Когортный анализ

Когортный анализ — это один из методов исследования поведения потребителей. Он показывает, как ведут себя узкие группы людей (когорты), которые совершили определенное действие в какой-то конкретный промежуток времени.

Это позволяет маркетологам выявить закономерности, которые могут быть неясны при рассмотрении общих данных, а также понять поведение конкретных групп клиентов.

 

Пользователи подписались на рассылку в период с 1 по 30 мая, и мы объединили их в одну когорту. Одинаковым действием стала подписка на рассылку, одинаковым временем — период с 1 по 30 мая.

Для чего нужен когортный анализ

Когортный анализ помогает составить более полную картину о результатах кампаний и продвижении бизнеса. С его помощью можно выявить закономерности, чтобы улучшить клиентский опыт и понять, какие недочеты стоит исправить.

Он особо ценен для понимания эффективности маркетинговых мероприятий, поскольку позволяет определить, какие источники обеспечивают наибольшее количество конверсий и продаж. Это помогает бизнесу вовремя скорректировать стратегию продвижения. 

Похожим образом работает сегментация, когда аудиторию разделяют на сегменты по схожим характеристикам (возраст, пол, место проживания, интересы и прочее). Затем отслеживают, как ведёт себя определённый сегмент и с учётом его поведения улучшают коммерческое предложение, маркетинговую стратегию, путь клиента. 

Однако между когортным анализом и сегментацией есть существенная разница: 

• При анализе когорт исследуют, как ведут себя пользователи с разными характеристиками, но с одинаковым опытом — совершившие одно и то же действие в одно и то же время. 
• При анализе сегментов анализируют конечный результат группы пользователей со схожими характеристиками, которые совершали разные действия в разное время. 

 

Допустим, интернет-магазин работает в нескольких странах СНГ: России, Белоруссии и Казахстане. Всех клиентов можно поделить на сегменты по территориальному признаку. Анализ сегментов показал, что больше всего покупок совершают россияне. Казалось бы, найдена приоритетная аудитория. Но почему российский сегмент покупает больше?

Начинаем изучать подробнее и видим, что клиенты совершенно разные — обладают разными характеристиками и интересами, пришли с разных источников, ведут себя на сайте по-разному. Причины более высоких продаж по-прежнему непонятны.

Пробуем изменить подход. Делим аудиторию не по сегментам, а по когортам. В частности создаем группы по источнику посещения за май: с рассылки, с соцсетей и с контекстной рекламы. Три когорты, каждую из которых не объединяет ничего, кроме совершения одинакового действия в одном периоде:

• Посетили сайт в течение мая, перейдя по ссылке из письма.
• Попали на сайт в течение мая из соцсетей.
• Стали посетителями в течение мая, перейдя по контекстной рекламе.

Отслеживаем поведение созданных когорт на протяжении пары месяцев и видим, что больше всего покупок делают пользователи из контекстной рекламы. Анализ помог определить наиболее эффективный инструмент привлечения клиентов. Но контекстная реклама интернет-магазина настроена только на Россию — отсюда и более высокие результаты в российском сегменте.

Создаём контекстную рекламу для Казахстана и Белоруссии и видим, как результаты продаж в этих странах значительно улучшаются. В подобной ситуации классическая сегментация была бы бессильна, и интернет-магазин мог отказаться от работы с Белоруссией и Казахстаном, направив основные усилия на российскую аудиторию.

При когортном анализе мы изучаем, как меняется определенная метрика в зависимости от поведения пользователей. В итоге можно более чётко определить ошибки, недоработки и слабые места с учётом конкретного действия. Наблюдая поведение людей в когортах, можно оценить эффективность маркетинговых мероприятий. 

 

Маркетолог оценивает эффективность рекламной кампании, запущенной в январе. Для этого пользователей, перешедших по рекламе в течение месяца, он объединил в когорту. Далее стал отслеживать по месяцам изменение ROI (показатель возврата инвестиций) относительно этой когорты.

Временной период	Размер когорты	ROI по месяцам (%)
		Январь	Февраль	Март	Апрель
Январь 2020 года	315	5	56	110,20	186,35

Анализ результатов за январь показал плохой ROI — всего 5%. Кампания фактически оказалась провальной, но маркетолог продолжил наблюдение за созданной когортой. В итоге к апрелю ROI существенно вырос. Некоторым клиентам из когорты понадобилось почти четыре месяца на принятие решения. Значит, кампания, изначально казавшаяся неудачной, была эффективной.

Если рекламная кампания продолжает действовать в феврале, маркетолог может дополнительно создать февральскую когорту и сравнить результаты разных групп пользователей.

Временной период	Размер когорты	ROI по месяцам (%)
		Январь	Февраль	Март	Апрель
Январь 2020 года	315	5	56	110,20	186,35
Февраль 2020 года	385	—	87	97	198

Анализ показал, что как и в случае с первой когортой, для второй когорты ROI увеличивался постепенно. Некоторым клиентам потребовалось время на принятие решения.

Этапы когортного анализа

Когортный анализ включает в себя следующие этапы:

1. Определение метрики. 
2. Формирование когорт. 
3. Сравнение когорт и анализ метрик. 

Для проведения когортного анализа необходимо определить: 

• Признак когорты — действие для включения в группу. Когорты можно объединять по любому действию, реакцию на которое нужно проанализировать. Например, посещение сайта, оформление заказа, получение консультации. Главное, чтобы пользователи одной когорты совершили одинаковое действие. 
• Размер когорты — период совершения действия. Формировать когорты можно по разным периодам. Например, за день, неделю, месяц и более.
• Отчётное время — длительность анализа когорты. Отслеживать поведение участников когорты можно в течение любого времени до получения необходимых данных. 
• Ключевой показатель — метрика для анализа. С помощью когортного анализа можно анализировать любой показатель (метрику), который меняется с течением времени. Например, конверсию, объём продаж, средний цикл жизни клиента, изменение количества пользователей по времени и прочее.

Когда когорты сформированы, остаётся сравнить их по метрике. При анализе мы выявляем отличия и объясняем модель поведения, характерную для конкретной когорты. 

Одновременно можно создавать несколько когорт. Часто для анализа создают несколько групп пользователей с разницей по времени совершения одинакового действия. Затем сравнивают поведение этих групп.

Например, чтобы отследить окупаемость рекламной кампании, можно создать одну когорту, проанализировать её поведение на протяжении нескольких месяцев и рассчитать итоговый показатель. 

А для расчёта длительности пути клиента от первого посещения до покупки, лучше создать несколько когорт с одинаковым действием и разным временем. Можно отследить поведение разных когорт и посчитать средний показатель. 

 

Создаём когорту пользователей, которые впервые посетили сайт (действие) с 1 по 7 мая (период). Отслеживать поведение когорты будем за три месяца (длительность). А анализировать будем конверсию в заявку (метрика).

Для сравнения создадим ещё две когорты с аналогичным действием, но другими периодами — с 7 по 13 мая и с 13 по 19 мая. Далее будем сравнивать, как меняется показатель конверсии — какие есть отличия и совпадения между когортами. По результатам определяем, что нужно исправить или улучшить.

Рассмотрим подробнее каждый этап когортного анализа. 

Определение метрики

В когортном анализе метрика — это регистрации, заявки, покупки, средний чек, выручка, длительность сеанса и прочее. Метрики можно поделить на два вида: 

• Действенные метрики — связывают действия с результатами. Например, регистрация пользователя и последующая покупка. Такие метрики отображают реальную ситуацию, помогают найти решение и улучшить результат. Как правило, к действенным относят продуктовые метрики (маркетинговые).
• Метрики тщеславия — показывают внешний успех, но мало влияют на финансовые показатели бизнеса. К примеру, такими метриками могут быть количество просмотров страниц, число лайков в соцсетях, число подписчиков рассылки. Сами по себе такие метрики практической пользы не несут и использовать их нужно в связке с другими показателями. 

Не существует правильных или неправильных метрик. При выборе метрики для исследования всегда нужно оценивать, как вы можете её использовать для развития бизнеса. Например, показатель количества подписчиков рассылки — метрика тщеславия. Однако эту метрику можно использовать, чтобы отследить динамику изменения конверсии рассылки. 

Формирование когорт

Когорта в аналитике — это группа пользователей, объединенных общим признаком. Для создания когорты нужно, чтобы пользователи совершили одинаковое действие в один период времени. Для назначения стартового действия практикуют два подхода: 

• По вовлечению. Например, первый визит на сайт, регистрация пользователя, установка мобильного приложения. 
• По монетизации. Это может быть первая покупка, оплата заказа. 

При выборе действия важно, чтобы после него появлялись данные для идентификации пользователя. Они нужны для отслеживания пользовательских действий. К примеру, если человек только скачал мобильное приложение, то никакие данные о нём неизвестны. А вот когда этот человек установит приложение, появляется необходимый минимум информации для его идентификации: IP-адрес, геолокация, персональные данные. 

Как только пользователь выполнит предопределённое действие в выбранном временном интервале, он будет включён в состав когорты. Например, нужно создать когорту по регистрации на сайте за неделю. Для этого все посетители, которые зарегистрируются за это время, объединяются в группу.

Сравнение когорт и анализ метрик

Сделать когортный анализ можно вручную. Для этого выполняют следующие шаги: 

1. Сбор данных. Вид данных зависит от события, выбранного в качестве действия. 
2. Загрузка данных. Собранную информацию загружают в Excel, Google Docs или в другой редактор со сводной таблицей. 
3. Анализ данных. Анализируют, как меняется поведение пользователя с течением времени. 

 

Мы отправляем рассылку, на которую люди подписываются из разных источников. Задача когортного анализа — выяснить, с какого источника приходят самые лояльные клиенты.

На рассылку можно подписаться тремя способами:

• через стандартную форму на сайте;
• через лид-магнит на промо-странице;
• в соцсетях.

В течение марта через форму на сайте подписалось 500 человек, через лид-магнит — 300, а через соцсети — 200 подписчиков. С учётом этих данных формируется три когорты. Отслеживать будем процент пользователей, которые остаются подписанными на рассылку по истечении времени.

Когорта по каналу	Количество подписчиков	Март	Апрель	Май
Форма на сайте	500	85%	80%	72%
Лид-магнит	300	47%	25%	15%
Соцсети	200	65%	50%	42%

Каждая отдельная строка таблицы — это одна когорта. Аналитика данных показывает, что самые активные подписчики приходят из формы на сайте — по истечении месяца подписанными остаются 85% пользователей и через три месяца 72% продолжают читать рассылку.

При подписке из соцсетей отсеивается больший процент пользователей — к концу месяца остаётся подписанными 65%, а спустя ещё два месяца остаётся 42% от изначально подписавшихся.

А вот люди, подписавшиеся за лид-магнит, уходят почти сразу — уже к концу первого месяца отписывается больше половины пользователей.

Вывод. Можно приложить больше усилий к привлечению подписчиков из формы на сайте. Нужно поработать над удержанием пользователей, которые пришли через соцсети. И практически бесполезно привлекать подписчиков с помощью лид-магнита.

Для выполнения когортного анализа можно использовать функционал Google Analytics или Яндекс.Метрики. Когортный анализ в Google Analytics позволяет формировать когорты по:

• дате первого посещения; 
• первому сеансу;
• первой транзакции; 
• первой конверсии. 

Когортный анализ в Яндекс.Метрике предусматривает формирование когорт по: 

• дате установки; 
• партнёрам (от кого пришла аудитория); 
• трекеру (отслеживание аудитории по IP, геолокации, типу устройства и прочим параметрам).  

Пример отчета по когортному анализу в Google Analytics, сформированного по дате первого посещения с отслеживанием длительности сеанса:

Когда исследуют большие массивы данных (big data), особенно полученных не от собственных сайтов, когортный анализ обычно выполняется с помощью Python, SQL и других подобных инструментов. 

Для чего используют когортный анализ в бизнесе

Когортный анализ чаще всего применяют для решения следующих задач: 

• проверки эффективности рекламных кампаний; 
• отслеживания повторных посещений; 
• проведения A/B-тестирования; 
• выявления лояльных клиентов; 
• определения сроков окупаемости каналов; 
• оценки эффективности стартапов;
• анализа эффективности разных версий мобильных приложений. 

Теоретически отслеживать можно любое количество когорт по самым разным действиям. Но на практике реализация излишне масштабных планов отнимет много времени и внимания. Поэтому выбирать когорты для исследования нужно правильно. 

Прежде чем начать анализ, подумайте, как вы сможете использовать полученный результат. Например, ответьте для себя на такие вопросы: 

• Помогут ли полученные данные изменить/улучшить маркетинговую стратегию? 
• Поможет ли анализ данных достичь поставленной цели? 
• Будут ли применимы результаты исследования при разработке стратегии? 

Проводите когортное исследование лишь в том случае, если понимаете, как и для чего вы будете использовать полученные результаты. 

Приведём пару примеров по использованию когортного анализа в бизнесе. 

Оценка эффективности разных каналов

Сравнение когорт позволяет анализировать каналы привлечения клиентов. Можно сравнить каналы, определить более эффективные и оптимизировать затраты на рекламу. 

Порядок проведения анализа: 

1. Зафиксировать всех новых пользователей, которые пришли на сайт в течение месяца. 
2. Сформировать когорты по каналам, из которых пришли новые пользователи (впервые пришли на сайт из соцсетей, из рассылки)
3. Проанализировать поведение каждой когорты — какая часть пользователей вернулась на сайт повторно, подала заявку, сделала заказ. 

Результатом анализа становятся подробные данные о состоянии каждого канала. Можно дополнительно профинансировать наиболее эффективные каналы. Для каналов с заметным спадом активности стоит пересмотреть стратегию. А от каналов, которые практически не приносят трафика и лидов, можно полностью отказаться. 

Оценка эффективности стартапа (проекта)

Инвесторы используют когортный анализ при оценке новых проектов и компаний. Например, в начале года запустили интернет-магазин. Растет выручка, число покупателей, объемы новых заказов. Но так ли все хорошо, как кажется?

Для ответа на этот вопрос клиентов разбивают по когортам: январская, февральская и так далее. Следом смотрят, как меняется поведение когорот. Если старые когорты отпадают, то это сигнализирует о возможных проблемах. Например, каждый месяц число сделок и покупателей по январской когорте снижается. Такая же картина по февральской и другим когортам. Даже если результаты проекта растут, подобная картина показывает, что лояльность клиентов низкая. Да, свежие покупатели приходят, но для этого нужно каждый месяц тратить ресурсы на рекламу и промоакции. И даже в таком случае новые клиенты не остаются.

Другой важный момент — если показатели какой-то когорты являются нетипичными, то  это знак того, что к ней нужно хорошо присмотреться. Например, мартовская когорта демонстрирует отличные показатели. Тогда стоит задать себе дополнительные вопросы. Какие маркетинговые инструменты использовались в марте и как именно? Какова специфика мартовских покупателей? Что из удачного опыта можно применить в другие периоды времени? Работа с аномальными когортами способна дать много полезной информации маркетологу. 

Проведение A/B-тестов

А/В-тестирование проводят, чтобы оценить реакцию пользователей на изменение элементов веб-страницы или письма email-рассылки. Например, разработчик меняет отдельные элементы, разделяет посетителей на группы и показывает им разные варианты страниц. Маркетолог отслеживает конверсию и определяет, какой вариант страницы оказался эффективнее. 

В стандартном варианте тестирование показывает зависимость конверсии от элементов страницы. Однако оно не покажет, как меняется поведение пользователей в течение определённого времени. Понять динамику поведения аудитории поможет когортный анализ. 

Порядок действий: 

1. Запустить B-версию страницы (сайта, рассылки) и сформировать когорту из уникальных пользователей, которые использовали только новый вариант. 
2. Одновременно сформировать когорту пользователей старой A-версии страницы. 
3. Сравнить конверсии с A и B версий. 

Сравнительная таблица покажет не только мгновенную конверсию за несколько первых дней. Можно отследить, как меняется поведение посетителей за неделю, месяц и далее. Полученные данные покажут, какой вариант дизайна лучше привлекает клиентов.

Главные мысли