---
title: "同期群分析"
description: "使用 Adapty 的同期群分析功能，跟踪用户参与度和订阅趋势。"
---

Adapty 的同期群分析旨在回答以下几个重要问题：
1. 同期群在哪天开始盈利？
2. 特定同期群为应用带来了多少收入？
3. 我最多可以花多少钱来获取一个付费用户？
4. 广告投入需要多长时间才能回本？

同期群功能使用我们通过 SDK 和应用商店通知收集的应用数据，无需你进行任何额外配置。

## 按续订次数或按天数划分的同期群 \{#cohorts-by-renewals-or-by-days\}

你可以按续订次数或按天数来分析同期群。切换该控件会改变列的标题，分析思路也随之不同。
按**天**追踪可帮助您深入了解预算安排和付款时间线，对追踪消耗型商品或一次性购买等非订阅类产品尤为实用。在该模式下，表格单元格中的蓝色往往集中在行的中间位置，原因有两点：一是按天查看同期群能够较早显示与短期产品相关的付款（而在续订视图中，这些付款会与月度和年度续订合并显示）；二是延迟付款会影响分布规律，因为部分用户的实际付款时间晚于预期。
而按**续订**追踪则展示了同期群从一次付款到下一次付款的留存与流失情况，不考虑具体日期。因此，延迟付款的用户（可能延迟数月）会被计入其所在订阅周期的数量。这种方式虽然不能反映实际的日历收益情况，但在分析同期群的留存与流失、洞察用户行为方面更为便捷。

根据需要选择合适的模式，或同时使用两种模式，以获取更多结论和思路。

## Adapty 如何构建同期群 \{#how-adapty-builds-cohorts\}

下面以续订同期群为例，说明表格的构建方式。构建同期群需要两个维度：应用安装量和交易量（购买量）。同期群的每一行代表一个特定时间区间，从一天到一年不等。每行的起点是在该时间区间内安装应用并激活订阅或完成永久授权/一次性购买的用户数量。
行中每一列显示的是续订到该周期的用户数量。M3 表示第 3 个月，即订阅者已连续续订 3 次；W7 表示第 7 周；Y2 表示第 2 年。有时你会在同期群中看到 P2，P 代表订阅周期。当同一同期群中包含多个不同续订周期的产品时，Adapty 会用 P 代替 W/M/Y 显示。

我们使用渐变色来突出同期群数值之间的差异。数值越大，颜色越深。
在下图中，您可以看到一个典型的同期群。
1. 此同期群仅展示每周产品的数据（标注 #1）。
2. 它不排除手续费，以绝对值显示收入（标注 #2）。
3. 当前时间周期为最近 6 个月，同期群长度为 1 个月（标注 #3）。
4. **Total** 行（标注 #4）显示每个周期的累计值。**Total** 行第一个单元格中的 $442K，汇总了所有月份（11 月、12 月等）直至时间段末尾的第一周期（订阅激活）收入。Total 单元格显示整个时间段内安装应用的用户总数。
5. Nov 2023 行的第一列（标注 #5）显示 2023 年 11 月安装应用的用户在第一周期（订阅激活）产生的收入 $37.7K。2023 年 11 月安装应用的用户数量为 95,129，显示在表头列中。
   Nov 2023 行的第二列显示 2023 年 11 月安装应用的用户在第 2 周（订阅续费至第 2 周）产生的收入 $8.77K。
6. 表格中可查看总收入、ARPU、ARPPU 和 ARPAS（标注 #6）。本文稍后将详细介绍这些指标。
7. 可通过表格右侧的 **Columns** 下拉字段配置显示的列（标注 #7）。
8. 表格右上方（标注 #8）还有一个下拉字段，用于针对特定同期群分析计算应用商店佣金和税费。你可以在[本文](controls-filters-grouping-compare-proceeds#display-gross-or-net-revenue)中了解 Adapty 如何计算应用商店佣金和税费。从下拉菜单中选择对应选项后，收入数据将据此重新计算。
9. 在表格右侧，可查看预测收入（Predicted Revenue）和预测生命周期价值（Predicted LTV）（标注 #9）。**Predicted Revenue** 字段估算某一订阅用户同期群在特定时间段内产生的总收入，**Predicted LTV** 字段则代表同期群中每位用户的预期价值。

将鼠标悬停在同期群中的任意单元格上，可查看该时段的详细数据图表。

背景带有斜线的单元格表示该时段尚未结束，其中的数值可能还会继续增长。
## 同期群长度与时间范围 \{#cohort-length-and-time-frame\}

两个时间设置共同决定表格显示的内容：

- **Time frame**（时间范围）——日期区间，在表格上方的日历中设置。
- **Cohort length**（同期群长度）——每行的粒度：天、周、月、季度或年。选择"月"时，每行对应一个月的安装数据。

这两个设置相互独立。举个例子：6 个月的时间范围搭配按月划分的同期群长度，表格会有 6 行；1 年的时间范围搭配按周划分的同期群长度，则会有 52 行。

## 筛选器、数据图表、同期群细分与 CSV 导出 \{#filters-metrics-cohort-segments-and-export-in-csv\}

:::link
主要文章：[分析控件](controls-filters-grouping-compare-proceeds)
:::

默认情况下，Adapty 使用所有购买数据来构建同期群。你可以按产品时长、特定产品、国家、商店、付费墙、市场细分和归因数据进行筛选。

在控制面板右侧，有一个将同期群数据导出为 CSV 的按钮。你可以在 Excel 或 Google Sheets 中打开它，也可以将其导入到自己的分析系统中。
同期群中可以展示 6 项数据图表：订阅数、付费用户数、营收、ARPU、ARPPU 和 ARPAS。你可以选择以绝对值显示，也可以显示相对于同期群起始时间的变化幅度。

## 订阅、付费用户、总收入、ARPU、ARPPU 与 ARPAS \{#subscriptions-payers-total-revenue-arpu-arppu-and-arpas\}

**订阅**是指在所选时间范围内，某一同期群的活跃订阅数、永久授权购买数及一次性购买数的总和。监控这一数据图表有助于了解用户行为以及产品方案的实际效果，从而帮助你优化产品策略、精准营销，并提升收入。
**付款用户数**是指同期群内完成过购买的用户总数。它帮助你了解有多少独立用户为你的收入做出了贡献。对于非订阅购买占比较高的应用来说，这一数据图表能更直观地反映产品的实际覆盖范围——究竟是广泛的用户群体在持续购买，还是收入主要来自少数重复购买的用户。掌握付款用户数有助于评估用户参与度、制定精准营销计划，并优化收入策略。
**总收入**是在所选时间范围（2022 年 11 月 25 日 — 2023 年 5 月 24 日）内针对某个同期群累计的收入。它帮助你了解从特定同期群的用户身上共收入了多少钱，并用于计算 ROAS。例如，如果 2022 年 9 月的广告支出为 10000 美元，而 2022 年 9 月同期群的总收益为 30000 美元，则 ROAS = 3:1。
**ARPU** 即每用户平均收入，计算公式为：总收入 / 唯一用户数。例如：$60000 收入 / 5000 用户 = $12 ARPU。将此值与每次安装成本（CPI）进行对比，有助于评估营销活动的效果。

**ARPPU** 即每付费用户平均收入，计算公式为：总收入 / 唯一付费用户数。例如：$60000 收入 / 1000 付费用户 = $60 ARPPU。它能帮助你了解每位付费用户平均带来的收入。
**ARPAS** 是每位活跃订阅者的平均收入，计算方式为总收入 / 活跃订阅者数量。这里的订阅者是指已激活试用期或订阅的用户。$60000 收入 / 1500 位订阅者 = $40 ARPAS。
## 手续费与税费 \{#commission-fees-and-taxes\}

同期群收入计算中有一个重要方面，即商店手续费和税费的纳入（具体金额因用户商店账户所在国家/地区而异）。Adapty 目前在同期群分析中同时支持 App Store 和 Play Store 的手续费及税费计算。
有关 Adapty 如何在分析中计算税费和手续费的详细信息，请参阅我们的[文档](controls-filters-grouping-compare-proceeds#display-gross-or-net-revenue)。
## 收入与实际收益 \{#revenue-vs-proceeds\}

收入（Revenue）和实际收益（Proceeds）都是金额类指标。你可以把收入理解为毛收入，实际收益理解为净收入。收入不扣除 App Store / Play Store 手续费，而实际收益已扣除，因此实际收益始终低于收入。

实际扣除的佣金比例受多种因素影响，包括是否符合[小型企业计划](app-store-small-business-program)资格（15%）、长期订阅的优惠费率（续订满一年后降至 15%）、特定国家/地区费率，以及标准费率（最高 30%）。
Adapty 会自动确定每笔交易适用的佣金率，并据此计算收益。有关佣金率确定方式的更多信息，请参阅[商店佣金与税费](controls-filters-grouping-compare-proceeds#display-gross-or-net-revenue)文档。
## 退款处理 \{#refund-handling\}

以下两条规则适用于所有同期群数据图表：

- 退款以**退款发生日期**计入统计，而非原始购买日期。只有当退款日期落在所选时间范围内时，才会影响相应同期群。
- 退款不会将用户移出其所属同期群，也不会改变安装量。用户安装应用时，其同期群归属即已固定。

除上述规则外，退款的具体影响还取决于所用数据图表及[查看模式](#cohorts-by-renewals-or-by-days)。请参阅您所使用模式对应列的说明。
| 数据图表 | 按续订次数 | 按天数 |
| --- | --- | --- |
| 安装量（同期群规模） | 不受影响。用户保留在其同期群中。 | 与"按续订次数"相同。 |
| 订阅量 | 已退款的订阅仍计入统计。 | 退款会将该订阅从计数中移除。 |
| 付费用户数 | 已退款的付费用户仍计入统计。 | 退款会将该用户从计数中移除，即使其存在其他成功付款记录。 |
| 收入 | 退款金额从最初计入付款的续订周期列中扣除。 | 退款金额从退款日起向后扣除。 |
| ARPU | 收入 / 安装量。退款会降低收入，安装量不变。 | 与"按续订次数"相同。 |
| ARPPU | 收入 / 付费用户数。退款可同时降低收入和付费用户数，因此 ARPPU 的波动幅度可能大于单纯的收入变化。 | 与"按续订次数"相同。 |
| ARPAS | 收入 / 活跃订阅者数。退款会降低收入，订阅者数量不变。 | 与"按续订次数"相同。 |
| 留存率 | 不受影响。仅统计试用和购买事件，不统计退款。 | 与"按续订次数"相同。 |
退款会从收入中扣除退款金额，无论当前使用哪种收入核算模式。
### 转化率与 ARPPU \{#conversion-rate-and-arppu\}

退款不会影响基于安装量的转化率，因为安装数量本身不会改变。基于付费用户的转化率则不同：在**按天**视图中，退款会降低转化率；但在**按续订**视图中不会。
在**按续订次数**视图中，Revenue 列和 Payers 列各自只显示单个周期的数据。ARPPU 列则不同——每个 ARPPU 单元格会将该同期群从第一个周期到当前列所在周期的所有数据累加在一起。因此，ARPPU 始终涵盖多个周期，并且不包含已退款的用户。正因如此，用单个周期的 Revenue 除以该周期的付费用户数，是无法还原出所显示的 ARPPU 值的。

**示例。** 某用户在 2 月安装应用并购买了订阅，随后在 4 月收到全额退款。查看 2 月同期群的**按天**视图时：
- 时间段为二月至三月（退款进入窗口期之前）：该用户计为 1 名付费用户，其收入全额计入。
- 时间段为二月至六月（退款进入窗口期之后）：该用户计为 0 名付费用户，其收入降至 0。

在两个时间段内，二月的安装数量和留存率保持不变。

[各数据图表如何处理退款](refund-events#how-metrics-handle-refunds)一文对比了退款规则在 MRR、收入数据图表和数据导出中的处理方式。
## 趋势预测：营收与 LTV \{#prediction-revenue-and-ltv\}

**预测营收**是指一批付费订阅用户在同期群创建后的选定周期内，预计产生的总收入。计算方式为：该同期群的预测 LTV 乘以同期群内预计付费用户数。例如，若预测 LTV 为 $50，同期群内有 100 名付费用户，则预测营收为 $5,000。
**趋势预测 LTV** 是每位付费订阅者的预估生命周期价值，代表每位付费订阅者在同期群创建后所选时间段内预计产生的平均收入。

这些预测基于历史同期群留存规律：当应用自身积累了足够的历史数据时，会优先使用该应用的数据；否则将采用跨应用的平均数据。如需了解 Adapty 趋势预测模型的详细说明，请参阅[趋势预测文档](predicted-ltv-and-revenue)。
Adapty 的同期群功能为您提供应用内用户行为和财务表现的深度洞察。通过基于续订或天数的同期群分析，您可以判断同期群何时开始盈利、追踪营收、计算每用户平均收入，并了解收回广告支出所需的时间。借助可自定义的筛选条件、数据图表和导出选项，Adapty 助您做出数据驱动的决策，优化用户获取和变现策略，实现应用的最大化成功。