cohort-analysis
ユーザーエンゲージメントデータのコホート分析を実行し、リテンション曲線・機能の採用トレンド・セグメント別インサイトを導き出します。コホート別のユーザーリテンション分析、機能採用の経時変化の調査、チャーンパターンの解明、エンゲージメントトレンドの特定などの場面で活用できます。
description の原文を見る
Perform cohort analysis on user engagement data — retention curves, feature adoption trends, and segment-level insights. Use when analyzing user retention by cohort, studying feature adoption over time, investigating churn patterns, or identifying engagement trends.
SKILL.md 本文
コーホート分析とリテンション探索
目的
ユーザー行動、機能採用、長期的なエンゲージメントのトレンドを特定するために、コーホート別のユーザーエンゲージメントとリテンションパターンを分析します。定量的なインサイトと定性的なリサーチ推奨を組み合わせます。
仕組み
ステップ1: データの読み込みと検証
- CSV、Excel、JSON形式のユーザーコーホート情報ファイルを受け入れ
- データ構造を検証: コーホート識別子、時間期間、エンゲージメント指標
- 欠損値とデータ品質の問題をチェック
- 主要統計を要約 (コーホートサイズ、日付範囲、利用可能な指標)
ステップ2: 定量分析を生成
- コーホートリテンション率とエンゲージメントトレンドを計算
- リテンションカーブ、ドロップオフパターン、異常値を特定
- コーホート全体での機能採用率を計算
- 月別または期間別の変化を計算
- 要求に応じて pandas と numpy を使用した Python分析スクリプトを生成
ステップ3: 可視化を作成
- リテンションヒートマップ (コーホート vs. 時間期間) を生成
- コーホート進行を示すラインチャートを作成
- 機能採用の比較チャートを構築
- ドロップオフポイントとエンゲージメントトレンドを可視化
- インタラクティブチャートまたは静止画像として出力
ステップ4: インサイトとパターンを特定
- 1つ以上の重要なパターンを発見:
- 特定のコーホートでの早期チャーン
- 後期段階のエンゲージメント変化
- 機能採用クラスター
- 季節的または時間的トレンド
- 驚くべき調査結果と偏差をハイライト
- コーホートパフォーマンスを比較してベースラインを確立
ステップ5: フォローアップリサーチを提案
- 定性的リサーチ方法を推奨:
- チャーンユーザーとのターゲット化されたユーザーインタビュー
- エンゲージメント高いコーホートでの機能利用調査
- 主要インタラクションパターンのセッションリプレイ
- リテンション高・低いコーホート間のWin/Loss分析
- フォローアップ定量調査を設計
- A/Bテストまたは機能実験を提案
使用例
例1: CSVデータのアップロード
cohort_engagement.csv をアップロード。以下の列を含む: cohort_month, weeks_active,
user_id, feature_x_usage, engagement_score
リクエスト: 「リテンションパターンを分析し、Q4 2025 のコーホートが
Q3 と比べてパフォーマンスが低い理由を特定してください」
例2: データフォーマットを説明
「2025年1月〜12月の月別ユーザーコーホートがあります。各行は以下を示します:
コーホート日付、ユーザーID、購入頻度、サポートチケット。
どのコーホートが最良の長期リテンションを示しているかを分析してください。」
例3: 機能採用分析
feature_usage.xlsx をコーホート採用データでアップロード。
リクエスト: 「新機能の採用曲線をコーホート全体で比較してください。
どのコーホートが最速で採用しましたか? パターンはありますか?」
主要機能
- データ読み込み: CSV、Excel、JSON、SQLクエリ結果をインポート
- リテンション分析: 時間経過に伴うリテンション率を計算・可視化
- コーホート比較: コーホートグループ間でメトリクスを比較
- 異常検知: 異常なパターンやドロップオフをフラグ付け
- Pythonスクリプト: 継続的な分析用の再利用可能な分析コードを生成
- 可視化: ヒートマップ、チャート、インタラクティブダッシュボードを作成
- リサーチデザイン: ターゲット化されたフォローアップ研究とインタビューアプローチを提案
- 統計サマリー: 定量的メトリクスと相関分析を提供
最良の結果を得るためのコツ
- 時間次元を含める: 複数の時間期間にわたるデータを提供
- コーホートを明確に定義: コーホートグループ化を明示 (サインアップ月、機能ローンチ日など)
- コンテキストを提供: この期間中の製品変更、ローンチ、イベントを説明
- 複数のメトリクス: リテンション、エンゲージメント、機能利用、収益などを含める
- 充分なデータ: 意味のあるパターン特定のため最低3〜4つのコーホート
- 具体的な出力をリクエスト: 可視化、Pythonスクリプト、またはリサーチ推奨を要求
出力形式
以下を受け取ります:
- データサマリー: コーホート概要とデータ品質評価
- 定量的調査結果: 主要メトリクス、リテンション率、トレンド分析
- 可視化: リテンションカーブと採用パターンを示すチャート
- パターン特定: データから得られた2〜3個の重要なインサイト
- リサーチ推奨: 特定の定性的・定量的フォローアップ
- 分析スクリプト (要求時): 再現可能な分析用のPythonコード
- 次のステップ: 調査結果に基づくプライオリティ付けされたアクション
さらに詳しく
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- phuryn
- リポジトリ
- phuryn/pm-skills
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/phuryn/pm-skills / ライセンス: MIT
関連スキル
hugging-face-trackio
Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録（Python API）、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析（CLI）が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。
btc-bottom-model
ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス（4指標、32ポイント）とウィークリー構造（9指標、68ポイント）の2カテゴリーにわたる13の指標を追跡し、0～100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR（LTH+STH）、LTH供給率、移動平均倍率（365日MA、200週MA）、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。
protein_solubility_optimization
タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。
research-lookup
Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。
tree-formatting
ggtree（R）またはiTOL（ウェブ）を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定（protein-phylogenyスキルを使用）やドメイン注釈（今後の独立したスキル）には使用しないでください。
querying-indonesian-gov-data
インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH（ハラール認証）、BOM（食品安全）、OJK（金融適正性）、BPS（統計）、BMKG（気象・地震）、インドネシア中央銀行（為替レート）、IDX（株式）、CKAN公開データポータル、pasal.id（第三者法MCP）に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。