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 — 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.
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:
| Сегмент | Критерий выделения | Триггер разбора | Показатель решения | Типовое решение |
|---|---|---|---|---|
| Канал привлечения | источник первого касания | разница удержания между каналами больше 10 пунктов | выручка когорты на рубль расходов | перераспределить бюджет |
| Тариф | стартовый тариф | разница удержания тарифов больше 10 пунктов | отток по тарифу | менять упаковку или онбординг |
| Размер клиента | сегмент компании | разница срока выхода на ценность | конверсия в повторную покупку | разные сценарии внедрения |
| Владелец сделки | менеджер или команда | разброс конверсии между менеджерами | удержание и конверсия по владельцу | обучение 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 практикумы, вебинары и конференции: сравните программу, дату и условия участия.
Выбрать мероприятие →- ✓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
