Когортный анализ

Анализируя действия клиентов на сайте или любой другой площадке в Интернете можно получить много полезных знаний о целевой аудитории. Например, узнать самое популярное время продаж, средний чек, показатель отказов и многое другое.

Однако ключевые метрики у каждой ЦА в определенный период времени могут быть разными. Если попытаться рассмотреть их все вместе, легко запутаться или получить ошибочную картину происходящего. Поэтому маркетинговые показатели изучают отдельно для каждой группы методом анализа когорт. Рассмотрим подробнее этот инструмент.

Когорта – это сегмент целевой аудитории или группа людей, которых объединяют общие характеристики, опыт, признаки в конкретном временном отрезке.

Опыт, характеристики и прочие атрибуты ЦА могут изменяться довольно существенно с течением времени. Например, пользователь в июне покупает одну продукцию, в июле – другую, а в августе – третью. Точно так же обстоит дело и с услугами или каналами трафика: посетитель может в будние дни заходить на сайт с компьютера, а по выходным с мобильного гаджета. С помощью когортного анализа можно исследовать группы с общими признаками и эффективно отслеживать их активность.

Когорты в маркетинге – это довольно неоднородная целевая аудитория: новички сайта или сервиса, постоянные пользователи, временные посетители и другие. Все они очень разные на первый взгляд, но, используя данный метод, маркетологи объединяют их в несколько когорт.

Например, клиент купивший продукт на сайте компании в ноябре через контекстную рекламу Яндекса, одновременно относится к следующим группам:

Пользователи из поисковой рекламы Яндекса. Анализируя этот сегмент, можно узнать, насколько эффективны контекстные объявления в поисковой выдаче по сравнению с РСЯ и баннерами.

Клиенты, купившие продукцию в ноябре. С помощью этих метрик определяют сезонность продаж.

Покупатели конкретного продукта. Анализируя эту когорту, маркетологи выявляют спрос на товар у разных сегментов ЦА.

Таким образом, идея когортного анализа заключается в том, чтобы разделить пользователей на группы по схожим характеристикам и атрибутам для отслеживания их поведения в течение времени.

Анализировать группы представителей целевой аудитории по схожим признакам полезно там, где бизнес сильно привязан к количеству клиентов. Например, в онлайне отток пользователей достаточно существенно бьет по показателям доходности бизнеса. Здесь и снижение уникальных посетителей на сайте, отписка от рассылок, рост отказов и спад вовлеченности.

С другой стороны приток новых клиентов говорит об успешности маркетинговой стратегии, даже несмотря на большой пул постоянных покупателей. Поэтому в онлайн-бизнесе анализ когорт, мониторинг поведения пользователей помогает держать руку на пульсе.

Когортный анализ активно используется в следующих сферах:

1. Формирование портрета целевого клиента

Собирая информацию из разных когорт в течение определенного отрезка времени можно составить довольно точный портрет идеального клиента.

Например, анализируя такие метрики, как лояльность покупателей, сезонность, готовность к онлайн-заказам и другие.

2. Улучшение конверсии

Анализ когорт поможет собрать информацию, которую нельзя получить сплит-тестированием. Причина в том, что когортным методом отслеживаются разные сегменты ЦА и информация по ним более точная, актуальная.

С помощью А/В тестирования сравнивают группы пользователей только по показателю конверсии, тогда как при когортном анализе подключаются ещё два параметра – время и место.

Например, проверим какой цвет кнопки побуждает пользователей больше кликать. Сплит-тест показал, что 45% больше нравится красная кнопка, а 55% - синяя. Подключим когорту по месяцу (время) и месту. И уже выясняется, что большая группа пользователей из черноморского региона лучше реагирует на красную кнопку, потому что синий (морской) цвет им уже немного приелся.

Или же пользователи, которым “зашла” синяя кнопка, чаще просматривали сайт ночью. Велика вероятность, что браузер настроен таким образом, чтобы ночью включалась тёмная тема, и синий цвет на тёмном фоне выглядит более презентабельно.

В итоге мы получаем более точные данные. Более глубокое понимание сегментов своей ЦА способствует появлению новых идей, как продуктивно работать с пользователями.

3. Сфера SaaS

Когортный анализ используются в облачных проектах для оптимизации цикла продаж. Например, есть программный продукт – полноценная и триал-версия, тарифные планы на подписку, метрики доходов и расходов компании.

При подключении анализа когорт получаем следующее. В первую группу попадают пользователи полной версии, во вторую – те, кто использует триал-версию. Временные периоды – 15 и 30 дней соответственно. Определяем, из каких когорт чаще всего переходят к заказу полной версии, какие тарифные планы подключают, каков отток за период и другие показатели.

Подобным образом строятся когорты по ценам (тарифам), доходам и расходам за отрезок времени.

В любой аналитике есть соблазн начать изучать все метрики ради статистики. В качестве обучения – занятие полезное, но на практике нужно правильно расставлять приоритеты.

Какие когорты отнести к ключевым метрикам на конкретный момент времени, а каким уделить меньше внимания? Всё зависит от специфики бизнеса.

Можно выделить ряд универсальных показателей когортного анализа, которые используются практически всегда:

Контрольная точка (Stick Point) – определенная сумма заказа, после которой клиент с высокой долей вероятности становится постоянным.

Каналы привлечения. Разные источники отличаются своей эффективностью в генерации клиентов. С помощью когортного анализа можно разделить потоки по схожим характеристикам групп.

Например, покупатели в период распродаж зачастую приносят такой же или даже более высокий доход, как и остальные клиенты. Узнать это с помощью А\В тестов невозможно, потому как и постоянные покупатели могут проявлять большую активность в период распродаж.

Конвертация пользователей из пробной версии продукта в платный тариф. Анализ когорт подскажет, какие группы бесплатной версии продукта более охотно переходят на платный тариф.

Повторные покупки. Важная метрика для понимания успешности компании у клиентов. Часто первая покупка – это некий кредит доверия, который пользователь выписывает компании. Повторные покупки уже говорят о том, что покупатель доволен результатом использования продукта, качеством сервиса.

Характеристики когорт, которые предлагают аналитические системы Гугл Аналитикс и Яндекс.Метрика. Например, длительность сеанса на сайте или в приложении, количество просмотров страниц, доход по одному клиенту, средний чек, процент достигнутых целей и другие.

Рассмотрим простой пример, распределения по когортам.

Житель Москвы перешёл на сайт 25 июля из органической выдачи Яндекса и приобрел продукт «Х» через форму онлайн-заявки. Он распределяется по следующим группам:

1. Когорта пользователей сайта из Москвы
2. Трафик из Яндекса
3. Пользователи из поисковой выдачи
4. Органическая выдача
5. Когорта «июль»
6. Когорта «25 июля»
7. Продукт «Х»
8. Онлайн-заявка

Ещё один пример. Нужно исследовать эффективность подписки пользователей на email-рассылку сайта агентства. Допустим, компания использует три площадки, где размещается подписная онлайн-форма: конкурс в Instagram, партнерский ресурс и подписка на собственном сайте.

После активного набора подписчиков в июле, получен следующий результат: с конкурса в Instagram получили 850 подписок, с сайта партнера – 120, а с самого ресурса – 1100.

Далее необходимо отследить процент открываемости писем и количество отписок. Например, за три месяца – август, сентябрь, октябрь – пришедшие с Instagram отписались сразу после окончания конкурса, больше всего постоянных читателей пришло с партнерского сайта.

В результате когортного анализа выяснено, что тратить бюджет на привлечение подписчиков Instagram невыгодно. Лучше сосредоточиться на аудитории сайта партнера.

Google Analytics

Самый подходящий для новичков — Google Analytics.

В ней доступны следующие функции:

• когорты формирующиеся по первому посещению (признак)
• один анализ — один показатель
• размер когорты — день, неделя, месяц
• отчетный период по дням — 30 дней, по неделям — 12 недель, по месяцам — 3 месяца
• доступно использование сегментов

Несмотря на ограничения, система уже подходит для полноценного использования.

Также доступна визуализация анализируемого показателя: под настройками проекта расположен график для всех пользователей и трех групп на выбор.

Система подходит для анализа небольших проектов. Можно вносить изменения в работу сервиса, улучшать предложения для клиентов и т.п. и отслеживать коэффициент удержания клиентов. Если он будет расти, значит, принимаются верные решения.

AppsFlyer и другие

Более гибкие настройки (по сравнению с Google Analytics) для мобильного маркетинга предлагает AppsFlyer — в отчет допускается включение сразу нескольких фильтров, что позволяет получить больше ценной информации. Чтобы не тратить много времени на анализ маленьких групп, устанавливают ограничение по количеству пользователей.

Разработчики приложений обычно используют AppMetrica и Adjust для аналитики возврата новых пользователей. Во втором сервисе возможно добавление в отчет второго показателя (например, количество сессий на пользователя).

Еще одна популярная система для когортного анализа приложений и веб-сайтов — Kissmetrics. Отличительная особенность — возможность формировать когорту сразу по двум признакам. Например, клиенты, посетившие сайт и сделавшие покупку на сумму от 1 000 рублей.

Также в Kissmetrics доступны группировки по разным признакам (не только по времени), например, по месту проживания, источнику трафика и т.п.

Google Sheets

Построить когортный отчет можно по данным из Google Sheets с помощью сводной таблицы. Для этого потребуется собрать исходные данные и добавить в Google Sheets в определенном формате:

В первом столбце — период формирования когорты (неделя регистрации), во втором — последующие периоды (недели транзакций) и в третьем — данные по рассматриваемому показателю (количество покупок).

Сводная таблица

Сводная таблица — самый простой и быстрый способ построить когортный отчет на основе исходных данных. Excel помогает организовать данные и преобразовать их в более наглядный вид. Таблицу можно сформировать по аналогии с заданным форматом для Google Sheets.

Когортный анализ — незаменимый инструмент для современного аналитика. Его применение позволяет получить больше ценной информации для развития продукта, чем, например, A/B тестирование. Но в целом сфера применения когорт довольно обширная и грамотный аналитик может адаптировать их использование под разные задачи.

В основном специальные инструменты и особенные знания для сбора данных для когортного анализа не требуются. Большинство современных систем аналитики автоматизируют сбор данных и составление отчетов. Аналитику остается правильно интерпретировать полученные данные и использовать их для развития продукта.