Маркетинг16 августа · 7 мин чтения

Когортный анализ: как использовать

Когортный анализ — это способ смотреть на клиентов не общей массой, а группами по дате прихода, отслеживая их поведение во времени. Он показывает то, что средние цифры прячут: улучшается ли продукт, окупается ли реклама, где уходят клиенты. Разбираем, как строить когорты и читать retention-кривую.

Когортный анализ: как использовать

Когортный анализ — это метод, при котором клиентов делят на группы (когорты) по общему признаку, чаще всего по дате первого действия, и наблюдают за поведением каждой группы во времени. Вместо одной усреднённой цифры «клиенты возвращаются в 30% случаев» вы видите, как ведёт себя каждая волна пришедших: те, кто пришёл в январе, в феврале, в марте. Это вскрывает динамику, которую средние показатели скрывают, — становится видно, улучшается продукт или деградирует, окупается ли реклама и когда клиенты уходят. Разберём, как строить и читать когорты.

Что такое когорта и зачем это нужно

Когорта — это группа клиентов, объединённых временем или событием: «все, кто зарегистрировался в марте», «все, кто сделал первую покупку на этой неделе». Ключевая идея — сравнивать не разных людей в один момент, а одну группу в разные моменты и разные группы между собой.

Зачем это нужно: средние метрики врут за счёт смешивания. Если у вас растёт база, свежие клиенты «размывают» статистику удержания, и общая цифра выглядит стабильной, хотя каждая новая когорта может вести себя всё хуже — или всё лучше. Когортный анализ разделяет эти волны и показывает правду: та мартовская группа через три месяца удержалась на 25%, а июньская на тех же трёх месяцах — уже на 35%. Значит, вы что-то улучшили. Без когорт этот сигнал утонул бы в среднем.

Как строить когорты

Построение когорты — это три решения: по какому признаку группировать, какое действие отслеживать и с каким шагом.

01Выберите признак когорты. Чаще всего — период первого касания: месяц или неделя регистрации либо первой покупки. Реже — канал привлечения, тариф, гео.
02Определите отслеживаемое действие. Что считаем «активностью»: повторная покупка, вход в сервис, продление подписки, любой возврат на сайт.
03Задайте шаг наблюдения. По неделям, месяцам — в зависимости от цикла вашего продукта. Для подписок обычно месяц, для частых покупок — неделя.
04Постройте матрицу. Строки — когорты (март, апрель, май), столбцы — периоды жизни (месяц 0, 1, 2, 3). В ячейках — доля активных из когорты. По диагоналям и строкам читается динамика.

Матрица когорт — базовое представление, из которого потом вытягивают retention-кривую и выводы об окупаемости.

Как читать retention-кривую

Retention-кривая — это линия удержания когорты во времени: сколько процентов группы остаётся активными через 1, 2, 3 периода после старта. Она почти всегда падает, но форма падения говорит о многом.

  • •Крутое падение в начале. Большая часть уходит сразу после первого контакта — проблема онбординга или несоответствия ожиданий. Люди не дошли до ценности продукта.
  • •Выход на плато. Если кривая после спада выравнивается и держится на некоем уровне — это ваше «ядро» лояльных, которые остаются надолго. Высота плато важнее скорости первого спада.
  • •Кривая, уходящая в ноль. Плато нет, все рано или поздно уходят — признак разового продукта или системной проблемы с удержанием.
  • •Улыбающаяся кривая (редко). Удержание со временем растёт за счёт реактивации — признак сильного продукта с сетевым эффектом.
Средняя метрика удержания говорит, сколько людей вернулось. Retention-кривая говорит, есть ли у вас ядро, которое остаётся, — и на какой высоте оно закрепляется. Это разница между «есть бизнес» и «есть трафик».

Тесно связанный показатель — отток: retention и churn зеркальны, и когорты показывают отток нагляднее всего. Подробнее о расчёте потерь — в статье про churn rate.

Какие выводы даёт когортный анализ

Ценность метода — в конкретных управленческих решениях, а не в красивых матрицах.

  • •Оценка изменений в продукте. Поменяли онбординг в мае — сравните майскую когорту с апрельской. Если удержание выросло, изменение сработало; средние цифры этого бы не показали.
  • •Качество разных каналов. Постройте когорты по источнику привлечения. Часто оказывается, что дешёвый канал приводит клиентов с плохим удержанием, а дорогой — с отличным. Дешёвый лид на входе выходит дороже на дистанции.
  • •Реальная окупаемость. Когортный взгляд связывает стоимость привлечения когорты с выручкой, которую она приносит за месяцы, — это честный расчёт окупаемости с учётом LTV клиента, а не разовой продажи.
  • •Прогноз. Зная форму кривой ранних когорт, вы прогнозируете поведение свежих и планируете выручку.
  • •Сезонность и качество набора. Видно, отличаются ли клиенты, пришедшие в высокий и низкий сезон, по лояльности.

Пример на цифрах

Допустим, вы сравниваете три когорты по удержанию через 3 месяца: март — 20%, апрель — 22%, май — 30%. Виден рост: каждая новая волна держится лучше. Если в апреле вы переработали онбординг, а в мае улучшили продукт — данные подтверждают, что усилия сработали.

Теперь разрежьте те же когорты по каналам. Окажется, что клиенты из контекста удерживаются на 35%, а из дешёвого таргета — на 12%. Вывод: несмотря на низкую цену лида, второй канал приносит клиентов, которые быстро уходят, и его реальная окупаемость хуже. Такое решение невозможно принять по средним цифрам — только через когорты.

Инструменты

Строить когорты можно на любом уровне бюджета.

  • •Google Таблицы или Excel. Для старта и небольших объёмов — выгружаете данные и собираете матрицу когорт формулами. Бесплатно и наглядно.
  • •Системы веб-аналитики. Отчёты по когортам есть в аналитических платформах, включая отчёты жизненного цикла и повторных визитов.
  • •CRM и BI-системы. При зрелой инфраструктуре когорты строят в BI поверх данных CRM — с разрезами по каналам, тарифам и сегментам.
  • •Продуктовая аналитика. Специализированные сервисы дают готовые retention-кривые и матрицы «из коробки» для продуктовых команд.

Начните с таблицы: даже ручная матрица когорт по месяцам даёт больше понимания, чем любой средний показатель.

Итог

Когортный анализ — это способ увидеть бизнес честно: не усреднённой массой, а волнами клиентов, каждая из которых рассказывает свою историю о продукте и рекламе. Он показывает, улучшаетесь ли вы, какой канал приносит лояльных, а какой — «одноразовых», и когда реально окупается привлечение. Начните с простой матрицы по месяцам и retention-кривой — и вы увидите то, что средние цифры прятали. А чтобы освоить продвинутые срезы и сверить подход с практиками, полезно послушать коллег на профильных деловых мероприятиях по маркетингу и продуктовой аналитике. Подробности — в материале «Продуктовая аналитика: метрики и инструменты».

Рабочая таблица сегментов когорт

Построение когорт по времени прихода — база. Следующий шаг — резать каждую когорту на сегменты, чтобы решения принимались не «по средней температуре», а по проверяемым различиям между группами. Зафиксируйте заранее, по каким срезам смотрите данные и что делаете с результатом. Ограничение: одновременно работайте не больше чем с двумя-тремя срезами, иначе группы расползутся на мелкие выборки, и различия между ними перестанут быть статистически весомыми.

Шаблон таблицы:

СегментКритерий выделенияТриггер разбораПоказатель решенияТиповое решение
Канал привлеченияисточник первого касанияразница удержания между каналами больше 10 пунктоввыручка когорты на рубль расходовперераспределить бюджет
Тарифстартовый тарифразница удержания тарифов больше 10 пунктовотток по тарифуменять упаковку или онбординг
Размер клиентасегмент компанииразница срока выхода на ценностьконверсия в повторную покупкуразные сценарии внедрения
Владелец сделкименеджер или командаразброс конверсии между менеджерамиудержание и конверсия по владельцуобучение или правка скрипта

Условный пример и критерий проверки

Допустим, свежие когорты удерживаются хуже старых. Разрез по каналам показывает: у клиентов из одного канала удержание на третьем месяце вдвое ниже, чем из другого, при более дешёвом лиде. Показатель решения — выручка когорты на рубль расходов: «дешёвый» канал проигрывает на дистанции, и бюджет переносится, несмотря на то что стоимость лида по нему выглядит лучше.

Критерий проверки: решение по сегменту считается обоснованным, если в таблице зафиксированы три вещи — цифра до изменения, цифра после и дата повторной сверки. Если решение принято по одному срезу без контрольной даты, это гипотеза, а не вывод когортного анализа.

По этой задаче пригодится материал «RFM-анализ в B2B: как учесть редкие покупки».

Ближайшие мероприятия по теме
Курс25 ноября 2026

Тренинг «Юнит-экономика в маркетинге»

Ул. Восстания, д. 1/Т, 2+ этаж (1 минута от м. Пл. Восстания)

Кому адресован тренинг Для собственников и руководителей бизнеса, руководителей организаций, руководителей отделов маркетинга и всех заинтересованных лиц, кто хочет разобраться с взаимосвязью маркетинговых…

от 24 000 ₽Тренинговое Агентство "Мастер-класс"
Программа и условия →
Открыть тематическую афишу →
Практика и обмен опытомНайдите встречу по своей задаче

Ближайшие практикумы, вебинары и конференции: сравните программу, дату и условия участия.

Выбрать мероприятие →
Чек-листКак применять когортный анализ
  • ✓Делите клиентов на когорты по месяцу прихода
  • ✓Стройте retention-кривую по каждой когорте
  • ✓Сравнивайте свежие когорты со старыми
  • ✓Ищите точку, где кривая выходит на плато
  • ✓Связывайте когорты с каналом привлечения
  • ✓Считайте окупаемость в разрезе когорт