Δες τη διατηρηση με μια ματια με θερμικο χαρτη cohort

6.7.19

Δες τη διατηρηση με μια ματια με θερμικο χαρτη cohort

Ενημέρωση 2020-10-07 Ανάγνωση 1 λεπτά

Στην αναλυση διατηρησης, ενας θερμικος χαρτης που συνδυαζει cohort αποκτησης και μηνες που περασαν ειναι πολυ χρησιμος. Καθετες ή οριζοντιες λωριδες συχνα δειχνουν προβληματα συγκεκριμενων περιοδων.

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

cohorts = ["2024-01", "2024-02", "2024-03", "2024-04", "2024-05", "2024-06"]
months = [f"Μηνας {m}" for m in range(1, 7)]
rng = np.random.default_rng(21)
base = np.linspace(0.7, 0.4, num=6)
matrix = np.vstack(
    [
        np.clip(base - idx * 0.03 + rng.normal(0, 0.01, size=base.size), 0.1, 0.9)
        for idx in range(len(cohorts))
    ]
)

fig, ax = plt.subplots(figsize=(6.4, 3.8))
im = ax.imshow(matrix, cmap="YlGnBu", vmin=0, vmax=1)

ax.set_xticks(range(len(months)), labels=months)
ax.set_yticks(range(len(cohorts)), labels=cohorts)
ax.set_title("Θερμικος χαρτης cohort διατηρησης συνδρομων")

for i in range(matrix.shape[0]):
    for j in range(matrix.shape[1]):
        ax.text(j, i, f"{matrix[i, j]*100:.0f}%", ha="center", va="center", fontsize=9)

cbar = fig.colorbar(im, ax=ax, fraction=0.045, pad=0.02)
cbar.set_label("Ποσοστο διατηρησης")
ax.set_xlabel("Μηνες απο την αποκτηση")
ax.set_ylabel("Cohort αποκτησης")

fig.tight_layout()

plt.show()

Τα μοτιβα λωριδων μπορουν να αποκαλυψουν προβληματα περιοδου.

Συμβουλες αναγνωσης #

  • Αν ενα cohort πεφτει αποτομα, ισως υπηρξε προβλημα στον μηνα αποκτησης.
  • Οι οριζοντιες αλλαγες χρωματος δειχνουν θεματα στον κυκλο ζωης του προϊοντος.
  • Η εμφανιση ποσοστων βοηθα να μην βασιζεσαι μονο στο χρωμα.