Когортный анализ — это аналитический метод, который группирует пользователей или клиентов в сегменты, называемые когортами, на основе общей характеристики или опыта, возникшего в течение определенного периода времени, чаще всего с даты первой регистрации, первой покупки или первого привлечения через определенный канал, а затем отслеживает, как меняется поведение каждой когорты в последующие периоды времени. Наиболее распространенным результатом является таблица удержания когорт, или кривая удержания, показывающая, какой процент когорты остается активным, возвращается для покупки или продолжает подписку через заданные интервалы после начальной точки, например, через 1 неделю, 1 месяц, 3 месяца и 12 месяцев, что позволяет аналитикам сравнивать поведение когорт, привлеченных в разное время или через разные каналы, на протяжении их соответствующих жизненных циклов.
Когортный анализ важен, поскольку он исправляет фундаментальное ограничение агрегированных показателей временных рядов: общий коэффициент удержания клиентов или средний доход на пользователя за данный месяц объединяет клиентов на совершенно разных этапах их взаимодействия с продуктом, некоторые из которых присоединились в том же месяце, а некоторые — несколько лет назад, что может полностью маскировать ухудшение или улучшение тенденций. Например, общая база пользователей может показывать неизменное общее количество ежемесячно активных пользователей, даже если новые когорты отток происходит значительно быстрее, чем старые, — тревожный сигнал, который оставался бы невидимым в объединенном показателе, но становится сразу же очевидным, когда когорты разделены и сравниваются бок о бок на кривой удержания.
Когорты можно определять по нескольким параметрам, помимо простой даты привлечения, включая поведенческие когорты (группированные по предпринятому действию, например, завершение процесса адаптации или нет), когорты по каналам привлечения (группированные по тому, попал ли пользователь через платный поиск, органический трафик или реферальную ссылку) и когорты по доходам (группированные по первоначальной стоимости покупки). Аналитики обычно визуализируют эти данные в виде треугольной таблицы удержания, где строки представляют когорты по начальному периоду, а столбцы — время, прошедшее с этого периода. Это позволяет изолировать такие закономерности, как низкая эффективность когорты за конкретный месяц из-за изменения цен, ошибки или некачественной кампании по привлечению клиентов, именно в этот период, а не скрывать их в общих средних значениях. Инструменты, такие как Mixpanel, Amplitude и другие, позволяют выявлять такие закономерности, как низкая эффективность когорты за конкретный месяц из-за изменения цен, ошибки или некачественной кампании по привлечению клиентов. GA4Встроенные отчеты по когортному анализу обычно используются для построения подобных анализов без необходимости специальной обработки данных.
Часто допускается ошибка, заключающаяся в выводах на основе слишком малых или слишком молодых когорт, не накопивших статистически значимых данных, поскольку когорта, сформированная всего две недели назад, еще не может ничего рассказать о показателях удержания клиентов за 6 или 12 месяцев, а сравнение незрелой когорты со зрелой по этим более поздним показателям дает искаженную картину. Другая распространенная ошибка — неспособность учитывать внешние факторы, которые одновременно влияют на всю когорту, такие как сезонный всплеск качества привлечения клиентов во время праздничной распродажи или временное отключение продукта, что может создать впечатление, что когорта необычно сильна или слаба по причинам, не связанным с какими-либо преднамеренными изменениями в продукте или маркетинге, внесенными в это время.
Для консалтинговых компаний, занимающихся вопросами роста или оптимизации конверсии (CRO), когортный анализ особенно ценен для оценки того, приводят ли изменения в продукте, процессе адаптации или маркетинге жизненного цикла к устойчивым улучшениям, а не к краткосрочным всплескам, поскольку изменение, которое увеличивает количество первоначальных регистраций, но не улучшает или фактически ухудшает удержание в течение 30 или 90 дней в затронутой когорте, не обязательно создает долгосрочную ценность. Это также стандартный инструмент для оценки качества каналов привлечения клиентов с течением времени, поскольку каналы можно сравнивать не только по немедленному коэффициенту конверсии или стоимости привлечения, но и по долгосрочной траектории удержания и пожизненной ценности клиентов в когортах, которые они формируют, часто показывая, что канал с более высокой первоначальной стоимостью привлечения на самом деле более прибылен, если учесть долгосрочное поведение когорты.