cohort-analysis
Über
Diese Fähigkeit ermöglicht kohortenbasierte Analyse der Nutzerbindung zur Messung von Kundenlebenszyklusmustern und Engagement-Trends. Sie hilft Entwicklern, die Kundenbindung zu verfolgen, Akquisitionskohorten zu vergleichen und Abwanderungsrisiken über die Zeit zu identifizieren. Nutzen Sie sie bei der Analyse von Produktauswirkungen, der Schätzung des Customer Lifetime Value (LTV) oder dem Verständnis von Verhaltensmustern verschiedener Nutzergruppen.
Schnellinstallation
Claude Code
Empfohlennpx skills add guia-matthieu/clawfu-skills -a claude-code/plugin add https://github.com/guia-matthieu/clawfu-skillsgit clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/cohort-analysisKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
Dokumentation
Cohort Analysis
Analyze retention and behavior patterns by grouping users into cohorts - understand how different customer groups behave over time.
When to Use This Skill
- Retention tracking - Measure how users stick around over time
- Acquisition analysis - Compare cohorts from different channels
- Product changes - Measure impact on user behavior
- Churn prediction - Identify at-risk cohorts
- LTV estimation - Project customer lifetime value
What Claude Does vs What You Decide
| Claude Does | You Decide |
|---|---|
| Structures analysis frameworks | Metric definitions |
| Identifies patterns in data | Business interpretation |
| Creates visualization templates | Dashboard design |
| Suggests optimization areas | Action priorities |
| Calculates statistical measures | Decision thresholds |
Dependencies
pip install pandas plotly click
Commands
Retention Analysis
python scripts/main.py retention data.csv --date-col signup --event-col purchase
python scripts/main.py retention data.csv --date-col signup --periods week
Visualize Cohorts
python scripts/main.py visualize cohorts.csv --output retention_chart.html
Export Report
python scripts/main.py report data.csv --date-col signup --event-col active --output report.html
Examples
Example 1: Analyze User Retention
python scripts/main.py retention users.csv --date-col signup_date --event-col last_active
# Output:
# Cohort Retention Analysis
# ──────────────────────────────────
# Cohort Users M1 M2 M3 M4
# Jan 2024 1,234 65% 48% 42% 38%
# Feb 2024 1,456 62% 45% 41% --
# Mar 2024 1,321 68% 52% -- --
# Apr 2024 1,567 64% -- -- --
#
# Avg Retention: 65% → 48% → 42% → 38%
# Best Cohort: Mar 2024 (68% M1)
Example 2: Generate Visual Report
python scripts/main.py report transactions.csv \
--date-col signup \
--event-col purchase_date \
--output retention_report.html
# Generates interactive HTML with:
# - Retention heatmap
# - Cohort size chart
# - Trend analysis
Cohort Table Format
| Cohort | Size | Period 0 | Period 1 | Period 2 | Period 3 |
|---|---|---|---|---|---|
| 2024-01 | 1234 | 100% | 65% | 48% | 42% |
| 2024-02 | 1456 | 100% | 62% | 45% | - |
| 2024-03 | 1321 | 100% | 68% | - | - |
Skill Boundaries
What This Skill Does Well
- Structuring data analysis
- Identifying patterns and trends
- Creating visualization frameworks
- Calculating statistical measures
What This Skill Cannot Do
- Access your actual data
- Replace statistical expertise
- Make business decisions
- Guarantee prediction accuracy
Related Skills
- ab-test-stats - Test retention experiments
- funnel-analyzer - Analyze conversion funnels
Skill Metadata
- Mode: centaur
category: analytics
subcategory: retention
dependencies: [pandas, plotly]
difficulty: intermediate
time_saved: 4+ hours/week
GitHub Repository
Verwandte Skills
executing-plans
DesignVerwenden Sie die Fähigkeit "executing-plans", wenn Sie einen vollständigen Implementierungsplan zur Ausführung in kontrollierten Batches mit Überprüfungspunkten vorliegen haben. Sie lädt den Plan und überprüft ihn kritisch, führt dann Aufgaben in kleinen Batches (standardmäßig 3 Aufgaben) aus und meldet den Fortschritt zwischen jedem Batch zur Überprüfung durch den Architekten. Dies gewährleistet eine systematische Implementierung mit integrierten Qualitätskontrollpunkten.
requesting-code-review
DesignDiese Fähigkeit sendet einen Unteragenten für Code-Review, um Codeänderungen anhand der Anforderungen zu analysieren, bevor fortgefahren wird. Sie sollte nach dem Abschließen von Aufgaben, der Implementierung größerer Funktionen oder vor dem Zusammenführen in den Hauptzweig verwendet werden. Die Überprüfung hilft dabei, Probleme frühzeitig zu erkennen, indem die aktuelle Implementierung mit dem ursprünglichen Plan verglichen wird.
connect-mcp-server
DesignDiese Fähigkeit bietet Entwicklern eine umfassende Anleitung, um MCP-Server über HTTP-, stdio- oder SSE-Transports mit Claude Code zu verbinden. Sie behandelt Installation, Konfiguration, Authentifizierung und Sicherheit für die Integration externer Dienste wie GitHub, Notion und benutzerdefinierter APIs. Nutzen Sie sie beim Einrichten von MCP-Integrationen, bei der Konfiguration externer Tools oder bei der Arbeit mit Claude's Model Context Protocol.
web-cli-teleport
DesignDiese Fähigkeit unterstützt Entwickler bei der Wahl zwischen Claude Code Web- und CLI-Schnittstellen basierend auf Aufgabenanalysen und ermöglicht nahtloses Session-Teleporting zwischen diesen Umgebungen. Sie optimiert den Workflow, indem sie den Sitzungsstatus und Kontext beim Wechsel zwischen Web, CLI oder Mobilgeräten verwaltet. Nutzen Sie sie für komplexe Projekte, die in verschiedenen Phasen unterschiedliche Werkzeuge erfordern.
