Посетители сайта составляют не безликую массу, а людей, которых можно объединить по различным признакам. Именно этой цели и служит когортный анализ. В этой статье мы разбираем, что такое когорта и зачем это нужно. Также мы попросили экспертов рассказать о том, как они применяют когортный метод в своей работе.
Что такое когортный анализ
Когортный анализ подразумевает деление аудитории на группы по различным признакам. Такие группы называются «когортами» — т. е. включают пользователей, которые совершили какое-то действие за конкретный временной период.
Если бы мы не учитывали время совершения действий, то речь шла бы не о когорте, а о стандартном сегменте.
Зачем нужно делить пользователей на когорты? Посетители сильно отличаются друг от друга по характеристикам и поведению. Тот, кто впервые зашел вчера, будет вести себя не так, как постоянный клиент. Поэтому не стоит анализировать всех «скопом». Лучше поделить их на когорты и смотреть статистику: как меняется поведение с течение времени.
Приведем пример. В апреле в платформе Ringostat добавился новый продукт — Ringostat Messenger. Чтобы понять, как это повлияло, например, на прибыль, мы можем создать разные когорты. Допустим, отдельно для тех, кто использовал Ringostat с марта по апрель. И для пользователей с апреля по май. Сравнивая их по разным показателям, мы можем оценить, насколько «зашел» новый продукт.
Когортный анализ поможет понять, как запущенные активности влияют на самые важные показатели бизнеса.
Когортный анализ в маркетинге
Понимать, окупаются ли вложения в рекламу
Если в вашем бизнесе клиенты быстро принимают решение о покупке — то тут все просто. Отдачу от рекламы вы видите почти сразу. Совсем по-другому, если вы продаете дорогой товар. Тут пользователь на покупку решается не сразу и долго выбирает. Здесь можно столкнуться с проблемой, которую мы описали в статье «Что такое ROMI, ROI и как его посчитать».
Представим застройщика, который продает квартиры в новострое, и запустил для этого контекст в октябре. Если он через месяц посмотрит статистику, окупилась ли реклама, то ROMI скорей всего будет низким. Тут будет ошибкой сразу отключить объявления. Ведь потенциальные покупатели еще только думают над покупкой. Логичней собрать когорту из пользователей, которые пришли из рекламы в октябре, а данные проанализировать в декабре. Так застройщик увидит более реалистичный ROMI.
«Подогревать» пользователей, у которых снизилась активность
Если делить пользователей по когортам, можно заметить, в какое время у них начинает снижаться активность. Например, люди перестают пользоваться приложением или заходить в сервис спустя полгода. Это повод для Customer Success связаться с ними, отправить «прогревающую» рассылку или предложить какой-то бонус, чтобы вернуть интерес.
«Благодаря когортному методу анализа, я заметил интересные инсайты. Сейчас у меня четыре разноплановых проекта, но у всех них примерно одинаковая тенденция. На 7, 14 и 16 дни после захода на сайт у пользователей наблюдается всплеск возвратов.
Владея этими данными, я оптимизировал график показа рекламы в ремаркетинговых кампаниях. На эти дни я ставил больше бюджет — и получал больше охват. Люди охотнее заходили на сайт и оставляли заявки. Так я более эффективно прогрел целевую аудиторию и получил больше заявок, не тратя больше денег. Я просто уменьшил ставку на менее «горячие» дни, а на самые конверсионные увеличил. Т. е. бюджет по факту оставался неизменным, но принес больше конверсий».
Сергей Вовченко
директор по маркетингу в компании Coffee Group
Понимать, какие каналы приводят самых вовлеченных пользователей
Когорту необязательно сегментировать только по одному признаку. Вы можете выбирать несколько, чтобы копнуть глубже. Например, сгруппировать людей и по каналу привлечения, и по конкретному действию.
Создайте когорту из посетителей, которые зарегистрировались у вас на сайте за последние три месяца. А потом разделите их на каналы, из которых они пришли. Сравните их по коэффициенту удержания или числу повторных заказов в течение каждого месяца. Это поможет оценить, из какой рекламы приходят самые заинтересованные пользователи — и выделить на эти источники больше бюджета.
Проводить тесты
Такой анализ отлично подходит, если вы проводите A/B-тестирование — разных версий приложения, СTA-элементов на площадке и т. д. Допустим, вы хотите заменить баннер на блоге, но не знаете, не повредит ли это конверсии. Показывайте одной части пользователей старый баннер, а второй — новый.
Спустя месяц создайте отчет для людей, которые перешли из нового баннера на сайт. И сопоставьте с конверсией когорты пользователей, которые видели старый баннер. Так вы поймете, какой из вариантов отрабатывает лучше и стоит ли заменять старый креатив.
Для чего нужен когортный анализ
Об использовании этого инструмента мы попросили рассказать практикующего веб-аналитика.
«Чаще всего мы применяем когортный анализ для оценки эффективности кампаний наших клиентов. Он позволяет нам видеть не только результат рекламы, но и сделать вывод о необходимости запуска нового инструмента продвижения. Например, ремаркетинга или рассылки для старых пользователей, которые снижают свою активность. Такой анализ позволяет нам вовремя и успешно запускать рекламные кампании и удерживать их результат. Хочу дать несколько советов, как работать с этим инструментом.
Екатерина Николаева,
веб-аналитик агентстве интернет-маркетинга Inweb
Начиная работу с когортным анализом, поймите, в чем его необходимость и что он вам может показать
Просто запустить отчет, выбрав все необходимые параметры и показатели — недостаточно. Важно привязывать данные когортного анализа к проведенной маркетинговой деятельности. Например, к запуску новой рекламной кампании в Google Ads или email-рассылки со специальными предложениями.
Выберите показатель для анализа вашей когорты, ориентируясь на цели
- Если ваша основная цель — увеличение общего трафика и поддержание потока постоянных посетителей, то отчет на основе показателя «Коэффициент удержания клиентов» будет очень полезен.
- Если же ваши цели заключаются в увеличении активности пользователей, коэффициента конверсии и уровня дохода — вам больше подойдут показатели остальных двух наборов показателей предлагаемых Google Analytics, например «Транзакции», «Достигнутые цели», «Доход на пользователя» и т. д.
Используйте дополнительные сегменты, чтобы узнать больше о своей аудитории
Для более детального анализа поведения пользователей, а также сравнения по какому-либо параметру можно и нужно использовать сегменты. Кроме встроенных, вы можете использовать собственные, определив группы клиентов по уже совершенному ранее действию. Например, выберите пользователей, совершавших ранее покупку на вашем ресурсе или тех, кто подписался на рассылку новостей. И что более важно — можно создать специальный сегмент для вашей рекламной кампании.
Тщательно изучите поведение групп пользователей, детализируя параметры когорты
Сложно сделать вывод, глядя на построенный отчет когортного анализа с выбранной конфигурацией без углубления и детализации. И не всегда он будет верным. Например, вы можете увидеть, что объем продаж за квартал растет из-за притока новых клиентов. Но если копнуть глубже и посмотреть отчет по недельным когортам, можно заметить, что продажи во всех когортах резко уменьшаются на шестой неделе. Отсюда случае следует вывод, что необходимо запускать ремаркетинг».
Ключевые метрики продукта
Рассмотрим, какие показатели пригодятся при проведении когортного анализа.
- Life Time Value — отражает прибыль, полученную с одного за все время сотрудничества. LTV нужен, чтобы понимать, не превышают ли расходы по привлечению клиентов полученных доходов. Есть несколько способов посчитать LTV — вот один из них:
- Conversion rate — процент целевых действий от пользователей, который мы получили от общего числа посетителей.
- Retention Rate — удержание клиентов в течение определенного времени. Например, компания может знать, что постоянное сотрудничество с ней обычно длится год. Считается по формуле:
- Customer Acquisition Cost (CAC) — стоимость привлечения клиента. Ниже упрощенная формула для расчета. В идеале, в затраты нужно также учитывать зарплаты маркетологов, стоимость сервисов для работы и оборудования и т. д.
Например, если говорить о вовлеченности пользователя платформы, то можно исходить из таких показателей:
- регистрация в платформе;
- активное ее использование — как минимум, визит личного кабинета несколько раз в неделю;
- долгосрочный Retention Rate — сколько людей используют продукт в течение нескольких месяцев и дольше.
Монетизацию можно оценить по количеству оплат продукта — первых и последующих. Также вы можете рассчитать, сколько нужно времени, чтобы окупился конкретный канал продвижения. Для этого нужно сегментировать когорты по каналам и сопоставить их LTV и CAC.
Когортный анализ в Google Analytics
В этой системе отчет Когортный анализ находится во вкладке Аудитории. Он позволяет понять, сколько людей возвращаются на ваш ресурс с ходом времени.
Пример когортного анализа в Google Analytics
О работе с этим инструментом рассказывает Екатерина Николаева, веб-аналитик в агентстве интернет-маркетинга Inweb:
«Когортный анализ — это незаменимый, но, к сожалению, недооцененный многими инструмент, который анализирует тенденции и закономерности в поведении пользователей. Он помогает сделать вывод об эффективности рекламных кампаний, рассылок, промо-акций и прочих инструментов интернет-маркетинга. Отчет показывает влияние маркетинговых кампаний и стратегий на поведение групп пользователей и показатель конверсии. Ни одна другая выборка не покажет таких данных.
У нас работа с когортным анализом строится из таких этапов:
- выдвигаем вопрос, гипотезу или проблему;
- формируем сегмент для анализа;
- выбираем основные показатели когорты в отчете;
- анализируем полученные данные, детализируем по неделям/дням, сравниваем с другими сегментами;
- делаем вывод об эффективности маркетинговой кампании, отвечаем на поставленный перед анализом вопрос, подтверждаем или отрицаем гипотезу, принимаем решение о способах устранения проблемы;
- после реализации решений проводим повторный анализ для оценки результатов».
Отчет по когортам можно настроить самостоятельно, задав четыре параметра. Но он сейчас находится на стадии BETA-теста, поэтому вы увидите, что там есть ограничения.
На графике ниже можно выбрать три варианта когорт:
Получаем таблицу, в которой видно, что чаще всего в первую неделю возвращались пользователи, зашедшие на сайт с 1 ноября по 5 декабря. Эти ячейки выделены темно-синим цветом:
Нажав на интересующую ячейку, можно создать отдельный сегмент когорты:
Когортный анализ в Excel
Когортный анализ можно также проводить в Google таблицах или Excel. В сети достаточно примеров с описаниями и даже шаблонами, которые упростят этот процесс.
Например, можно посчитать LTV для отдельных когорт за прошедший период — допустим, полгода. И спрогнозировать, сколько прибыли принесет эта когорта за в будущем полугодии. В этом поможет наша статья «Строим простой прогноз в Google Таблицах или Excel». В ней уже есть шаблон таблицы для расчета — только вместо прибыли подставьте рассчитанный LTV.
Также вы можете посчитать в Excel, сколько пользователей к вам вернулось. Это пошагово описано на портале This is data. Для этого вам нужны будут из CRM или другой системы такие данные по пользователям:
- дата оформления покупок;
- дата первой покупки;
- идентификатор пользователя — телефон или электронный адрес;
- столбец с единицами — так будут суммироваться все заявки.
Тут и ниже источник — This is data
После получения данных нужно распределить поля по такому принципу:
В результате получаем такой отчет:
Как анализировать информацию? Выберите столбец, где указан интересующий вас месяц, в который пользователи оставляли первую заявку. В марте таких людей было 2906. В апреле 21 человек из них снова пришел к вам и повторно купил продукт, в мае уже 11 и т. д.
Пример когортного анализа
Разберем реальный пример, который показывает, насколько полезен когортный анализ. Платформа Expertsender исследовала аудиторию интернет-магазина, чтобы понять, когда она теряет интерес к рассылке. В когорты пользователи объединялись по дате подписки. Их поведение анализировали в разрезе:
- открытий;
- кликов по контенту;
- отписок;
- жалоб на письма.
Так выглядела таблица с когортным анализом. Слева название когорты с количеством «участников», в столбцах даты а в ячейках количество открытых писем:
Что дает такая детализация? Например, анализируя когорты, специалисты поняли, что активней всего та из них, которая получала письма с креативными заголовками. И что рассылку имеет смысл делать хотя бы раз в неделю. Так как спад начинается обычно со второй недели. Сравнивая показатели и сами рассылки, их темы можно делать выводы, что влияет на открытие и клики.
Также с помощью когортного анализа специалисты смогли рассчитать life time — среднее время, пока держится интерес к рассылке. Для этого вывели среднее значение по всем когортам, отбросив 25% когорт, где было слишком мало и слишком много подписчиков.
Так стало ясно, что количество открытий уменьшается вдвое примерно к седьмой неделе.
Выводы
Когортный анализ — важный инструмент для маркетолога. Он позволяет понять, как влияют кампании, запущенные в прошлом, на активность пользователей. Также с его помощью можно спрогнозировать, каким будет LTV или другой показатель в будущем.
Подобный анализ можно проводить с помощью Google Analytics, но этот отчет пока находится на стадии BETA-тестирования, и его возможности немного ограничены. Также можно строить его в Excel или Google Таблицах, если вы дружите с формулами. Этот отчет полезен для владельцев сервисов или бизнеса, в котором клиент не сразу принимает решение о покупке. Также с его помощью удобно анализировать подписчиков рассылок или приложений.
