각화
인터랙티브 차트 또는 정적 이미지로 출력

Step 4: 인사이트 & 패턴 식별

하나 이상의 중요한 패턴 발견:
- 특정 코호트의 초기 이탈
- 후기 단계 참여 변화
- 기능 도입 클러스터
- 계절 또는 시간적 트렌드
놀라운 발견 및 편차 부각
기준선 설정을 위한 코호트 성과 비교

Step 5: 후속 리서치 제안

정성적 리서치 방법 권고:
- 이탈하는 사용자 대상 타깃 사용자 인터뷰
- 참여 코호트 대상 기능 사용 설문
- 핵심 상호작용 패턴의 세션 리플레이
- 높은 리텐션 vs. 낮은 리텐션 코호트에 대한 승패 분석
후속 정량적 연구 설계
A/B 테스트 또는 기능 실험 제안

사용 예시

예시 1: CSV 데이터 업로드

cohort_month, weeks_active, user_id, feature_x_usage, engagement_score 컬럼이 있는
cohort_engagement.csv를 업로드합니다.

요청: "리텐션 패턴을 분석하고 Q4 2025 코호트가
Q3 대비 낮은 성과를 보이는 이유를 식별해 주세요"

예시 2: 데이터 형식 설명

"Jan-Dec 2025의 월간 사용자 코호트가 있습니다. 각 행에는:
코호트 날짜, 사용자 ID, 구매 빈도, 지원 티켓이 있습니다.
어떤 코호트가 최고의 장기 리텐션을 보이는지 분석해 주세요."

예시 3: 기능 도입 분석

코호트 도입 데이터가 있는 feature_usage.xlsx를 업로드합니다.

요청: "코호트 전반에 걸쳐 새 기능의 도입 곡선을 비교해 주세요.
어떤 코호트가 가장 빠르게 도입했나요? 패턴이 있나요?"

핵심 기능

데이터 읽기: CSV, Excel, JSON, SQL 쿼리 결과 가져오기
리텐션 분석: 시간에 따른 리텐션율 계산 및 시각화
코호트 비교: 코호트 그룹 간 지표 비교
이상값 감지: 비정상적인 패턴 또는 이탈 표시
Python 스크립트: 지속적인 분석을 위한 재사용 가능한 분석 코드 생성
시각화: 히트맵, 차트, 인터랙티브 대시보드 생성
리서치 설계: 타깃 후속 연구 및 인터뷰 접근법 제안
통계 요약: 정량적 지표 및 상관 분석 제공

최상의 결과를 위한 팁

시간 차원 포함: 여러 시간 기간에 걸친 데이터 제공
코호트 명확히 정의: 코호트 그룹화를 명시적으로 설정 (가입 월, 기능 출시일 등)
맥락 제공: 해당 기간의 제품 변경, 출시, 이벤트 설명
다양한 지표: 리텐션, 참여, 기능 사용, 매출 등 포함
충분한 데이터: 의미 있는 패턴 식별을 위해 최소 3~4개 코호트
특정 출력 요청: 시각화, Python 스크립트, 또는 리서치 권고 요청

출력 형식

다음을 제공합니다:

데이터 요약: 코호트 개요 및 데이터 품질 평가
정량적 발견: 핵심 지표, 리텐션율, 트렌드 분석
시각화: 리텐션 곡선, 도입 패턴을 보여주는 차트
패턴 식별: 데이터에서 2~3가지 중요한 인사이트
리서치 권고: 구체적인 정성적 및 정량적 후속 조치
분석 스크립트 (요청 시): 재현 가능한 분석을 위한 Python 코드
다음 단계: 발견을 바탕으로 한 우선순위화된 조치

더 읽어보기

Gives 0 of the 12 instructions most data analysis skills give

Counted across 286 of the 286 authors here whose files we hold, read 2026-08-06

use excel formulas instead of hardcoded calculated valuesin 35 of 286, across 7 files
match existing template conventions when modifying filesin 35 of 286, across 7 files
document sources for all hardcoded valuesin 35 of 286, across 7 files
write minimal concise python codein 35 of 286, across 7 files
place all assumptions in separate assumption cellsin 32 of 286, across 5 files
apply industry-standard color coding to financial modelsin 31 of 286, across 5 files
format years as text stringsin 30 of 286, across 3 files
recalculate formulas using recalc.py after modificationsin 30 of 286, across 3 files
format negative numbers using parenthesesin 30 of 286, across 3 files
fix all identified formula errors before finishingin 27 of 286, across 1 file
use colorblind-safe palettesin 19 of 286, across 12 files
Name tests after the prevented bugin 13 of 286, across 8 files

Said here and by no other author read

highlight significant patterns and surprising deviations
output cohort overview and data quality assessment

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once.