Когортный анализ: как понять клиентов и перестать терять деньги

Слово-то какое, «когорта». Звучит почти как что-то из учебника по истории Древнего Рима. Но на самом деле все просто.

Давайте разберемся, что такое когорта в маркетинге. Если отбросить научные термины, когорта в маркетинге - это группа людей, которых объединяет одно и то же событие в конкретный промежуток времени.

Представьте себе всех первоклассников, которые пошли в школу 1 сентября 2023 года. Это и есть классическая когорта. Событие (пошли в школу) и время (1 сентября) у них общие. В маркетинге принцип тот же. Когорта пользователей - это, по сути, «поколение» ваших клиентов. Например, это могут быть все, кто впервые зашел на сайт в январе, или те, кто скачал приложение в первую неделю марта, а может, и вовсе герои, решившиеся на первую покупку в «Черную пятницу».

Ну хорошо, а что такое когортный анализ? С понятием когорта вроде бы разобрались. Теперь к сути. Когортный анализ - это метод, при котором мы внимательно наблюдаем за поведением этих самых «поколений» клиентов во времени. Вместо того чтобы смотреть на «среднюю температуру по больнице» (общий чек, конверсию), мы начинаем следить за конкретными группами. Как вели себя ребята из январской когорты в феврале, а потом в марте? А как они смотрятся на фоне тех, кто пришел в феврале?

Провести когортное исследование означает найти ответы на очень конкретные вопросы:

• Какая из рекламных кампаний привела самых верных клиентов, а какая - одноразовых?
• Как быстро люди на самом деле «остывают» к нашему продукту?
• Удержало ли людей последнее обновление сайта или, наоборот, распугало?

Так что это - когортный анализ? Можно сказать, это способ увидеть, как меняются важные метрики для разных групп пользователей. Простыми словами, когортный анализ - это возможность взглянуть на бизнес через призму жизненного цикла разных поколений клиентов.

Тут легко запутаться, поэтому давайте сразу расставим точки над и. Отличие когорты от сегмента действительно важно. Сегмент обычно объединяет людей по статичным признакам. Скажем, «женщины 25-35 лет из Москвы» или «клиенты с VIP-статусом». Человек может войти в сегмент или выйти из него, но сам критерий не привязан к дате.

А вот когорта всегда завязана на времени. «Пользователи, зарегистрировавшиеся в мае». Все. Если человек попал в майскую когорту, он в ней и останется навсегда. Подытожим: когорта и сегмент пользователей представляют два разных среза аудитории. Сегмент отвечает на вопрос «Кто они?», а когорта: на вопрос «Когда они пришли?».

Давайте по-честному: когортный метод не просто красивый термин для отчетов. Это инструмент, приносящий ощутимую пользу. Так для чего нужен когортный анализ в первую очередь?

• По-настоящему оценить удержание (Retention Rate). Вы увидите, какой процент людей из каждой группы возвращается через неделю, месяц или даже год. Сразу станет понятно, насколько ваш продукт «цепляет».
• Понять реальную ценность клиента (LTV). Анализируя, сколько денег приносит каждая когорта клиентов со временем, вы сможете куда точнее предсказать их пожизненную ценность. И, как следствие, поймете, сколько не жалко потратить на привлечение новичков.
• Сравнить эффективность каналов. Запустили рекламу в VK и Telegram? Когортный анализ клиентов покажет, откуда пришли более лояльные и прибыльные пользователи в долгосрочной перспективе, а не только в первый день.
• Проверить влияние изменений. Выкатили в июне новую фичу? Просто сравните поведение июньской когорты с майской. Если удержание у «новичков» поползло вверх - поздравляем, вы попали в точку.
• Заметить проблемы на старте. Если у новых когорт удержание вдруг стало хуже, чем у старых, это красный флаг. Возможно, что-то сломалось в процессе адаптации новичков или качество трафика просело.

В общем, когортное исследование - это способ перестать работать с усредненными цифрами и начать понимать динамику поведения людей.

С теорией покончили, переходим к делу. Итак, как сделать когортный анализ? Весь процесс можно уложить в четыре понятных этапа.

С чего начать? С главного вопроса: а что мы вообще ищем? Прежде чем лезть в данные, сформулируйте гипотезу. Основной критерий для включения в когортное исследование - четкая и понятная цель.

• Цель: Понять, насколько качественный трафик пришел с новой рекламной кампании.
• Метрика: Коэффициент удержания (Retention Rate) или средний чек на второй-третий месяц.
• Цель: Выяснить, как редизайн корзины повлиял на повторные покупки.
• Метрика: Конверсия в повторную покупку.

Теперь определяем тот самый общий признак, по которому будем собирать наши «поколения». Чаще всего когорты пользователей формируют по дате первого действия:

• Признак привлечения: дата первого визита, установки приложения или регистрации. Это самый популярный вариант.
• Поведенческий признак: дата первой покупки, использования ключевой фичи или подписки на рассылку.

Выбрав признак, определяем интервал: дни, недели или месяцы. Для мобильных игр логичнее дневные когорты, а для интернет-магазина с редкими покупками лучше брать недельные или месячные. Каждой группе присваивается свой номер когорты (например, «Когорта_Январь_23»).

А вот тут начинается самое интересное (и технически непростое). Чтобы провести качественный когортный анализ аудитории, вам понадобятся чистые и полные данные. Какие данные содержит такой анализ? Как минимум, это: ID пользователя, дата ключевого действия (для формирования когорты) и даты всех последующих интересных вам действий (покупок, визитов, кликов).

Здесь в игру вступают технологии. Например, чтобы собрать все события с сайта, маркетологи часто используют системы управления тегами. CleverData Tag Manager (CTM) позволяет без помощи разработчиков настроить сбор любых действий и передать их как внутрь CDP-платформы для дальнейшего обогащения, так и напрямую во внешние аналитические или рекламные системы. Это основа.

Но данные с сайта - лишь верхушка айсберга. Для полной картины их нужно склеить с данными из CRM, программы лояльности, мобильного приложения и других систем. Эту задачку решает CDP (Customer Data Platform). Платформа CDP CleverData Join собирает информацию из всех онлайн- и офлайн-источников (включая колл-трекинг, данные касс, email-рассылки и ML-модели) и строит единый профиль клиента 360° с помощью технологии IDGraph. В итоге вы получаете достоверную историю, на основе которой когортная аналитика становится по-настоящему мощной.

Собранные данные обычно сводят в таблицу, которую называют когортный отчет.

Давайте разберемся, как читать когортный анализ:

• Строки. Это и есть ваши когорты, названные по дате («Неделя 1», «Январь»). В первом столбце обычно пишут размер когорты: сколько человек в нее попало.
• Столбцы. Это время жизни когорты (День 0, Месяц 1, Месяц 2...). Нулевой период: сам момент совершения ключевого действия.
• Ячейки. Здесь и сидит ваша ключевая метрика, например, Churn Rate в процентах. Ячейки часто раскрашивают: чем показатель лучше, тем цвет насыщеннее. Это помогает мгновенно цеплять взглядом закономерности.

Как анализировать таблицу?

1. Смотрим по строке (горизонтально). Так вы видите, как со временем тает одна конкретная когорта.
2. Теперь по столбцу (вертикально). Так вы сравниваете разные когорты в один и тот же период их «жизни».
3. Для самых пытливых - по диагонали. Этот анализ помогает заметить влияние внешних факторов. Резкое падение показателей по диагонали может говорить о сезонном спаде, например, в летние месяцы.

Когортный анализ в маркетинге и продуктовой аналитике - это не какая-то теория, а рабочий инструмент на каждый день. Вот пара классических сценариев.

Примеры когортного анализа:
E-commerce: оценка LTV по каналам

• Когорты: Пользователи, сделавшие первую покупку в январе, феврале и так далее.
• Разбивка: Каждую когорту делим на подгруппы по источнику (VK Ads, Яндекс.Директ, Органика).
• Анализ: Считаем, сколько денег в среднем принес пользователь из каждой подгруппы через 1, 3 и 6 месяцев. Часто выясняется, что канал с самым дешевым привлечением в итоге поставляет самых «бедных» клиентов.

SaaS-сервис: анализ оттока после смены тарифов

• Когорты: Пользователи, оформившие подписку, по месяцам.
• Событие: В апреле вы поменяли тарифную сетку.
• Анализ: Сравниваем коэффициент оттока (Churn Rate) апрельской когорты с предыдущими на второй-третий месяц жизни. Если отток у «апрельских» выше, похоже, новые тарифы людям не зашли.

Мобильное приложение: оценка онбординга

• Когорты: Пользователи, установившие приложение, по неделям.
• Событие: На 15-й неделе выкатили новый, более понятный туториал для новичков.
• Анализ: Сравниваем Retention 1-го, 7-го и 30-го дня для когорты с 15-й недели с показателями предыдущих. Если цифры выросли, новый онбординг работает.

Эти примеры когортных исследований показывают, насколько гибок этот метод. Найти пример когортного исследования можно почти в любой сфере, от ритейла до финтеха.

Обычно когорты в аналитике - это группы по дате привлечения, но это далеко не единственный вариант. По сути, когортным исследованием называется любой анализ групп, объединенных по общему признаку во времени. Существуют разные виды когортных исследований. Когорта в аналитике - это гибкое понятие.

• Когорты по размеру первого чека: те, кто сначала купил на 1000 руб. против тех, кто потратил 5000 руб.
• Когорты по первому продукту: начали с флагманского товара или с товара по акции?
• Когорты по использованию фичи: те, кто в первую неделю воспользовался функцией «А», и те, кто ее проигнорировал.

И если когорта в статистике или экономике понятие строгое, то когорта в аналитике позволяет проявить креативность и найти неожиданные инсайты.

Иногда можно услышать термин «винтажный анализ». Чаще всего винтажный и когортный анализ используют как синонимы. Но есть тонкость: винтажный анализ, как правило, больше сфокусирован на финансовых метриках (объем кредитов, сумма покупок), а когортный - на любых поведенческих.

Более сложная история: когортное моделирование. Это когда вы на основе данных о старых когортах пытаетесь спрогнозировать будущее новых. Такое когортное моделирование в бизнесе позволяет строить финансовые модели. В юнит-экономике когортная модель играет ключевую роль.

Где же построить заветный когортный отчет?

1. Электронные таблицы. Старый добрый Excel. Дешево и сердито, но для больших объемов данных подходит слабо и требует ловкости рук.
2. Встроенные отчеты в системах аналитики. Многие платформы их предлагают. Например, яндекс метрика позволяет анализировать аудиторию сайта по дате первого визита. Для старта - отличный инструмент, но его возможности ограничены данными одного лишь сайта.
3. BI-системы. Это уже серьезная артиллерия. Мощные, красивые визуализации, но требуют навыков и предварительной подготовки данных.
4. Платформы клиентских данных (CDP). Наверное, самый продвинутый вариант. Когорты - это аналитика, которая требует идеальных данных. Платформа CDP CleverData Join не просто дает инструмент, а создает для него идеальную среду. Она собирает и объединяет данные из всех источников, позволяет в удобном конструкторе модуля Audience Manager создавать любые сегменты аудитории, в том числе на основе когортного метода, а главное - тут же действовать. Например, можно выделить сегмент «уснувших» клиентов из самой лояльной когорты и запустить на них реактивационную кампанию напрямую из модуля Campaign Manager.

Получается, когорта в аналитике - это не просто отчет, а часть большого цикла: от сбора данных до конкретных маркетинговых действий.

Мы выяснили, что когортный анализ в маркетинге - это один из самых толковых инструментов для понимания клиентов. Исследовать когорты - это значит перестать смотреть на свою аудиторию как на безликую серую массу. Вместо этого вы начинаете различать в ней «поколения», каждое со своей историей и привычками.

Простыми словами когортное исследование - это способ превратить данные из прошлого в ваше стратегическое преимущество. Оно помогает не просто вздыхать над фактами («удержание упало»), а докапываться до причин («упало у тех, кто пришел с канала X после изменения Y») и принимать взвешенные решения.

Начать можно и с простого отчета в яндекс метрике. Но для по-настоящему глубокого анализа, который охватывает весь путь клиента, не обойтись без единого источника правды о нем. Такие инструменты, как CDP CleverData Join, создают тот самый технологический фундамент, на котором когортная аналитика раскрывается на полную. А CleverData Tag Manager, который можно использовать как в связке с CDP, так и в качестве отдельного независимого модуля, обеспечивает гибкий сбор первичных данных для этого анализа, позволяя вашему бизнесу расти быстрее и осознаннее.