01ภาพรวมของกราฟนี้
Cohort heatmap จัดข้อมูลเป็นตารางที่แถวคือกลุ่มที่เริ่มพร้อมกันและคอลัมน์คือจำนวนเดือนนับจากเริ่ม การจัดแบบนี้แยกสองเรื่องที่มักปนกันออกจากกัน คือผลของ "รุ่น" กับผลของ "อายุ" ซึ่งกราฟเส้นรวมทั้งหมดไว้ด้วยกันจนวิเคราะห์ไม่ได้
เปรียบเทียบให้เห็นภาพ
เหมือนตารางที่ติดตามนักเรียนแต่ละรุ่นว่าเหลือกี่คนในปีที่ 1 2 3 โดยจัดให้ปีการศึกษาของแต่ละรุ่นตรงกัน แทนที่จะดูตามปีปฏิทิน
ใช้ที่ไหนบ้าง — อัตราการคงอยู่ของผู้ใช้แยกตามเดือนที่สมัคร การใช้งานซ้ำของลูกค้าแยกตามรุ่น หรือการคงอยู่ของพนักงานแยกตามปีที่เข้าทำงาน
สร้างอย่างไร
- ขั้นที่ 1แบ่งสมาชิกเป็นรุ่นตามช่วงที่เริ่ม
- ขั้นที่ 2นับว่าแต่ละรุ่นเหลือกี่คนในแต่ละเดือนหลังเริ่ม
- ขั้นที่ 3จัดเป็นตารางที่แถวคือรุ่นและคอลัมน์คืออายุ
- ขั้นที่ 4ระบายสีตามอัตราการคงอยู่
ตัวอย่างคลาสสิก · Cohort analysis ในการวิเคราะห์การเติบโตของผลิตภัณฑ์
ทีมผลิตภัณฑ์ใช้ตารางรุ่นเป็นเครื่องมือหลักเพราะมันตอบคำถามที่ตัวเลขผู้ใช้รวมตอบไม่ได้ คือ "การปรับปรุงที่เราทำไปได้ผลไหม" การเทียบรุ่นก่อนและหลังการปรับปรุงที่อายุเท่ากันเป็นการเปรียบเทียบที่เป็นธรรมกว่าการดูตัวเลขรวมที่ปนผลของการได้ผู้ใช้ใหม่เข้าไปด้วย
02อธิบายภาษาคนเข้าใจง่าย ๆ
ถ้าดูจำนวนผู้ใช้ที่ยังใช้งานตามเดือนปฏิทิน เราจะแยกไม่ออกเลยว่าตัวเลขที่ตกลงมาจากการที่ผู้ใช้เก่าเลิกใช้ หรือมาจากการที่เดือนนั้นได้ผู้ใช้ใหม่น้อย
ตารางรุ่นแก้ด้วยการเปลี่ยนแกน แทนที่คอลัมน์จะเป็นเดือนปฏิทิน ก็เปลี่ยนเป็น "เดือนที่เท่าไรนับจากวันที่สมัคร" ทำให้ทุกรุ่นเริ่มต้นที่คอลัมน์เดียวกัน
ทันทีที่จัดแบบนี้ รูปแบบสองชั้นก็แยกออกจากกัน อ่านตามแถวคือดูว่ารุ่นหนึ่งค่อย ๆ หายไปอย่างไร ส่วนอ่านตามคอลัมน์คือเทียบว่ารุ่นไหนอยู่ทนกว่ากันที่อายุเท่ากัน
ข้อค้นพบที่กราฟนี้ให้บ่อยที่สุดคือการเปรียบเทียบที่เป็นธรรม เพราะมันเทียบรุ่นที่อายุเท่ากัน ไม่ใช่เทียบรุ่นเก่าที่ผ่านมานานกับรุ่นใหม่ที่เพิ่งเริ่ม
มุมขวาล่างของตารางจะว่างเสมอ เพราะรุ่นใหม่ยังไม่ผ่านเวลามาพอ ซึ่งเป็นเรื่องปกติ ไม่ใช่ข้อมูลขาด แต่ต้องเขียนบอกเพราะคนมักเข้าใจผิด
03ข้อมูลที่ต้องใช้
คอลัมน์ที่ต้องเตรียม
| คอลัมน์ | ทำหน้าที่ | ชนิด | เข้ารหัสด้วย | จำนวนค่าที่เหมาะ | หมายเหตุ |
|---|---|---|---|---|---|
cohort | รุ่น | มีลำดับ | y | 4–24 รุ่น | มักเป็นเดือนที่สมัคร เรียงจากเก่าไปใหม่ |
month | เดือนที่เท่าไรนับจากเริ่ม | มีลำดับ | x | 0 ถึง 12 | ★ ไม่ใช่เดือนปฏิทิน แต่คืออายุของรุ่น |
retention | อัตราการคงอยู่ | ตัวเลขต่อเนื่อง | color | 0 ถึง 100 | มักเป็นเปอร์เซ็นต์เทียบกับเดือนที่ศูนย์ |
ต้องเตรียมข้อมูลอย่างไรก่อนวาด
- แบ่งสมาชิกเป็นรุ่นตามช่วงที่เริ่ม
- คำนวณอัตราการคงอยู่เทียบกับเดือนที่ศูนย์ของรุ่นนั้นเอง
- ระบุขนาดของแต่ละรุ่นไว้ข้างชื่อแถว
ค่าที่หายไป — ช่องมุมขวาล่างที่ว่างเพราะรุ่นใหม่ยังไม่ถึงเวลา ต้องแสดงเป็นช่องว่างที่ต่างจากศูนย์ชัดเจนและเขียนอธิบาย
สเกลของแกน — เฉดเดียวอ่อนไปเข้ม และควรตรึงช่วงสีไว้ที่ 0 ถึง 100% เพื่อให้เทียบข้ามตารางได้
กราฟจะเริ่มพังเมื่อไร
เกิน 24 รุ่นหรือ 18 เดือน ช่องจะเล็กจนอ่านตัวเลขไม่ได้
หน้าตาไฟล์ที่ต้องเตรียม
cohort,month,retention
2025-01,0,100
2025-01,1,67.8
…04อ่านแล้วเห็นอะไร
สิ่งที่เห็นได้จากภาพ
- รุ่นไหนอยู่ทนกว่าเมื่อเทียบที่อายุเท่ากัน
- เดือนที่คนหลุดมากที่สุดของทุกรุ่น
- แนวโน้มว่ารุ่นใหม่ดีขึ้นหรือแย่ลงกว่ารุ่นเก่า
- คอลัมน์ที่ค่าตกทุกรุ่นพร้อมกัน ซึ่งมักเป็นเหตุการณ์ภายนอก
สิ่งที่กราฟนี้ตอบไม่ได้
- ไม่บอกว่าทำไมคนถึงหลุด
- ไม่บอกว่าคนที่หลุดไปแล้วกลับมาใหม่หรือไม่ เว้นแต่จะนิยามการคงอยู่ให้ครอบคลุม
อ่านตามลำดับนี้
- อ่านตามแถวเพื่อดูว่ารุ่นหนึ่งหายไปอย่างไร
- อ่านตามคอลัมน์เพื่อเทียบรุ่นที่อายุเท่ากัน
- มองหาแนวทแยงที่สีต่างจากรอบข้าง ซึ่งคือเหตุการณ์ตามปฏิทิน
คำถามที่ตอบได้
- รุ่นไหนคุณภาพดีที่สุด
- คนหลุดมากที่สุดในเดือนที่เท่าไร
- การปรับปรุงที่ทำไปได้ผลกับรุ่นใหม่ไหม
สัญญาณว่ามีอะไรผิด
- ช่องว่างมุมขวาล่างถูกเติมเป็นศูนย์ ทำให้ดูเหมือนคนหายหมด
- ไม่บอกขนาดของแต่ละรุ่น ทำให้รุ่นเล็กที่แกว่งแรงดูน่าเชื่อถือเท่ารุ่นใหญ่
05เหมาะกับการนำเสนอแบบไหน
ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย
- เขียนขนาดของแต่ละรุ่นไว้ข้างชื่อแถว
- อธิบายว่าคอลัมน์คือจำนวนเดือนนับจากสมัคร ไม่ใช่เดือนปฏิทิน
- อธิบายว่าช่องว่างมุมขวาล่างแปลว่ายังไม่ถึงเวลา
รูปแบบชื่อกราฟที่ควรใช้
รุ่น <รุ่น> คงอยู่ <เปอร์เซ็นต์> ที่เดือนที่ <เดือน> ดีกว่ารุ่นก่อนหน้าที่ <เปอร์เซ็นต์>
06เอาไปใช้ต่อ
โค้ดทุกชิ้นอ่านไฟล์ cohort-heatmap-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง
# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด cohort-heatmap-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg") # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a" # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"
df = pd.read_csv("cohort-heatmap-sample.csv")
df["month"] = pd.to_numeric(df["month"], errors="coerce")
df["retention"] = pd.to_numeric(df["retention"], errors="coerce")
NOTE = "column" # ← ค่าจาก Playground
fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)
pivot = df.pivot(index="cohort", columns="month", values="retention")
im = ax.imshow(pivot, cmap="Blues", vmin=0, vmax=100, aspect="auto") # ตรึงช่วงสีไว้ 0-100
ax.set_xticks(range(len(pivot.columns)))
ax.set_xticklabels([f"เดือนที่ {c}" for c in pivot.columns], fontsize=8, rotation=30, ha="right")
ax.set_yticks(range(len(pivot.index))); ax.set_yticklabels(pivot.index, fontsize=9)
for i in range(len(pivot.index)):
for j in range(len(pivot.columns)):
v = pivot.iloc[i, j]
if not np.isnan(v): # ช่องว่าง = ยังไม่ถึงเวลา ไม่ใช่ศูนย์
ax.text(j, i, f"{v:.0f}", ha="center", va="center", fontsize=8,
color="white" if v > 55 else INK)
ax.set_xlabel("จำนวนเดือนนับจากสมัคร (ไม่ใช่เดือนปฏิทิน)")
ax.spines[["top", "right"]].set_visible(False) # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("cohort-heatmap.png", dpi=160)
print("เขียน cohort-heatmap.png แล้ว ·", len(df), "แถว")07ลองเล่นเพื่อเข้าใจ
มุมขวาล่างว่างเพราะรุ่นใหม่ยังไม่ผ่านเวลามาพอ ไม่ใช่เพราะคนหายหมด
ดูข้อมูลเป็นตาราง (8 แถว)
| รุ่น | เดือน 0 | เดือน 1 | เดือน 2 | เดือน 3 | เดือน 4 | เดือน 5 | เดือน 6 | เดือน 7 |
|---|---|---|---|---|---|---|---|---|
| 2025-01 | 100.0% | 67.8% | 49.2% | 35.9% | 28.9% | 21.0% | 13.9% | 9.9% |
| 2025-02 | 100.0% | 69.3% | 49.5% | 36.0% | 25.5% | 17.9% | 11.8% | — |
| 2025-03 | 100.0% | 72.0% | 46.9% | 37.4% | 22.8% | 18.4% | — | — |
| 2025-04 | 100.0% | 62.5% | 47.4% | 41.0% | 25.2% | — | — | — |
| 2025-05 | 100.0% | 61.7% | 44.7% | 36.4% | — | — | — | — |
| 2025-06 | 100.0% | 74.3% | 58.2% | — | — | — | — | — |
| 2025-07 | 100.0% | 62.5% | — | — | — | — | — | — |
| 2025-08 | 100.0% | — | — | — | — | — | — | — |
ลองแล้วจะเห็นอะไร
- สังเกตอะไร: อ่านลงตามคอลัมน์ "เดือนที่ 3" จะเห็นว่ารุ่นไหนดีกว่ากันอย่างเป็นธรรม เพราะเทียบที่อายุเท่ากัน ซึ่งกราฟเส้นรายเดือนปฏิทินทำไม่ได้
ข้อควรระวัง
- ★ เติมช่องว่างมุมขวาล่างเป็นศูนย์ ทำให้ดูเหมือนคนหายหมดทั้งที่แค่ยังไม่ถึงเวลา
- ไม่อธิบายว่าคอลัมน์คืออายุไม่ใช่เดือนปฏิทิน ซึ่งเป็นความเข้าใจผิดที่พบบ่อยที่สุด
- ไม่บอกขนาดของแต่ละรุ่น ทำให้รุ่นเล็กที่แกว่งแรงดูน่าเชื่อถือเท่ารุ่นใหญ่
- ปรับช่วงสีตามข้อมูลแทนที่จะตรึงไว้ ทำให้เทียบข้ามตารางไม่ได้
เมื่อไหร่ไม่ควรใช้กราฟนี้
- ไม่มีแนวคิดเรื่องรุ่นที่เริ่มพร้อมกัน→ใช้แทน: line-chart
- มีรุ่นเดียว→ใช้แทน: line-chart ของอัตราการคงอยู่
- สนใจการย้ายระหว่างสถานะ→ใช้แทน: alluvial-diagram