Когортный анализ

Когортный анализ – это способ изучать клиентов группами, объединёнными общим событием в одном периоде, например месяцем первой покупки, и сравнивать, как каждая группа ведёт себя дальше. Такая группа называется когортой.

Средние цифры по всей базе обманчивы. Выручка растёт, доля повторных покупок держится, всё спокойно. А потом выясняется, что старые клиенты продолжают покупать, а новые, привлечённые за последние полгода, почти не возвращаются. В средней цифре это не видно, потому что она смешивает тех, кто с вами три года, и тех, кто пришёл на прошлой неделе. Когортный анализ разделяет их.

Как устроена когортная таблица

Строки таблицы это когорты, например клиенты, которые впервые купили в январе, феврале, марте. Столбцы это месяцы жизни когорты после первой покупки. В ячейках доля клиентов когорты, которые снова купили в этом месяце. Условный пример магазина:

По общему отчёту март выглядит лучшим месяцем: новых клиентов в полтора раза больше. Таблица показывает обратную сторону. Мартовская акция привела людей за скидкой, и возвращаются они примерно вдвое реже остальных. Если удержание считать по всей базе, этот провал утонет в среднем.

Таблицу читают в трёх направлениях. По строке видно, как когорта угасает со временем. По столбцу видно, лучше или хуже удерживаются новые когорты по сравнению со старыми. По диагонали видно события календаря: сезон, сбой на сайте, рассылку, которые ударили по всем когортам сразу.

Каким бизнесам нужен когортный анализ

Когортный анализ полезен там, где клиент покупает больше одного раза: интернет-магазины расходников и косметики, клиники с повторными приёмами, сервисы по подписке, доставка. Там, где покупка бывает раз в несколько лет, как с квартирой или автомобилем, удержание считать почти не из чего, и полезнее смотреть на стоимость сделки и ROMI каналов.

Какие когорты строят

• По месяцу первой покупки или первого визита. Самый частый вариант.
• По каналу привлечения: клиенты из поиска, из контекстной рекламы, из соцсетей. Так видно, какой канал приводит людей, которые возвращаются.
• По первому товару или услуге. Иногда первая покупка определяет, станет ли человек постоянным клиентом.
• По акции или промокоду, чтобы понять, окупилась ли скидка за срок жизни клиента.

В ячейках можно считать и другое. Часто смотрят накопленную выручку на одного клиента когорты: так когортный анализ становится основой для расчёта LTV, а вместе с ценой привлечения клиента даёт честную окупаемость канала.

Как построить по выгрузке заказов

1. Выгрузите заказы из CRM или учётной системы: идентификатор клиента, дата заказа, сумма. Только оплаченные заказы.
2. Для каждого клиента найдите дату первой покупки и запишите её месяц. Это его когорта.
3. Для каждого заказа посчитайте, в каком месяце жизни клиента он сделан: нулевой, первый, второй.
4. Постройте сводную таблицу: строки когорты, столбцы месяцы жизни, значения число клиентов без повторов.
5. Разделите каждую ячейку на размер когорты, чтобы получить проценты.

Для этого хватит Excel или Google Таблиц. Когда клиентов много и отчёт нужен регулярно, его переносят в BI-систему и обновляют автоматически.

Когорты в Метрике, GA4 и AppMetrica

В Яндекс Метрике отдельного когортного отчёта нет, но в отчёте «Источники, сводка» можно сгруппировать данные по дате первого визита. Это когорты посетителей, а не покупателей: Метрика видит визиты и цели, а повторные продажи живут в CRM. В Google Analytics 4 есть отдельный тип исследования для когорт. Для мобильных приложений когортный отчёт есть в AppMetrica.

Что делать с выводами

• Новые когорты удерживаются хуже старых. Проверьте, что изменилось в момент привлечения: новый канал, другие объявления, ассортимент, цены.
• Одна когорта резко хуже соседних. Вспомните, что было в тот месяц: акция, сбой доставки, смена подрядчика по рекламе.
• Канал приводит много клиентов, но они не возвращаются. Снижайте допустимую цену первого заказа в этом канале или меняйте предложение.
• Удержание просело во всех когортах в один и тот же месяц. Причину ищите в сервисе, а не в рекламе.

Любое изменение потом проверяют на следующих когортах. Через пару месяцев станет видно, сработало оно или нет.

Когда когортная таблица вводит в заблуждение

• Делать когорты по неделям при паре десятков клиентов в неделю. Проценты прыгают от случайностей.
• Сравнивать незакрытый текущий месяц с полными прошлыми.
• Брать когорты по визитам из Метрики и делать выводы о продажах.
• Смотреть только на долю вернувшихся и забывать про деньги. Когорта может возвращаться реже, но покупать на большие суммы.

Удержание, LTV и шаг когорты: как считать

Связать заказы из CRM с источниками рекламы и строить когорты по каналам привлечения поможет внедрение сквозной аналитики.

Источники

• Яндекс Реклама: материалы о когортном анализе
• Яндекс Метрика: справка, отчёт «Источники, сводка»
• AppMetrica: документация, когортный анализ

См. также: KPI, A/B-тестирование, Юнит-экономика, CAC, Дашборд.