Когортний аналіз

Когортний аналіз – це аналітичний метод, який групує користувачів або клієнтів у сегменти, які називаються когортами, на основі спільної характеристики або досвіду, що відбувається протягом певного періоду часу, найчастіше дати їхньої першої реєстрації, здійснення першої покупки або першого залучення через певний канал, а потім відстежує, як змінюється поведінка кожної когорти протягом наступних періодів часу. Найпоширенішим результатом є таблиця утримання когорт або крива утримання, яка показує, який відсоток когорти залишається активним, повертається до покупки або продовжує підписку через встановлені інтервали після їхньої початкової точки, наприклад, через 1 тиждень, 1 місяць, 3 місяці та 12 місяців, що дозволяє аналітикам порівнювати, як поводяться когорти, залучені в різний час або через різні канали, протягом відповідного періоду їхнього життя.

Когортний аналіз важливий, оскільки він виправляє фундаментальне обмеження сукупних показників часових рядів: загальний коефіцієнт утримання клієнтів або середній дохід на користувача в певному місяці об'єднує клієнтів на абсолютно різних етапах їхньої взаємодії з продуктом, деяких, хто приєднався того ж місяця, а деяких, хто приєднався роками раніше, що може повністю маскувати тенденції погіршення або покращення. Наприклад, загальна база користувачів може показувати фіксовану загальну кількість активних користувачів щомісяця, навіть коли новіші когорти змінюються значно швидше, ніж старіші, що є попереджувальним сигналом, який залишиться невидимим у об'єднаному показнику, але одразу стане зрозумілим, коли когорти розділяються та порівнюються поруч на кривій утримання.

Когорти можна визначити за кількома вимірами, окрім простої дати залучення, включаючи поведінкові когорти (згруповані за виконаною дією, такою як завершення реєстрації чи її відсутність), когорти каналу залучення (згруповані за тим, чи прийшов користувач через платний пошук, органічний пошук чи реферал) та когорти доходу (згруповані за початковою вартістю покупки). Аналітики зазвичай візуалізують ці дані як трикутну таблицю утримання, де рядки представляють когорти за початковим періодом, а стовпці представляють час, що минув з цього початку, що дозволяє ізолювати такі закономірності, як неефективність когорти певного місяця через зміну ціноутворення, помилку або кампанію залучення нижчої якості, до цього точного періоду, а не затьмарювати їх загальними середніми показниками. Такі інструменти, як Mixpanel, Amplitude та GA4Вбудовані звіти когортного дослідження зазвичай використовуються для створення таких аналізів без необхідності спеціальної інженерії даних.

Частою помилкою є висновок на основі когорт, які є занадто малими або занадто новими, щоб накопичити статистично значущі дані, оскільки когорта, отримана лише два тижні тому, ще не може нічого розкрити про утримання клієнтів протягом 6-місячного або 12-місячного періоду, а порівняння незрілої когорти зі зрілою за цими пізнішими показниками створює оманливу картину. Ще однією поширеною помилкою є неврахування зовнішніх факторів, які впливають на всю когорту одночасно, таких як сезонний сплеск якості залучення під час святкового розпродажу або тимчасове припинення виробництва продукту, що може зробити когорту надзвичайно сильною або слабкою з причин, не пов'язаних з будь-якими навмисними змінами продукту чи маркетингу, внесеними на той час.

Для консалтингової компанії з питань зростання або CRO когортний аналіз особливо цінний для оцінки того, чи призводять зміни в маркетингу продукту, адаптації або життєвого циклу до довгострокових покращень, а не до короткострокових стрибків, оскільки зміна, яка збільшує кількість початкових реєстрацій, але не покращує або навіть погіршує 30-денне або 90-денне утримання клієнтів у відповідній когорті, не обов'язково створює довгострокову цінність. Це також стандартний інструмент для оцінки якості каналів залучення з часом, оскільки канали можна порівнювати не лише за коефіцієнтом негайної конверсії або вартістю за залучення, але й за довгостроковим утриманням та траєкторією цінності за весь час генерування когорт, що часто показує, що канал з вищою початковою вартістю за залучення насправді є більш прибутковим, якщо врахувати довгострокову поведінку когорт.