Когортный анализ

Когортный анализ — это метод маркетингового исследования поведения пользователей, который помогает оценить эффективность бизнеса. Суть в том, что нужно проанализировать поведение групп людей, совершивших одно и то же действие в определенный период времени. Такие группы называются когортами.

Например, пользователи впервые зашли на сайт в ноябре, а первую первую покупку сделали 1–5 декабря — их можно объединить в когорту, а потом с помощью специальных инструментов отследить, что с ними происходило дальше: заходили ли они на сайт и делали ли повторные покупки.

Вот другие примеры когорт:

• пользователи, которые установили приложение;
• пользователи, которые подписались на рассылку со специальными предложениями;
• пользователи, которые перешли на сайт со статьи в блоге;
• первое посещение сайта пользователем.

Для чего нужен когортный анализ

С помощью когортного анализа определяют, как разные маркетинговые инструменты влияют на показатели бизнеса. Он помогает:

Оценить эффективность рекламных кампаний и распределить маркетинговый бюджет

Такой подход позволяет на раннем этапе оценивать результаты рекламных кампаний, даже с длинным циклом продаж. Например, у онлайн-магазина, который продает товары повседневного спроса, цикл продаж короткий, а у дилера автомобилей он будет гораздо длиннее, так как покупателю порой требуется не один месяц, чтобы принять решение.

Допустим, дилер автомобилей запустил рекламу, а спустя месяц компания решила оценить первые результаты. Может оказаться, что затраты на рекламу превысили доходы от нее. Но вместо того чтобы сразу свернуть рекламную кампанию, можно объединить потенциальных клиентов в когорту и спустя несколько месяцев увидеть, что те, кто увидел рекламу, решились на покупку только через три месяца.

Улучшить маркетинговую стратегию

Когортный анализ исследует изменения в поведении групп пользователей и выявляет закономерности. Эти данные потом помогают усовершенствовать маркетинговую стратегию, доработать путь, который проходит клиент, от появления потребности до покупки.

Проанализировать эффективность мобильного приложения

В аналитике мобильных приложений когортный анализ помогает оценить Retention Rate — коэффициент удержания клиентов.

Допустим, в сентябре мобильное приложение привлекло 500 тыс. пользователей, а в октябре — всего 200 тыс. Но общий результат по итогам второго месяца оказался вовсе на 700 тыс. пользователей, а всего 550. Получается, что, пока компания занималась привлечением новых клиентов, 150 тыс. пользователей стали неактивными.

Чтобы минимизировать последствия, можно проанализировать Retention Rate для когорт. Для этого используется формула:

User Retention Rate = (R – A) / E*100,

где
R — общее число пользователей в конце текущего периода;
A — число пользователей, привлеченных за текущий период (когорта октября);
E — число активных пользователей в конце предыдущего периода (когорта сентября).

Получаем: (550 000 – 200 000) / 500 000 * 100 = 70%

Когортный анализ показывает, что компания может удержать 70% пользователей. Полученные данные можно использовать для того, чтобы исправить ситуацию. Например, изменить маркетинговую стратегию, пересмотреть стоимость подписки или запустить новую рекламную кампанию.

Как применять когортный анализ и какие инструменты выбрать

Есть разные по сложности инструменты для когортного анализа. Это могут быть как самые простые отчеты в виде таблиц Excel или Google Sheets, так и сервисы аналитики, например Google Analytics, AppsFlyer, Adapty, AppMetrica, Яндекс.Метрика.

Как проводить когортный анализ:

• Выделите признаки, по которым формируются когорты. Их может быть несколько: например, установка приложения, первый визит, первая покупка и так далее. Все зависит от того, какой показатель вы хотите улучшить.
• Задайте размер когорт — временной интервал, в течение которого пользователи будут попадать в одну группу. Он может быть любым — от недели до месяца в зависимости от бизнеса и решаемой задачи.
• Определите отчетный период — время, в течение которого вы будете проводить исследование.
• Обозначьте ключевые метрики, по которым будет проводиться анализ. Это может быть, например, время пребывания на сайте, количество транзакций и т.д.

Затем сравните метрики в разных когортах — так вы сможете выявить закономерности и отличия в поведении своей аудитории.

Посмотрим на пример отчета в Google Analytics. В нем проводится анализ поведения новых посетителей сайта с 5 по 11 марта 2020 года. Предположим, что метрика, которую мы оцениваем, — это процент купивших определенный товар по акции. 5 марта на сайт зашло 3 356 пользователей, из которых 6,41% купили товар в тот же день. На следующий день уже только 1,85% этих посетителей совершили покупку, а на третий день — еще меньше: 1,37%. Однако затем происходит небольшой рост, и на шестой день показатель составляет 2,09%. Отчет позволяет задать больший промежуток времени, потому можно будет узнать точно, в какой момент пользователи из этой когорты перестанут делать покупки.