更新时间：2025年12月12日
同类群组探索是GA4中最重要的用户留存分析工具之一，可以帮助我们了解不同时间进入产品的用户，在后续几天、几周或几个月中的活跃情况。
相比只看整体留存率，同类群组探索能够回答更多问题，例如：
- 哪个广告渠道带来的用户留存最好？
- 新版本上线后是否导致用户流失？
- 新用户通常在哪一周开始大量流失？
- 哪次营销活动带来的用户更有价值？
因此，同类群组不只是留存分析，更是产品优化、运营分析和广告投放评估的重要工具。
什么是同类群组探索？
同类群组分析（Cohort Analysis），又称留存分析（Retention Analysis），是按照用户的某个共同特征，将用户划分为不同群组，再持续观察这些群组后续行为变化的一种分析方法。
GA4 支持根据不同条件建立留存，例如：
- 首次访问网站
- 首次打开 App
- 首次购买
- 首次完成某个事件
- 首次完成转化
随后再观察这些用户：
- 是否继续回来？
- 是否继续购买？
- 是否持续完成目标事件？
这就是同类群组分析的核心。
常见应用场景
实际工作中，同类群组探索通常用于以下几类分析：
分析不同广告渠道的用户质量
比较 Google Ads、Facebook Ads、SEO、Email 等不同渠道带来的用户留存率。
留存越高，通常代表：
- 用户质量越高
- 获取成本更值得投入
- 生命周期价值（LTV）更高
因此可作为广告预算调整的重要依据。
验证产品改版效果
例如网站改版、APP更新、注册流程调整、支付流程优化
可以比较更新前后的留存情况，若新版用户留存明显下降，就代表此次改版可能影响用户体验。
衡量运营活动效果
例如双十一活动、黑五促销、会员活动、优惠券活动，活动结束后，可以观察：活动带来的用户是否持续回来？
如果活动结束后留存迅速下降，就说明活动只带来了短期流量。
GA4同类群组探索界面
在GA4中点击「探索」——「同类群组」后，你可以看到这样的界面：
整个界面主要由三个部分组成：变量、标签设置和报告。
变量
这里的变量并不是GTM里面的变量，而是指在探索里面设置报告的地方，在这个地方可以设置：
- 探索名称：用于设置当前探索报告名称。
- 时间范围：设置分析的数据范围
- 细分：用于筛选不同类型的数据，有三种类型：
- 用户细分：按照用户进行筛选，如将购买某产品的用户剥离出来
- 会话细分：按照会话进行筛选，如将访问过某个页面的会话剥离出来
- 事件细分：按照事件进行筛选，如将page_view剥离出来
- 维度：用于描述数据属性
- 指标：用于衡量数据
标签设置
标签配置主要用于美化报告，这里可以设置：
- 分析方法：用于选择探索类型。本文介绍的是同类群组，因此默认选择同类群组
- 细分比较：可以将细分拖到这里进行比较。最多可以同时使用4个细分。
- 同类群组计入条件：决定哪些用户进入留存，有如下这些：
- 首次接触（流量获取日期）：用户首次使用您的应用或访问您的网站的时间，按GA4媒体资源衡量。
- 任何事件：用户在探索日期范围内完成的第一个事件。
- 任何交易：用户在探索日期范围内首次完成交易的时间。
- 任何转化：用户在探索日期范围内首次完成转化的时间。
- 其他：用户触发的特定事件。
- 返回条件：定义什么行为代表用户”回来了”，有如下这些：
- 任何事件：用户在探索时间段内至少完成一个事件。
- 任何交易：用户在探索时间段内至少完成一笔交易。
- 任何转化：用户在探索时间段内至少完成一次转化。
- 其他：用户在探索时间段内触发的特定事件。
- 同类群组粒度：留存周期，有“每日”、“每周”或“每月”。
- 计算类型： 数值的计算方式，有三种类型：
- 标准：只要用户在当前周期出现过，就会计入该周期。
- 滚动：只有连续回来才会保留。
- 累计：累计统计所有曾经回来过的用户。
- 细分维度：这里的细分维度是在同个时间周期上做进一步拆分，对比，比较少用
- 值：用于放置指标，就是报告里显示的数值，目前只支持活跃用户数、事件数、用户总数，交易量，购买收入。
- 指标表达类型：留存图中的数据是按数值还是按百分比显示v
报告
报告就是是最终的数据展示区域，不同可视化类型，对应不同的展示效果。
注意：你可能会看到周0百分比并不是100%，周0的数值是去重，而分母是各周的直接加总。
理解同类群组探索里的三种计算类型
同类群组有三种计算类型
标准
标准是只要在该周期内出现过就计算，标准就是默认的：
如周三里是3，那只要在这一天出现就计算。
回滚
滚动是要连续出现才计算。
如周二里的2，一定是在周一里就出现过的，也就是属于周一里的68。
累计
累计是算出现的累计值。
只要出现过，就累加进去，所以数值是不断增加的。
将留存改成百分比形式
同类群组里默认是显示数值型的数据，不够直观，我一般是看百分比的，可以在指标表达式类型里设置：
如何解读留存分析？（实战思路）
真正有价值的不是报告本身，而是如何解读数据。
下面介绍三个最常见的分析方法。
找到用户大量流失的关键时间点（Magic Week）
很明显：第二至第三周出现了最大的流失。这就是所谓的 Magic Week（关键留存节点）。
针对这一时间点，可以提前进行运营干预，目标就是让用户顺利度过最容易流失的阶段。
验证产品改版是否影响留存
如果版本更新当天之后：次日留存明显下降且渠道没有变化，则很可能是新版用户体验下降导致，应：持续观察 2–3 天，若仍未回升 → 考虑回滚版本
比较不同渠道用户质量
可以用细分比较分对比不同渠道得了留存对比用户评估渠道的质量，用于给广告费用分配做支持，或新增再营销对整体留存的影响。
同类群组探索的限制
目前 GA4 同类群组探索存在以下限制：
- 同类群组探索最多可显示60个同类群组。
- 应用细分维度时，最多可显示相应维度的前15个值。
- 受众特征维度受限额限制。如果同类群组中的用户数过少，导致无法对其进行匿名化处理，系统不会将这些用户作为探索对象。
总结
GA4 的同类群组探索最大的价值，不在于生成一张留存表，而是在于帮助你回答三个关键问题：
- 用户什么时候最容易流失？
- 哪些渠道带来的用户价值最高？
- 产品更新或运营活动是否真正提升了留存？
当你同类群组探索与 渠道分析、漏斗分析、自由形式探索结合使用时，就能更完整地了解用户从获取、转化到留存的整个生命周期，为产品优化、运营策略和广告投放提供更有价值的数据支持。
