Зачем бизнесу нужен когортный анализ

Маркетологи постоянно ищут способы лучше понять поведение своей аудитории и одним из таких способов может стать когортный анализ. На ряду с сегментированием, он поможет разделить пользователей на отдельные группы, но оценка будет проходить не по одной итоговой метрике, а в разрезе изменения этой метрики от когорты к когорте. Давайте попробуем разобраться в том, что это такое и чем он может быть полезен бизнесу.

Начнем с определения.

Когорта — это группа людей, которые совершили одно и то же действие в один период времени.

Например, студенты, окончившие кафедру маркетинга в 2012 году, — это когорта. Люди, совершившие покупку на сайте с 1 по 7 июля, — тоже.

Зачем нужны когорты, если у нас уже есть множество сегментов, спросите вы. И правда, когорту нередко хочется сравнить с сегментом, но последний может объединять аудиторию сразу по нескольким параметрам. То есть, студенты-мужчины, окончившие кафедру маркетинга в 2012 году с красным дипломом и работающие по специальности — это уже сегмент. Как и люди, совершившие покупку на сайте с айфона с 1 по 7 июля со средним чеком в 10 000 рублей. То есть, разница в количестве признаков — у когорты это временной промежуток для совершения одного действия, а в сегмент вы можете включать множество дополнительных условий.

Когортный анализ — это исследование того, как со временем меняется поведение когорты. Что нужно для его проведения?

1. Признак, по которому вы будете формировать когорту — действие, которое объединяет людей в когорте: первый визит на сайт, первая покупка, регистрация и т. п.
2. Размер когорты — временной интервал для когорты: день, неделя, месяц.
3. Отчетный период — время, в течение которого вы будете исследовать поведение когорты.
4. Ключевой показатель, который вы будете анализировать: ROI, Retention Rate, LTV, средний чек, частота покупок и т. д.

Но чем когортный анализ может быть полезен для бизнеса? Разберем на пяти примерах.

Анализировать каналы привлечения

Когортный анализ поможет узнать, из каких каналов приходят наиболее лояльные пользователи, и вы сможете уделить этим каналам не только больше внимания, но и больше бюджета. Порядок действий очень простой. Рассмотрим пример:

• выделите в когорту пользователей, которые посетили сайт за последние полгода;
• сегментируйте их по каналам привлечения;
• в разрезе каждого месяца сравните коэффициент удержания и коэффициент повторных покупок;

Коэффициент удержания клиента = ((Количество клиентов на конец периода — Количество новых клиентов, приобретенных за период) / Количество клиентов на начало периода

Коэффициент повторный покупок = Количество повторных клиентов / Общее число клиентов

• каналы с наиболее высоким коэффициентом приносят лояльных пользователей и заслуживают вашего внимания. Спад активности в когорте означает, что вам пора подогреть интерес этих пользователей.

На скрине мы видим, что первая Facebook Ads когорта самая лояльная и она медленнее всех остывает: высокая доля пользователей совершает повторные покупки в течение пяти месяцев. Если есть возможность ее масштабировать — надо масштабировать. А вот последний Google Ads самый хиленький и когорта сильно остывает — нужно или научиться работать с этой когортой, или менять рекламу, а то и вовсе отключать. К тому же, такой отчет показывает, когда именно остывание самое сильное, а значит — когда надо начинать подогревать.

Прогнозировать LTV

LTV или пожизненная ценность клиента — это доход, который вы получаете за все время, которое клиент остается с вами. Проблема в том, что вы никогда не знаете наверняка, как долго человек будет оставаться клиентом и будет продолжать приносить доход. От этого в свою очередь зависит то, на какую прибыль вы можете рассчитывать в будущем и сколько можете тратить на маркетинг.

Как можно спрогнозировать LTV с помощью когортного анализа:

1. Выделите в когорту пользователей, у которых первая оплата была, например, в январе 2018 года.
2. Посмотрите, на протяжении какого времени от них продолжались оплаты.
3. Занесите данные в таблицу и для каждого месяца рассчитайте показатель ARPU — показатель среднего дохода с клиента — на когорту. Для этого общий доход от когорты за выбранный период (TR) разделите на количество пользователей в когорте (CQ). Вы получите такую таблицу: 

   

4. Рассчитайте медиану LTV по нескольким предыдущим когортам, чтобы прогнозировать ценность клиентов, первая оплата от которых была в текущем периоде, например, июле 2019.

Как только вы рассчитаете прогноз LTV, возвращайтесь к предыдущему пункту и начинайте анализировать каналы привлечения пользователей. Если вы вовремя распознаете момент спада активности, то сможете принять соответствующие меры и поработать над активацией клиентов, увеличив срок сотрудничества с ними.

Оценить ROI рекламы

Человеку, впервые посетившему ваш сайт, нужно время, чтобы пройти по воронке и совершить конверсионное действие. Иногда пользователям надо много времени, чтобы прийти к покупке. И чем оно больше, тем сложнее оценить эффективность рекламных каналов, а шансы сделать ошибочные выводы увеличиваются.

Чтобы оценить окупаемость рекламы с помощью когортного анализа:

1. Выделите в когорту людей, которые пришли из одного рекламного канала.
2. Рассчитайте ROI рекламной кампании.
3. Отслеживайте динамику ROI по месяцам.

Например, если вы выделите в когорту людей, которые пришли из платной рекламной кампании в Google Ads в феврале, то увидите, что в первый месяц ROI такой рекламы ниже 100%, но в последующие месяцы коэффициент увеличивается. То есть, люди шли к покупке больше месяца.

На графике видно, как от месяца к месяцу меняется ROI по каждой из пяти когорт: февральской, мартовской и т. д.

Оценить эффективность медиаисточников

Всем, кто сталкивается с мобильными приложениями, знакома эта проблема: скачивания посчитали, но из каких источников пришли наиболее активные пользователи? Какие из них использовать в будущем? Здесь тоже помогут когорты.

1. Выделите в когорту пользователей приложения версии 1.0.
2. Сегментируйте их по каналам привлечения.

Например, этот скрин показывает когорту юзеров в разрезе медиаисточников привлечения и спад их активности по дням. Так, самые активные юзеры в первый день по источникам 1-3. На второй день 1-4. Третий так же. А вот на четвертый день второй источник явно выбивается в лидеры. С самого первого дня можно заметить, что последние два источника приводят меньше всего пользователей и их активность со временем полностью сходит на нет.

Проводить А/Б-тесты

Казалось бы, с А/Б-тестами все и так понятно — меняем один элемент на сайте, делаем два варианта страницы и одной половине пользователей показываем старый вариант страницы, а второй — новый. Затем считаем, как изменилась конверсия. Но такой А/Б-тест не покажет, как обновления влияют на изменение конверсии в долгосрочной перспективе. А вот когортный анализ покажет.

Например, мы тестируем новую кнопку на сайте:

1. Спустя несколько недель после начала теста выделим в когорту пользователей, которые впервые попали на сайт через страницу с новой кнопкой.
2. Выделим в когорту пользователей, которые взаимодействовали только со старым дизайном.
3. Сравним конверсию.

Как видите, для решения ряда задач когортный анализ прекрасно подходит. К тому же, провести его несложно, используя специальный отчет «Когортный анализ» Google Analytics или сводные таблицы в Google Sheets.