Когортный анализ для интернет-проектов

Иллюстрация к материалу «Когортный анализ для интернет-проектов»

Общие показатели часто скрывают важные процессы. Выручка растет, количество клиентов увеличивается, но при этом каждая новая группа покупателей может возвращаться все реже, и рост держится только за счет увеличения рекламного бюджета. Когортный анализ позволяет увидеть такие тенденции, разделяя клиентов на группы по моменту начала отношений и сравнивая их поведение со временем. Это один из самых полезных и при этом недооцененных методов анализа для интернет-проектов.

Что такое когорта

Когорта — это группа пользователей, объединенных общим признаком и общим моментом начала. Чаще всего когорты формируют по месяцу или неделе первой покупки, регистрации или установки приложения. Все, кто впервые купил в одном месяце, — одна когорта, все, кто купил в следующем, — другая.

Суть анализа в том, чтобы отслеживать каждую когорту отдельно: сколько ее участников вернулось через месяц, через два, через три, сколько денег они принесли за это время. Затем когорты сравниваются между собой. Так становится видно, улучшается ли удержание, влияют ли изменения в продукте или рекламе на поведение новых клиентов.

Читайте также: Безопасность сайта: базовые меры защиты

• когорты по дате первой покупки или регистрации;
• когорты по каналу привлечения;
• когорты по первому купленному продукту или тарифу;
• когорты по участию в акции или промокоду;
• когорты по региону или типу устройства.

Зачем это интернет-проектам

Когортный анализ особенно ценен для бизнеса с повторными покупками или подпиской: интернет-магазинов расходных товаров, сервисов доставки, онлайн-школ, приложений, сервисов по подписке. Для них важен не только первый заказ, но и то, как долго клиент остается.

Общая метрика, например «доля повторных покупок за месяц», смешивает новых и старых клиентов. Если в этом месяце пришло много новых людей, доля повторных упадет, хотя удержание на самом деле не изменилось. Когорты устраняют этот эффект: каждая группа сравнивается сама с собой на одинаковых промежутках времени.

1. Оценка удержания: остаются ли клиенты и как быстро уходят.
2. Оценка изменений в продукте: стала ли новая когорта удерживаться лучше после доработок.
3. Оценка рекламных каналов по долгосрочной ценности, а не по первому заказу.
4. Расчет LTV и допустимой стоимости привлечения.
5. Прогнозирование выручки от существующей базы.

Как построить когортную таблицу

Классическая форма представления — треугольная таблица. По строкам расположены когорты, например месяцы первой покупки. По столбцам — периоды жизни когорты: месяц 0, месяц 1, месяц 2 и так далее. В ячейках — значение показателя: доля вернувшихся клиентов, количество заказов или выручка.

Чтобы собрать такую таблицу, нужны данные о транзакциях: идентификатор клиента, дата заказа и сумма. Их можно выгрузить из CRM, системы управления магазином или аналитики. Дальше алгоритм такой.

1. Для каждого клиента найдите дату первой покупки и определите его когорту.
2. Для каждой транзакции вычислите, сколько месяцев прошло с первой покупки клиента.
3. Сгруппируйте данные по когорте и номеру месяца.
4. Посчитайте количество уникальных клиентов, совершивших покупку в каждом месяце.
5. Разделите это количество на размер когорты в нулевом месяце — получится доля удержания.

Это можно сделать в обычной электронной таблице с помощью сводных таблиц или в инструментах визуализации данных. Для начала достаточно таблицы на несколько месяцев, расширять ее можно постепенно.

Как читать результаты

Таблицу удержания читают в трех направлениях, и каждое отвечает на свой вопрос.

По строке. Как ведет себя одна когорта со временем. Например, из 500 клиентов первого месяца во втором вернулись 30%, в третьем — 20%, в четвертом — 17%, дальше доля стабилизируется около 15%. Это кривая удержания. Если она выходит на плато, у продукта есть ядро лояльных клиентов. Если продолжает падать к нулю, клиенты уходят все.

По столбцу. Как меняется удержание одного и того же периода у разных когорт. Если доля возврата на второй месяц у последовательных когорт растет — 25%, 28%, 32%, — значит, что-то в продукте или работе с клиентами улучшилось. Если падает, нужно искать причину.

По диагонали. Что происходило в конкретный календарный период со всеми когортами одновременно. Если в одном месяце просели все когорты, причина скорее внешняя: сезонность, сбой на сайте, действия конкурентов.

Самое ценное в когортной таблице — не отдельные числа, а изменения между строками. Именно они показывают, становится ли бизнес лучше или только больше.

Когорты по каналам привлечения

Один из самых практичных вариантов анализа — сравнение когорт, сформированных по каналу привлечения. Он показывает, клиенты из какого источника приносят больше денег на длинной дистанции.

Рассмотрим условный пример. Поисковая реклама приводит клиентов по 1 200 рублей, а реклама в соцсетях — по 800 рублей. По первому заказу соцсети выглядят выгоднее. Но когортный анализ показывает, что за полгода клиент из поиска приносит в среднем 6 500 рублей валовой прибыли, а клиент из соцсетей — 2 900 рублей, потому что реже возвращается. Тогда окупаемость поисковой рекламы — более чем пятикратная, а соцсетей — менее чем четырехкратная. Решение о бюджете меняется.

• сравнивайте накопленную выручку или прибыль на клиента по каналам;
• учитывайте разницу в стоимости привлечения;
• смотрите, когда когорта окупает затраты на привлечение;
• проверяйте, нет ли у канала с дешевыми клиентами слишком быстрого оттока.

Когорты и промоакции

Отдельная тема — клиенты, пришедшие по скидкам и промокодам. Большая скидка на первый заказ может резко увеличить число новых клиентов, но часть из них приходит только ради скидки и не возвращается. Когортный анализ помогает это увидеть.

Сформируйте отдельную когорту из тех, кто сделал первый заказ с промокодом, и сравните ее с клиентами, пришедшими без скидки в тот же период. Если удержание промокодной когорты значительно ниже, а средний чек повторных заказов меньше, стоимость акции нужно пересчитать с учетом этого. Возможно, скидку стоит заменить подарком или бонусом на второй заказ, который мотивирует вернуться.

Типичные ошибки

Когортный анализ прост по идее, но в его применении легко ошибиться.

• Слишком маленькие когорты. Если в когорте 20 клиентов, колебания удержания будут случайными, и выводы — ненадежными.
• Неполные периоды. Последняя когорта прожила только часть месяца, и ее показатели выглядят хуже просто из-за недостатка времени.
• Отсутствие единого идентификатора клиента. Если один человек оформляет заказы с разных адресов почты, он будет считаться разными клиентами.
• Смешение признаков. Когорты по месяцу и каналу одновременно дробятся слишком мелко, и данных становится мало.
• Анализ ради анализа. Таблица построена, но из нее не сделано ни одного вывода о продукте или рекламе.
• Игнорирование сезонности. Когорта предпраздничного месяца может вести себя иначе, чем остальные, и это не связано с изменениями в продукте.

Расчет LTV на основе когорт

Одна из самых практичных задач, которую решает когортный анализ, — оценка пожизненной ценности клиента. Вместо того чтобы брать среднюю выручку на клиента по всей базе, где смешаны новые и давние покупатели, можно посмотреть накопленную выручку когорт за фиксированный срок.

Допустим, когорта из 400 клиентов за первый месяц принесла 1 600 000 рублей, за второй еще 320 000, за третий 240 000, а дальше ежемесячно примерно по 200 000. За шесть месяцев накопленная выручка составит около 2 760 000 рублей, то есть 6 900 рублей на клиента. При марже 30% это около 2 070 рублей валовой прибыли. Значит, привлекать клиента дороже 2 000 рублей рискованно, если вы планируете окупаться в течение полугода.

1. Выберите горизонт расчета, на который готовы ждать окупаемости.
2. Посчитайте накопленную выручку на клиента в нескольких зрелых когортах.
3. Переведите выручку в валовую прибыль с учетом маржи.
4. Сравните результат со стоимостью привлечения по каналам.
5. Обновляйте расчет по мере созревания новых когорт.

Такой подход дает реалистичную планку допустимой стоимости клиента и позволяет обоснованно увеличивать рекламный бюджет, не опираясь только на окупаемость первого заказа.

Итоги

Когортный анализ разделяет клиентов на группы по моменту начала отношений и позволяет сравнивать их поведение во времени. Таблица удержания читается по строкам, столбцам и диагоналям и показывает, улучшается ли продукт, стабилизируется ли база и какие внешние факторы влияют на всех. Особенно полезны когорты по каналам привлечения и по участию в акциях: они показывают долгосрочную ценность клиентов и меняют представление о выгодности рекламы. Для старта достаточно выгрузки заказов и электронной таблицы, а главное — регулярно делать выводы и проверять их изменениями.