Когорта что это в бизнесе

Когортный анализ — это один из методов исследования поведения потребителей. Он показывает, как ведут себя узкие группы людей (когорты), которые совершили определенное действие в какой-то конкретный промежуток времени.

Это позволяет маркетологам выявить закономерности, которые могут быть неясны при рассмотрении общих данных, а также понять поведение конкретных групп клиентов.

Пользователи подписались на рассылку в период с 1 по 30 мая, и мы объединили их в одну когорту. Одинаковым действием стала подписка на рассылку, одинаковым временем — период с 1 по 30 мая.

Для чего нужен когортный анализ

Когортный анализ помогает составить более полную картину о результатах кампаний и продвижении бизнеса. С его помощью можно выявить закономерности, чтобы улучшить клиентский опыт и понять, какие недочеты стоит исправить.

Он особо ценен для понимания эффективности маркетинговых мероприятий, поскольку позволяет определить, какие источники обеспечивают наибольшее количество конверсий и продаж. Это помогает бизнесу вовремя скорректировать стратегию продвижения.

Похожим образом работает сегментация, когда аудиторию разделяют на сегменты по схожим характеристикам (возраст, пол, место проживания, интересы и прочее). Затем отслеживают, как ведёт себя определённый сегмент и с учётом его поведения улучшают коммерческое предложение, маркетинговую стратегию, путь клиента.

Однако между когортным анализом и сегментацией есть существенная разница:

• При анализе когорт исследуют, как ведут себя пользователи с разными характеристиками, но с одинаковым опытом — совершившие одно и то же действие в одно и то же время.
• При анализе сегментов анализируют конечный результат группы пользователей со схожими характеристиками, которые совершали разные действия в разное время.

• Посетили сайт в течение мая, перейдя по ссылке из письма.
• Попали на сайт в течение мая из соцсетей.
• Стали посетителями в течение мая, перейдя по контекстной рекламе.

При когортном анализе мы изучаем, как меняется определенная метрика в зависимости от поведения пользователей. В итоге можно более чётко определить ошибки, недоработки и слабые места с учётом конкретного действия. Наблюдая поведение людей в когортах, можно оценить эффективность маркетинговых мероприятий.

Маркетолог оценивает эффективность рекламной кампании, запущенной в январе. Для этого пользователей, перешедших по рекламе в течение месяца, он объединил в когорту. Далее стал отслеживать по месяцам изменение ROI (показатель возврата инвестиций) относительно этой когорты.

Временной период	Размер когорты	ROI по месяцам (%)
		Январь	Февраль	Март	Апрель
Январь 2020 года	315	5	56	110,20	186,35

Анализ результатов за январь показал плохой ROI — всего 5%. Кампания фактически оказалась провальной, но маркетолог продолжил наблюдение за созданной когортой. В итоге к апрелю ROI существенно вырос. Некоторым клиентам из когорты понадобилось почти четыре месяца на принятие решения. Значит, кампания, изначально казавшаяся неудачной, была эффективной.

Если рекламная кампания продолжает действовать в феврале, маркетолог может дополнительно создать февральскую когорту и сравнить результаты разных групп пользователей.

Временной период	Размер когорты	ROI по месяцам (%)
		Январь	Февраль	Март	Апрель
Январь 2020 года	315	5	56	110,20	186,35
Февраль 2020 года	385	—	87	97	198

Анализ показал, что как и в случае с первой когортой, для второй когорты ROI увеличивался постепенно. Некоторым клиентам потребовалось время на принятие решения.

Этапы когортного анализа

Когортный анализ включает в себя следующие этапы:

1. Определение метрики.
2. Формирование когорт.
3. Сравнение когорт и анализ метрик.

Для проведения когортного анализа необходимо определить:

• Признак когорты — действие для включения в группу . Когорты можно объединять по любому действию, реакцию на которое нужно проанализировать. Например, посещение сайта, оформление заказа, получение консультации. Главное, чтобы пользователи одной когорты совершили одинаковое действие.
• Размер когорты — период совершения действия . Формировать когорты можно по разным периодам. Например, за день, неделю, месяц и более.
• Отчётное время — длительность анализа когорты . Отслеживать поведение участников когорты можно в течение любого времени до получения необходимых данных.
• Ключевой показатель — метрика для анализа . С помощью когортного анализа можно анализировать любой показатель (метрику), который меняется с течением времени. Например, конверсию, объём продаж, средний цикл жизни клиента, изменение количества пользователей по времени и прочее.

Когда когорты сформированы, остаётся сравнить их по метрике. При анализе мы выявляем отличия и объясняем модель поведения, характерную для конкретной когорты.

Одновременно можно создавать несколько когорт. Часто для анализа создают несколько групп пользователей с разницей по времени совершения одинакового действия. Затем сравнивают поведение этих групп.

Например, чтобы отследить окупаемость рекламной кампании, можно создать одну когорту, проанализировать её поведение на протяжении нескольких месяцев и рассчитать итоговый показатель.

А для расчёта длительности пути клиента от первого посещения до покупки, лучше создать несколько когорт с одинаковым действием и разным временем. Можно отследить поведение разных когорт и посчитать средний показатель.

Создаём когорту пользователей, которые впервые посетили сайт (действие) с 1 по 7 мая (период). Отслеживать поведение когорты будем за три месяца (длительность). А анализировать будем конверсию в заявку (метрика).

Для сравнения создадим ещё две когорты с аналогичным действием, но другими периодами — с 7 по 13 мая и с 13 по 19 мая.

Далее будем сравнивать, как меняется показатель конверсии — какие есть отличия и совпадения между когортами. По результатам определяем, что нужно исправить или улучшить.

Рассмотрим подробнее каждый этап когортного анализа.

Определение метрики

В когортном анализе метрика — это регистрации, заявки, покупки, средний чек, выручка, длительность сеанса и прочее. Метрики можно поделить на два вида:

• Действенные метрики — связывают действия с результатами. Например, регистрация пользователя и последующая покупка. Такие метрики отображают реальную ситуацию, помогают найти решение и улучшить результат. Как правило, к действенным относят продуктовые метрики (маркетинговые).
• Метрики тщеславия — показывают внешний успех, но мало влияют на финансовые показатели бизнеса. К примеру, такими метриками могут быть количество просмотров страниц, число лайков в соцсетях, число подписчиков рассылки. Сами по себе такие метрики практической пользы не несут и использовать их нужно в связке с другими показателями.

Не существует правильных или неправильных метрик. При выборе метрики для исследования всегда нужно оценивать, как вы можете её использовать для развития бизнеса. Например, показатель количества подписчиков рассылки — метрика тщеславия. Однако эту метрику можно использовать, чтобы отследить динамику изменения конверсии рассылки.

Формирование когорт

Когорта в аналитике — это группа пользователей, объединенных общим признаком. Для создания когорты нужно, чтобы пользователи совершили одинаковое действие в один период времени. Для назначения стартового действия практикуют два подхода:

• По вовлечению . Например, первый визит на сайт, регистрация пользователя, установка мобильного приложения.
• По монетизации . Это может быть первая покупка, оплата заказа.

При выборе действия важно, чтобы после него появлялись данные для идентификации пользователя. Они нужны для отслеживания пользовательских действий. К примеру, если человек только скачал мобильное приложение, то никакие данные о нём неизвестны. А вот когда этот человек установит приложение, появляется необходимый минимум информации для его идентификации: IP-адрес, геолокация, персональные данные.

Как только пользователь выполнит предопределённое действие в выбранном временном интервале, он будет включён в состав когорты. Например, нужно создать когорту по регистрации на сайте за неделю. Для этого все посетители, которые зарегистрируются за это время, объединяются в группу.

Сравнение когорт и анализ метрик

Сделать когортный анализ можно вручную. Для этого выполняют следующие шаги:

1. Сбор данных. Вид данных зависит от события, выбранного в качестве действия.
2. Загрузка данных. Собранную информацию загружают в Excel, Google Docs или в другой редактор со сводной таблицей.
3. Анализ данных. Анализируют, как меняется поведение пользователя с течением времени.

• через стандартную форму на сайте;
• через лид-магнит на промо-странице;
• в соцсетях.

Для выполнения когортного анализа можно использовать функционал Google Analytics или Яндекс.Метрики . Когортный анализ в Google Analytics позволяет формировать когорты по:

• дате первого посещения;
• первому сеансу;
• первой транзакции;
• первой конверсии.

Когортный анализ в Яндекс.Метрике предусматривает формирование когорт по:

• дате установки;
• партнёрам (от кого пришла аудитория);
• трекеру (отслеживание аудитории по IP, геолокации, типу устройства и прочим параметрам).

Пример отчета по когортному анализу в Google Analytics, сформированного по дате первого посещения с отслеживанием длительности сеанса:

Когда исследуют большие массивы данных ( big data ), особенно полученных не от собственных сайтов, когортный анализ обычно выполняется с помощью Python, SQL и других подобных инструментов.

Для чего используют когортный анализ в бизнесе

Когортный анализ чаще всего применяют для решения следующих задач:

• проверки эффективности рекламных кампаний;
• отслеживания повторных посещений;
• проведения A/B-тестирования;
• выявления лояльных клиентов;
• определения сроков окупаемости каналов;
• оценки эффективности стартапов ;
• анализа эффективности разных версий мобильных приложений.

Теоретически отслеживать можно любое количество когорт по самым разным действиям. Но на практике реализация излишне масштабных планов отнимет много времени и внимания. Поэтому выбирать когорты для исследования нужно правильно.

Прежде чем начать анализ, подумайте, как вы сможете использовать полученный результат. Например, ответьте для себя на такие вопросы:

• Помогут ли полученные данные изменить/улучшить маркетинговую стратегию?
• Поможет ли анализ данных достичь поставленной цели?
• Будут ли применимы результаты исследования при разработке стратегии?

Проводите когортное исследование лишь в том случае, если понимаете, как и для чего вы будете использовать полученные результаты.

Приведём пару примеров по использованию когортного анализа в бизнесе.

Оценка эффективности разных каналов

Сравнение когорт позволяет анализировать каналы привлечения клиентов. Можно сравнить каналы, определить более эффективные и оптимизировать затраты на рекламу.

Порядок проведения анализа:

1. Зафиксировать всех новых пользователей, которые пришли на сайт в течение месяца.
2. Сформировать когорты по каналам, из которых пришли новые пользователи (впервые пришли на сайт из соцсетей, из рассылки)
3. Проанализировать поведение каждой когорты — какая часть пользователей вернулась на сайт повторно, подала заявку, сделала заказ.

Результатом анализа становятся подробные данные о состоянии каждого канала. Можно дополнительно профинансировать наиболее эффективные каналы. Для каналов с заметным спадом активности стоит пересмотреть стратегию. А от каналов, которые практически не приносят трафика и лидов, можно полностью отказаться.

Оценка эффективности стартапа (проекта)

Инвесторы используют когортный анализ при оценке новых проектов и компаний. Например, в начале года запустили интернет-магазин. Растет выручка, число покупателей, объемы новых заказов. Но так ли все хорошо, как кажется?

Для ответа на этот вопрос клиентов разбивают по когортам: январская, февральская и так далее. Следом смотрят, как меняется поведение когорот. Если старые когорты отпадают, то это сигнализирует о возможных проблемах. Например, каждый месяц число сделок и покупателей по январской когорте снижается. Такая же картина по февральской и другим когортам.

Даже если результаты проекта растут, подобная картина показывает, что лояльность клиентов низкая. Да, свежие покупатели приходят, но для этого нужно каждый месяц тратить ресурсы на рекламу и промоакции. И даже в таком случае новые клиенты не остаются.

Другой важный момент — если показатели какой-то когорты являются нетипичными, то это знак того, что к ней нужно хорошо присмотреться. Например, мартовская когорта демонстрирует отличные показатели. Тогда стоит задать себе дополнительные вопросы. Какие маркетинговые инструменты использовались в марте и как именно? Какова специфика мартовских покупателей?

Что из удачного опыта можно применить в другие периоды времени? Работа с аномальными когортами способна дать много полезной информации маркетологу.

Проведение A/B-тестов

А/В-тестирование проводят, чтобы оценить реакцию пользователей на изменение элементов веб-страницы или письма email-рассылки. Например, разработчик меняет отдельные элементы, разделяет посетителей на группы и показывает им разные варианты страниц. Маркетолог отслеживает конверсию и определяет, какой вариант страницы оказался эффективнее.

В стандартном варианте тестирование показывает зависимость конверсии от элементов страницы. Однако оно не покажет, как меняется поведение пользователей в течение определённого времени. Понять динамику поведения аудитории поможет когортный анализ.

1. Запустить B-версию страницы (сайта, рассылки) и сформировать когорту из уникальных пользователей, которые использовали только новый вариант.
2. Одновременно сформировать когорту пользователей старой A-версии страницы.
3. Сравнить конверсии с A и B версий.

Сравнительная таблица покажет не только мгновенную конверсию за несколько первых дней. Можно отследить, как меняется поведение посетителей за неделю, месяц и далее. Полученные данные покажут, какой вариант дизайна лучше привлекает клиентов.

Источник: www.unisender.com

Когорта что это в бизнесе

Представьте себе больницу, в которой есть три отделения: реанимация, стационар и морг. В первом отделении температура пациентов около 38–39, во втором — 36, в третьем — около 4. Все изначально попадают в реанимацию. Оттуда пациенты могут перемещаться в стационар или в морг, а из стационара только один путь — в морг (ну, такой вот у нас хоспис), но в стационаре они при этом проведут больше времени.

Ваша учетная система рапортует вам, что средняя температура по больнице — 37. И если она, допустим, завтра понизится до 36.8, то непонятно, что случилось: то ли стационар пополнился, то ли морг.

Проблема здесь в том, что вы не понимаете customer journey своих пользователей от реанимации до морга. А хотели бы понимать, чтобы понять эффективность работы больницы (чем выше средний срок жизни пациентов и ближе к норме их температура — тем лучше).

Когортный анализ — это способ понять то, как ведут себя ваши пользователи от момента первой встречи до расставания.

Сразу стоит оговориться, что лучше всего этот метод применим для бизнесов, которые работают с частными клиентами (B2C) либо с малым бизнесом (B2SMB), просто потому что клиентов должно быть достаточно много, хотя бы несколько десятков новых каждый месяц.

RB.RU организует встречу проекта Founders’ Mondays для начинающих и опытных предпринимателей. Дважды в месяц по понедельникам.

Правильно проведенный когортный анализ дает вам две важнейшие метрики здоровья бизнеса: ценность каждого клиента и изменение этой ценности со временем.

Что такое когорты

Когорта — это набор пользователей, которые пришли к вам в один и тот же промежуток времени. Промежутком может быть день, неделя, месяц, квартал и т.д. Длина промежутка зависит от вашего бизнеса. Например, в случае недавно вышедшей мобильной игры вы, вероятно, выберете недельный промежуток, а в случае уже развитого финтех-бизнеса — скорее всего, месячный.

По такой когорте можно отслеживать различные вещи, самое простое — это число активных пользователей и то, сколько выручки они принесли.

Отдельное внимание тут стоит уделить тому, что вы понимаете под активными пользователями. Обычно активный — это такой клиент, который воспользовался вашим продуктом хотя бы один раз за какой-то фиксированный промежуток времени. Так вот, для когортного анализа лучше всего, чтобы этот промежуток времени совпадал с когортным промежутком.

Допустим, мы смотрим на месячные когорты. В январе 2019 года к вам пришла (то есть купила что-то) тысяча новых пользователей. Далее вы отслеживаете, что эта конкретная тысяча пользователей делает в феврале, марте, апреле и т.д. Например, может оказаться, что в феврале активными остались 840, в марте — 700, а в апреле — 650 пользователей.

Помимо количества клиентов, вы также отслеживаете то, сколько выручки они для вас сгенерировали. Допустим, средний чек оказался около 100 рублей.

Далее вы повысили стоимость новой подписки — и делаете то же самое для когорты от февраля 2019 (например, пришли 1200 человек, а через три месяца остались 720 и т.д.). И они приносили какой-то другой объем выручки каждый месяц со средним чеком в 105 рублей.

То есть в результате выясняется, что вырос средний чек, но также вырос и отток клиентов. И вы теперь можете задаться вопросом: а стоит ли далее повышать стоимость услуг или это себе дороже?

Это лишь одно из возможных наблюдений, которые можно сделать в когортном анализе.

Базовые метрики когортного анализа

На примере наших двух когорт от января и от февраля мы использовали две метрики: средний чек (ARPU) и отток в процентах за месяц (churn).

Другая популярная метрика — это срок жизни клиента (опять больничная аналогия). Под сроком жизни (lifetime) обычно понимается такой промежуток времени, который средний клиент проводит с вами. Простой (но неточный) способ определить срок жизни — это поделить единицу на отток (Lifetime = 1 / churn).

Но пожалуй, самой главной метрикой когортного анализа является ценность клиента (LTV, Lifetime value).

По сути, LTV — это выраженная в деньгах ценность, которую вам приносит средний клиент.

Самый простой (и самый неточный) метод подсчета LTV — взять срок жизни и умножить на средний чек (то есть LTV = Lifetime x ARPU). В этом подходе мы делаем сильные неявные предположения, что все клиенты одинаковые и ведут себя как их среднее и что средний чек сохраняется со временем. Кроме того, еще одно предположение — что мы правильно подсчитали срок жизни путем деления единицы на отток (отток постоянен), что никогда не соответствует действительности.

Более честный способ расчета этих метрик базируется на том, что вы должны каким-то образом спрогнозировать динамику каждой вашей когорты от текущего состояния и до отдаленного будущего.

Действительно, ведь у вас, скорее всего, не будет ни одной полной когорты: из тысячи человек наверняка через 1–2 года останутся 300–500, и эти оставшиеся, скорее всего, будут более лояльны вашему продукту (раз они остались), чем те, кто убежал в первый месяц.

То есть показатель оттока — это величина, изменяющаяся со временем. А более «молодые» когорты будут и того короче. И для того, чтобы понять, сколько же денег принесет вам конкретная когорта в следующие 2–3 года, вам нужно будет как-то экстраполировать данные, но это уже другая история.

Как использовать когортный анализ

Все эти пользовательские метрики используются как внутри бизнеса, так и для общения с инвесторами.

Вот несколько популярных вопросов инвесторов, на которые можно ответить только с помощью когортного анализа:

1. Вопрос: Какова ваша юнит-экономика или отдача ваших маркетинговых затрат?
   Ответ: Отдача = LTV / CaC, где CaC — стоимость привлечения пользователя, LTV — ценность. То есть если вы платите 1,5 тысячи рублей за пользователя, который приносит вам 3 тысячи за свою жизнь, то ваша отдача — 2 рубля на рубль маркетинга.
2. Вопрос: Вы становитесь со временем более или менее эффективны?
   Ответ: когорта от января 2018 года показывала LTV / CaC = 1,7x, а от января 2019 года уже LTV / CaC = 2х
3. Вопрос: Почему так происходит?
   Ответ: Средний срок жизни (читай — лояльность) наших клиентов повысился за этот год на 12%, а стоимость привлечения снизилась на 10%. Мы планируем еще и средний чек поднять — и наша юнит-экономика еще улучшится.
4. Вопрос: почему я должен дать вам инвестиции по такой высокой оценке?
   Ответ (бонус): Потому что на один вложенный рубль вы получите сегодня два рубля на выходе, а завтра будете получать еще больше. Ведь наш LTV со временем растет, а CaC — снижается. Попробуйте найти другой такой бизнес.

Что еще важно знать

При многих плюсах когортного анализа у него есть один большой минус: когда речь заходит об агрегированных показателях вроде срока жизни и LTV, это требует расчетов и предположений, которые могут быть и неправильными.

Превыше всего здесь осторожность, понимание ограничений точности подхода и честность (хотя бы с самим собой), чтобы не начать принимать бизнес-решения на основании слишком оптимистических либо неправильных предпосылок.

Но в целом я скажу так: плох тот инвестор, который не просит когорты для анализа, и плох тот бизнес, который этот анализ сделать не может.

Фото на обложке: Nadia Grapes / Shutterstock

Источник: rb.ru

Что такое когортный анализ?

Анализ действий клиентов на сайте компании или других интернет-площадках дает много ценной информации. Но аудитории разные, как и их ключевые метрики. Если попытаться проанализировать сразу все, можно запутаться и получить неверные данные. Для сбора ценных данных опытные аналитики используют когортный анализ, о котором мы поговорим в этой статье.

Что такое когортный анализ?

Рассмотрим подробно определение «когортного анализа». Понятие «когорта» появилось еще во втором веке до нашей эры. Им обозначалось одно из главных тактических подразделений римской армии. Буквальный перевод слова — огороженное место.

В контексте этой статьи обозначает сегмент целевой аудитории или группу людей, совершивших какое-то действие в определенный период времени (например, 1 или 5 июля). Временной признак очень важен, так как именно он отличает когорту от простого сегмента.

Пользователей объединяют в одну группу по общим характеристикам, опыту и временному признаку. Но надо понимать, что со временем общие атрибуты людей могут сильно меняться. Например, сегодня клиент купил пряники, через неделю заказал автомобильные диски, а через месяц приобрел лодку.

Когорты в маркетинге не представляют собой однородную целевую аудиторию: новички сайта или сервиса, постоянные пользователи, временные посетители и т.д. На первый взгляд кажется, что это совершенно разные группы, но с помощью этого инструмента маркетологи объединяют их в несколько когорт (римская армия состояла из 10).

Например, пользователь пришел на сайт из контекстной рекламы 17 июля и купил окно. Его можно включить сразу в три группы:

1. Пользователи, пришедшие с контекстной рекламы. Помогает определить эффективность контекста по сравнению с другими каналами привлечения покупателей.
2. Клиенты, купившие окно в июле. Позволяет определить сезонность продаж.
3. Покупатели товара «окно». Помогает в определении спроса на конкретный товар у разных групп целевой аудитории.

Что можно сделать с помощью когортного анализа?

Анализ поведения пользователей во времени дает ценную информацию об эффективности рекламных кампаний. В частности, можно определить влияние разных маркетинговых инструментов на ключевые показатели бизнеса: LTV, конверсии, ROI, Retention Rate, САС и т.д. Рассмотрим несколько наглядных примеров из практики, чего удалось добиться с помощью когортного анализа.

Точная оценка эффективности рекламы

Не все люди быстро принимают решение о совершении покупки. Кто-то сомневается, кто-то не до конца решил, действительно ему нужен товар или нет, кто-то хочет рассмотреть альтернативные варианты в других магазинах и т.п. То есть пришедший сегодня потенциальный клиент, например, с контекстной рекламы, может не сразу совершить целевое действие.

Из-за длинного цикла продаж маркетологам не всегда удается объективно оценить эффективность и окупаемость рекламных каналов. Рассмотрим на небольшом примере ценность применения когортного анализа.

Например, в феврале 2020 года запустили контекстную рекламу в Яндексе. Прошел месяц, решили проанализировать первые результаты, посчитали ROI, а он оказался ниже 100%. Неопытный маркетолог примет решение «свернуть» РК или переделать объявления.

Но если объединить потенциальных клиентов, пришедших с этой рекламной кампании, в когорту и посмотреть на результаты спустя несколько месяцев, можно увидеть совершенно другие цифры:

На принятие решения у некоторых покупателей ушло 5 месяцев! Отслеживание поведения пользователей во времени позволило более точно оценить эффективность рекламной кампании. Такая «картинка» чаще характерна для компания с длинным циклом продаж и (или) дорогими товарами.

Поиск и удержание лояльных клиентов

Можно узнать, какие рекламные каналы дают больше всего лояльных клиентов. Например, сделаем когорту пользователей с первой авторизацией с период с февраля по июль и разобьем на более мелкие группы по каналу привлечения. Далее каждый месяц оцениваем группы по коэффициентам удержания (Retention Rate) или повторных покупок (Repeat Purchase Rates).

По этим данным легко определить лучшие источники лояльных клиентов. Следовательно, мы можем продолжать вкладывать в них больше денег и быстрее наращивать объем лояльных покупателей.

Анализ проводится постоянно для определения точек «подогрева» аудитории. Например, один из коэффициентов популярного источника начал снижаться. Пользователям группы отправляется письмо с предоставлением персональный скидки (возможно любое другое действие) и коэффициент снова растет. Без когортного анализа провести такой трюк с высокой точностью сложно.

Прогнозирование и увеличение LTV

LTV (Lifetime Value) — пожизненная ценность клиента или доход, полученный от него за все время сотрудничества. Обычно этот показатель считают после окончания совместной работы.

Но ничто не мешает вам оценивать LTV по отдельным когортам за определенный промежуток времени (например, за месяц) и прогнозировать показатель на последующие периоды.

Также можно сравнивать пожизненную ценность клиентов и стоимость их привлечения по рекламным каналам. Так вы получите информацию о сроках окупаемости каналов и поймете, в какой стоит вкладывать больше ресурсов.

Проведение A/B тестирования

A/B тесты используют для проверки идей и гипотез. Например, вы решили обновить текст продающей страницы. В рамках тестирования делаете два варианта (со старым наполнением и новым) и какую-то часть аудитории отправляете на обновленную версию для оценки конверсии. Смотрите, в каком случае она выше, и принимаете решение по дальнейшим действиям.

Проблемы A/B теста в данной ситуации — невозможность прогнозирования в долгосрочной перспективе. Устранить недостаток поможет когортный анализ. Через месяц после окончания тестирования постройте отчет по пользователям, которые впервые попали на сайт через обновленную продающую страницу, и сравните показатели с когортой людей, которые новый текст не видели.

Полученная разница — реальное влияние обновленного текста на конверсию. Так вы поймете долговременный эффект от принятого решения.

Анализ эффективности мобильного приложения

Когортный анализ активно используют при «выкатывании» новых версий приложений. С помощью него оценивают уровень возврата пользователей (Retention Rate). Также маркетологи применяют инструмент для анализа наиболее эффективных рекламных каналов. И это не единственные примеры использования когорт в работе над мобильными приложениями: все ограничивается фантазией и навыками аналитика.

Где применяют когортный анализ?

В предыдущем разделе описано несколько примеров использования инструмента, но в каких сферах его применяют чаще всего? В первую очередь он полезен в компаниях, привязанных к количеству клиентов. На их доходность отток пользователей влияет больше всего.

Не отказываются от применения когортного анализа и организации с большим количество постоянных клиентов. Его направляют на оценку маркетинговых действий, результаты которой позволяют улучшать рекламные кампании и грамотно перераспределять бюджет.

В целом, применение когортного анализа полезно для любого бизнеса. Но далее рассмотрим несколько наиболее популярных направлений применения.

Формирование портрета целевого клиента

Если собирать информацию из разных когорт о пользователях, со временем можно составить точный портрет целевой аудитории. Оценка лояльности, сезонности, готовности к онлайн-покупкам и т.д. — все это позволяет понять, кто интересуется товаром и чаще всего приобретает его.

Повышение конверсии

Часто для проверки гипотез и идей применяют сплит-тестирование. Да, оно дает определенные результаты для принятия объективных решений, однако когортный анализ в этом плане лучше и дает более точные данные, так как рассматриваются разные группы целевой аудитории.

A/B тестирование — тоже полезный инструмент, но оценивает один показатель, а когортный анализ «прицепом» подтягивает информацию еще о двух параметрах — времени и месте.

Например, определяем оптимальный цвет кнопки на продающем лендинге. Сплит-тестирование показало, что 45% клиентов чаще кликают на зеленую, а 55% — на синюю.

Подключаем когорту по месяцу (времени) и месту и узнаем, что потенциальные клиенты из Сочи лучше щелкают по зеленой кнопке, потому что синий морской цвет им уже надоел, они всю жизнь его видят.

Это простой, но наглядный пример лучшего понимания целевой аудитории благодаря использованию когортного анализа. Более глубокие данные помогают генерировать больше идей и быстрее развивать бизнес.

SaaS

В облачных проектах когортный анализ используют для оптимизации цикла продаж. Допустим, есть сервис с пробным периодом, триал-версией и платными тарифами. Руководство компании отслеживает ключевые метрики: доходы и расходы. Составляются когорты из пользователей пробного периода и триал-версии.

Далее в работу вступает аналитик, который определяет: кто чаще переходит на платные версии, какие тарифы выбирают, оттоки пользователей за определенные периоды и т.п. Все это — ценная информация, позволяющая оптимизировать цикл продаж и повысить прибыль SaaS-сервиса.

Ключевые показатели когортного анализа

Во время обучения использования когортного анализа аналитикам предлагают рассматривать все возможные метрики для получения практического опыта. Но в реальной работе для достижения максимальной эффективности сосредотачиваются на целевых (самых важных) показателях.

Универсального набора метрик нет, выбор перечня зависит от конкретного продукта и отрасли бизнеса. Однако есть ряд показателей, которые рассматривают в большинстве случаев:

1. Контрольная точка (Stick Point). Сумма покупки, после которой клиент с большой долей вероятности перейдет в категорию «постоянных».
2. Каналы привлечения. Определяют наиболее эффективные источники прихода новых потенциальных клиентов.
3. Переход пользователей с пробной версии продукта на платную. Когортный анализ помогает определить группы, из которых чаще всего «бесплатные» клиенты превращаются в «платных».
4. Повторные покупки. Показатель свидетельствует о том, что пользователю понравилось качество продукта и он готов платить за него в будущем.

Что нужно для когортного анализа?

Перед проведением когортного анализа определяют четыре параметра:

1. Признак формирования когорты — действие, которое объединяет людей в группу: первый визит, покупка, установка, регистрация и т.п.
2. Размер когорты — временной интервал: день, неделя, месяц.
3. Отчетный период — время исследования поведения групп.
4. Анализируемый ключевой показатель: ROI, Retention Rate, LTV и т.д.

Отметим, что первый и последний параметры связаны между собой: признак определяют после выбора анализируемого ключевого показателя. Например, при оценке коэффициента повторных покупок в качестве признака выбирают «первую покупку».

Но опять же, не стоит загонять себя в жесткие рамки, потому что каждый проект индивидуален. Аналитик руководствуется собственными опытом, знаниями и рабочими инструментами.

Кстати, признаков может быть несколько. Когорты создаются в соответствии с текущими потребностями фирмы и предстоящего анализа. Второй и третий параметры аналитик также определяет на основе поставленных перед ним задач.

Как провести когортный анализ в Google Analytics?

Поговорим об инструменте, который помогает проводить когортный анализ. Самый подходящий для новичков — Google Analytics. Для начала работы перейдите на страницу системы —> «Аудитория» —> «Когортный анализ».

Вверху доступна настройка четырех основных параметров, о которых говорили в предыдущем разделе статьи.

Пока что система проходит бета-тестирование, поэтому функции доступны с ограничениями:

• когорты формируются только по первому посещению (признак);
• один анализ — один показатель (всего доступно 14);
• размер когорты — день, неделя, месяц (стандартно);
• отчетный период по дням — 30 дней, по неделям — 12 недель, по месяцам — 3 месяца (самостоятельно длительность выбрать пока что нельзя);
• фильтровать данные по параметрам нельзя, доступно только использование сегментов.

Также доступна визуализация анализируемого показателя: под настройками проекта расположен график для всех пользователей и трех групп на выбор.

В нашем случае по графику понимаем, что общий коэффициент удержания клиентов — 1,49%, а для группы пользователей, первый раз посетивших сайт в период с 31 мая по 6 июня, — 1,75%. Под графиком есть сводная таблица с данными по каждой когорте за весь отчетный период. Она идентична той, которую показывали в начале статьи, только здесь формируется автоматически, а не «ручками» в Excel.

На данном этапе развития система подходит для анализ небольших проектов. Можно вносить изменения в работу сервиса, улучшать предложения для клиентов и т.п. и отслеживать коэффициент удержания клиентов. Если он будет расти, значит, принимаются верные решения.

Какие есть сервисы для составления когортных отчетов?

Рассмотрим другие сервисы, в которых составляются отчеты по когортному анализу. Они есть во многих рекламных и аналитических системах, поэтому начинающему аналитику часто сложно выбрать оптимальный вариант.

Более гибкие настройки (по сравнению с Google Analytics) для мобильного маркетинга предлагает AppsFlyer — в отчет допускается включение сразу нескольких фильтров, что позволяет получить больше ценной информации. Чтобы не тратить много времени на анализ маленьких групп, устанавливают ограничение по количеству пользователей.

Разработчики приложений используют AppMetrica и Adjust для аналитики возврата новых пользователей. Во втором сервисе возможно добавление в отчет второго показателя (например, количество сессий на пользователя):

Еще одна популярная система для когортного анализа приложений и веб-сайтов — Kissmetrics. Отличительная особенность — возможность формировать когорту сразу по двум признакам. Например, клиенты, посетившие сайт и сделавшие покупку на сумму от 1 000 рублей.

Также в Kissmetrics доступны группировки по разным признакам (не только по времени), например, по месту проживания, источнику трафика и т.п. Пример отчета в этой системе:

Как видите, есть много систем для работы с когортными отчетами. Но так как это направление только набирает популярность, многие работают в бета-режиме и с ограничениями. Поэтому аналитикам в крупных проектах приходится взаимодействовать с менее автоматизированными инструментами, об одном из которых поговорим далее.

Google Sheets

Построить когортный отчет можно по данным из Google Sheets с помощью сводной таблицы. Для этого потребуется собрать исходные данные и добавить в Google Sheets в таком формате:

Соблюдайте заданный формат: в первом столбце — период формирования когорты (неделя регистрации), во втором — последующие периоды (недели транзакций) и в третьем — данные по рассматриваемому показателю (количество покупок).

Сводная таблица

Сводная таблица — самый простой и быстрый способ построить когортный отчет на основе исходных данных, которые, кстати, вы уже должны были добавить в Google Sheets.

Выделите нужный диапазон данных, откройте вкладку «Данные» и выберите «Сводная таблица». Справа появится панель настроек:

Сделайте следующие настройки:

• «Строки» — неделя регистрации;
• «Столбцы» — неделя транзакции;
• «Значения» — покупки.

На создание отчета уходит несколько минут, но зато он дает массу ценной информации. Дальше в работу вступает аналитик, «читает» данные, делает выводы и принимает решения.

Когортный анализ — незаменимый инструмент для современного аналитика. Его применение позволяет получить больше ценной информации для развития продукта, чем, например, A/B тестирование. Но в целом сфера применения когорт довольно обширная и грамотный аналитик может адаптировать их использование под разные задачи.

Специальные инструменты и особенные знания для проведения когортного анализа не требуются. Большинство современных систем аналитики автоматизируют сбор данных и составление отчетов. Аналитику остается правильно интерпретировать полученные данные и использовать их для развития продукта.

Если нет возможности взаимодействовать с какой-либо системой аналитики, пользуйтесь подручными средствами — Google Sheets и сводные таблицы. В этой статье дается подробное описание подготовки отчета с их помощью.

Ещё более подробно про когортный анализ мы рассказываем на нашем шестимесячном онлайн-курсе «Профессия: Аналитик» Узнать подробности

• Блог компании ProductStar
• Аналитика мобильных приложений

Источник: habr.com