что такое когорта в маркетинге
Когортный анализ
Анализируя действия клиентов на сайте или любой другой площадке в Интернете можно выудить много полезных знаний о целевой аудитории. Например, узнать самое популярное время продаж, средний чек, показатель отказов и другое. Однако ключевые метрики у каждой ЦА в определенный период времени могут быть разными. Если попытаться рассмотреть их все вместе, можно легко запутаться или получить ошибочную картину происходящего. Поэтому маркетинговые показатели изучают отдельно для каждой группы методом анализа когорт. Рассмотрим подробнее этот инструмент.
Что такое когортный анализ
Начнем с определения.
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 в будние дни заходит 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. Они все разные на первый взгляд, но, используя метод, маркетологи объединяют их в несколько когорт. Например, клиент купивший продукт на сайте компании в ноябре через контекстную рекламу Яндекса, входит в следующие группы:
Таким образом, идея когортного анализа заключается в том, чтобы разделить пользователей на группы по схожим характеристикам или атрибутам для отслеживания их поведения во времени.
Сфера применения
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:
Ключевые показатели
В любой аналитике есть соблазн начать изучать все метрики ради статистики. В качестве обучения – занятие полезное, но на практике нужно расставлять приоритеты. Какие когорты отнести к ключевым метрикам на конкретный момент времени, а каким уделить меньше внимания? Всё зависит от специфики вашего бизнеса.
Можно выделить ряд универсальных показателей когортного анализа, которые используются практически всегда:
Примеры когортного анализа
Как любая аналитическая система распределяет пользователей по когортам? Рассмотрим простой пример, житель Москвы посетил сайт 25 июля из органической выдачи Яндекса и приобрел продукт «Х» через форму онлайн-заявки. Он распределяется по следующим группам:
Ещё один пример. Нужно исследовать эффективность подписки пользователей на email-рассылку сайта агентства. Допустим, используем три площадки, где размещаем подписную онлайн-форму: конкурс в Инстаграм, партнерский ресурс и подписка на собственном сайте. После активного набора подписчиков в июле, получили следующий результат: с конкурса в Инстаграм получили 850 подписок, с сайта партнера – 120, а с самого ресурса – 1100. Далее мы отслеживаем процент открываемости писем и количество отписок. Например, за три месяца – август, сентябрь, октябрь – пришедшие с Инстаграм отписались сразу после окончания конкурса, больше всего постоянных читателей пришло с партнерского сайта.
Таким образом, мы определили, что тратить бюджет на привлечение подписчиков Инстаграм невыгодно. Лучше сосредоточиться на аудитории сайта партнера.
Резюме
Мы узнали, что когортный анализ – это более точный инструмент для изучения групп ЦА, чем A\B тестирование. Также мы изучили ключевые показатели этого метода аналитики, посмотрели несколько примеров из практики. В любом методе, главное, правильно расставлять приоритеты, ориентируясь на специфику бизнеса. Когортный анализ – не исключение их правил.
Когортный анализ в email-маркетинге и других сферах
Чем лучше вы понимаете своих клиентов, тем более эффективные маркетинговые стратегии используете. Чтобы узнать, кто находится в базе контактов, часто применяют сегментацию: по полу, возрасту, купленным товарам. И это хорошо.
Важно только не забывать, что, если пол — единственное, что объединяет людей в сегменте, то это очень разные люди, поскольку сегментация по одному признаку не учитывает разные стадии взаимодействия с компанией. Например, новый клиент — это не то же самое, что клиент лояльный, какого бы пола он ни был.
Чтобы оценить поведение клиента на всём его пути взаимодействия с компанией, применяют когортный анализ, который в результате поможет:
Что такое когортный анализ и когорты
Когорта — группа пользователей, объединённая общими признаками и временным интервалом. Например, пользователи, которые зарегистрировались в сервисе на одной и той же неделе. Они совершили одно и то же действие в один интервал. Именно распределение по времени отличает когорты от сегментов.
Когортный анализ — один из самых популярных анализов в маркетинговой и продуктовой аналитике. Он показывает изменение ключевых показателей во времени в разрезе каждой когорты. Так появляется возможность, в зависимости от того, когда пользователь совершил действие, отследить достижение конкретных целей: конверсии, ROI, CAC, LTV, Retention Rate — и разобраться в предпосылках. Например, вы видите, что пользователи четвёртой недели конвертируются лучше, чем пользователи первой. И вы знаете, что на третьей неделе вы внедрили онбординг. Значит, онбординг помогает лучше конвертировать пользователей.
Основные параметры
Для построения когортного анализа необходимо определить:
Все параметры выбираются исходя из потребностей и особенностей бизнеса. От выбора ключевого показателя зависит признак формирования и размер когорт.
Для проведения более детального когортного анализа можно создавать когорты по нескольким признакам. Например, объединить подписчиков по дате подписки на рассылку и совершении первой покупки в этом же месяце. А ещё можно дополнительно сегментировать когорты по другим интересующим характеристикам (источник трафика/пол/возраст/страна и другое).
Когортный анализ в email-маркетинге
Многие компании используют обобщённую статистику при оценке email-маркетинга: показатели открываемости, кликабельности, отписки за каждый месяц или за отдельное письмо. Но такая оценка не способна дать ответ на вопрос, кто и как взаимодействует с рассылками. Один из вариантов — сегментировать пользователей. Хорошо, но недостаточно, так как в один сегмент могут попасть как «новые», так и «старые» подписчики, которые ведут себя по-разному, и ожидания от бренда у них отличаются. Чтобы получить более детальную информацию, необходимо использовать когортный анализ.
С его помощью можно:
На примере расскажу, как использовать базовый способ построения когортного анализа без дополнительной сегментации. Этого достаточно, чтобы понять принцип построения.
Пример построения базового когортного анализа
Постановка задачи
В данном примере цель когортного анализа — отследить взаимодействие подписчиков с рассылками на основе Click Rate (количества кликов).
Определение параметров
Анализ будет построен на следующих показателях.
Исходные данные
В Таблицу 1 собираем информацию о подписчиках:
В Таблице 2 — информация о взаимодействиях (одна строка — одно действие):
В исходной таблице уже выведено уникальное количество кликов. Если ваши исходные данные содержат неуникальные значения, перед началом работы удалите строки-дубликаты из набора. Они образуются, если человек, например, кликнул два раза по одной ссылке, а так как некоторые платформы отдают все данные, какие у них есть, в таблице окажутся две одинаковые строки — разница будет только во времени этих событий.
Алгоритм работы
Анализ результатов
Полученные результаты представляются в виде матрицы, где строки — это когорты, столбцы — месяцы, значения — ключевой показатель (CR).
Например, у пользователей, которые зарегистрировались в феврале 2018 процент CR в тот же месяц был 2,11%, а вот в марте 2018 они кликали намного активнее — 14,20%.
Что полезного можно извлечь из этой матрицы?
Причины могут быть разные. Может, компания решила сменить подход к контенту (увидели, что сделали только хуже, и вернулись к прошлому варианту). А возможно, ссылки оказались некликабельными. Если устанавливать размер когорты в день или неделю, то можно оперативно отслеживать работоспособность не только в рассылках.
Есть ещё один вариант представления когортного анализа в виде матрицы, где значения в столбцах — это номер месяца, следующий за месяцем подписки.
При таком представлении удобно сравнивать когорты по их взаимодействию и определять время жизни подписчика.
Применение в других сферах
Когортный анализ — универсальный метод, который позволяет проанализировать различную информацию. Наиболее часто когортный анализ применяют для:
Инструменты построения
Самые простые
Для построения когортного анализа можно использовать Excel, Google Sheets и им подобные. Доступность этих инструментов — основное преимущество. Среди недостатков можно выделить ограниченность в размере исходных данных, невозможность оперативного пересчёта при изменении параметров, отсутствие автообновления и другие.
Инструменты с подходящим функционалом
Некоторые рекламные и аналитические сервисы имеют встроенный функционал построения когортного анализа. Преимущество такого способа заключается в том, что пользователю необходимо лишь выбрать параметры, и отчёт по когортному анализу будет оперативно построен.
К недостаткам такого подхода можно отнести:
Универсальные инструменты
Наиболее универсальными инструментами построения когортного анализа выступают платформы для бизнес-анализа, например, Power BI. С их помощью можно:
Что такое когортный анализ?
Анализ действий клиентов на сайте компании или других интернет-площадках дает много ценной информации. Но аудитории разные, как и их ключевые метрики. Если попытаться проанализировать сразу все, можно запутаться и получить неверные данные. Для сбора ценных данных опытные аналитики используют когортный анализ, о котором мы поговорим в этой статье.
Что такое когортный анализ?
Рассмотрим подробно определение «когортного анализа». Понятие «когорта» появилось еще во втором веке до нашей эры. Им обозначалось одно из главных тактических подразделений римской армии. Буквальный перевод слова — огороженное место.
В контексте этой статьи обозначает сегмент целевой аудитории или группу людей, совершивших какое-то действие в определенный период времени (например, 1 или 5 июля). Временной признак очень важен, так как именно он отличает когорту от простого сегмента.
Пользователей объединяют в одну группу по общим характеристикам, опыту и временному признаку. Но надо понимать, что со временем общие атрибуты людей могут сильно меняться. Например, сегодня клиент купил пряники, через неделю заказал автомобильные диски, а через месяц приобрел лодку.
Когорты в маркетинге не представляют собой однородную целевую аудиторию: новички сайта или сервиса, постоянные пользователи, временные посетители и т.д. На первый взгляд кажется, что это совершенно разные группы, но с помощью этого инструмента маркетологи объединяют их в несколько когорт (римская армия состояла из 10).
Например, пользователь пришел на сайт из контекстной рекламы 17 июля и купил окно. Его можно включить сразу в три группы:
Что можно сделать с помощью когортного анализа?
Анализ поведения пользователей во времени дает ценную информацию об эффективности рекламных кампаний. В частности, можно определить влияние разных маркетинговых инструментов на ключевые показатели бизнеса: LTV, конверсии, ROI, Retention Rate, САС и т.д. Рассмотрим несколько наглядных примеров из практики, чего удалось добиться с помощью когортного анализа.
Точная оценка эффективности рекламы
Не все люди быстро принимают решение о совершении покупки. Кто-то сомневается, кто-то не до конца решил, действительно ему нужен товар или нет, кто-то хочет рассмотреть альтернативные варианты в других магазинах и т.п. То есть пришедший сегодня потенциальный клиент, например, с контекстной рекламы, может не сразу совершить целевое действие.
Из-за длинного цикла продаж маркетологам не всегда удается объективно оценить эффективность и окупаемость рекламных каналов. Рассмотрим на небольшом примере ценность применения когортного анализа.
Например, в феврале 2020 года запустили контекстную рекламу в Яндексе. Прошел месяц, решили проанализировать первые результаты, посчитали ROI, а он оказался ниже 100%. Неопытный маркетолог примет решение «свернуть» РК или переделать объявления.
Но если объединить потенциальных клиентов, пришедших с этой рекламной кампании, в когорту и посмотреть на результаты спустя несколько месяцев, можно увидеть совершенно другие цифры:
На принятие решения у некоторых покупателей ушло 5 месяцев! Отслеживание поведения пользователей во времени позволило более точно оценить эффективность рекламной кампании. Такая «картинка» чаще характерна для компания с длинным циклом продаж и (или) дорогими товарами.
Поиск и удержание лояльных клиентов
Можно узнать, какие рекламные каналы дают больше всего лояльных клиентов. Например, сделаем когорту пользователей с первой авторизацией с период с февраля по июль и разобьем на более мелкие группы по каналу привлечения. Далее каждый месяц оцениваем группы по коэффициентам удержания (Retention Rate) или повторных покупок (Repeat Purchase Rates).
По этим данным легко определить лучшие источники лояльных клиентов. Следовательно, мы можем продолжать вкладывать в них больше денег и быстрее наращивать объем лояльных покупателей.
Анализ проводится постоянно для определения точек «подогрева» аудитории. Например, один из коэффициентов популярного источника начал снижаться. Пользователям группы отправляется письмо с предоставлением персональный скидки (возможно любое другое действие) и коэффициент снова растет. Без когортного анализа провести такой трюк с высокой точностью сложно.
Прогнозирование и увеличение LTV
LTV (Lifetime Value) — пожизненная ценность клиента или доход, полученный от него за все время сотрудничества. Обычно этот показатель считают после окончания совместной работы.
Но ничто не мешает вам оценивать LTV по отдельным когортам за определенный промежуток времени (например, за месяц) и прогнозировать показатель на последующие периоды.
Также можно сравнивать пожизненную ценность клиентов и стоимость их привлечения по рекламным каналам. Так вы получите информацию о сроках окупаемости каналов и поймете, в какой стоит вкладывать больше ресурсов.
Проведение A/B тестирования
A/B тесты используют для проверки идей и гипотез. Например, вы решили обновить текст продающей страницы. В рамках тестирования делаете два варианта (со старым наполнением и новым) и какую-то часть аудитории отправляете на обновленную версию для оценки конверсии. Смотрите, в каком случае она выше, и принимаете решение по дальнейшим действиям.
Проблемы A/B теста в данной ситуации — невозможность прогнозирования в долгосрочной перспективе. Устранить недостаток поможет когортный анализ. Через месяц после окончания тестирования постройте отчет по пользователям, которые впервые попали на сайт через обновленную продающую страницу, и сравните показатели с когортой людей, которые новый текст не видели.
Полученная разница — реальное влияние обновленного текста на конверсию. Так вы поймете долговременный эффект от принятого решения.
Анализ эффективности мобильного приложения
Когортный анализ активно используют при «выкатывании» новых версий приложений. С помощью него оценивают уровень возврата пользователей (Retention Rate). Также маркетологи применяют инструмент для анализа наиболее эффективных рекламных каналов. И это не единственные примеры использования когорт в работе над мобильными приложениями: все ограничивается фантазией и навыками аналитика.
Где применяют когортный анализ?
В предыдущем разделе описано несколько примеров использования инструмента, но в каких сферах его применяют чаще всего? В первую очередь он полезен в компаниях, привязанных к количеству клиентов. На их доходность отток пользователей влияет больше всего.
Не отказываются от применения когортного анализа и организации с большим количество постоянных клиентов. Его направляют на оценку маркетинговых действий, результаты которой позволяют улучшать рекламные кампании и грамотно перераспределять бюджет.
В целом, применение когортного анализа полезно для любого бизнеса. Но далее рассмотрим несколько наиболее популярных направлений применения.
Формирование портрета целевого клиента
Если собирать информацию из разных когорт о пользователях, со временем можно составить точный портрет целевой аудитории. Оценка лояльности, сезонности, готовности к онлайн-покупкам и т.д. — все это позволяет понять, кто интересуется товаром и чаще всего приобретает его.
Повышение конверсии
Часто для проверки гипотез и идей применяют сплит-тестирование. Да, оно дает определенные результаты для принятия объективных решений, однако когортный анализ в этом плане лучше и дает более точные данные, так как рассматриваются разные группы целевой аудитории.
A/B тестирование — тоже полезный инструмент, но оценивает один показатель, а когортный анализ «прицепом» подтягивает информацию еще о двух параметрах — времени и месте.
Например, определяем оптимальный цвет кнопки на продающем лендинге. Сплит-тестирование показало, что 45% клиентов чаще кликают на зеленую, а 55% — на синюю.
Подключаем когорту по месяцу (времени) и месту и узнаем, что потенциальные клиенты из Сочи лучше щелкают по зеленой кнопке, потому что синий морской цвет им уже надоел, они всю жизнь его видят.
Это простой, но наглядный пример лучшего понимания целевой аудитории благодаря использованию когортного анализа. Более глубокие данные помогают генерировать больше идей и быстрее развивать бизнес.
В облачных проектах когортный анализ используют для оптимизации цикла продаж. Допустим, есть сервис с пробным периодом, триал-версией и платными тарифами. Руководство компании отслеживает ключевые метрики: доходы и расходы. Составляются когорты из пользователей пробного периода и триал-версии.
Далее в работу вступает аналитик, который определяет: кто чаще переходит на платные версии, какие тарифы выбирают, оттоки пользователей за определенные периоды и т.п. Все это — ценная информация, позволяющая оптимизировать цикл продаж и повысить прибыль SaaS-сервиса.
Ключевые показатели когортного анализа
Во время обучения использования когортного анализа аналитикам предлагают рассматривать все возможные метрики для получения практического опыта. Но в реальной работе для достижения максимальной эффективности сосредотачиваются на целевых (самых важных) показателях.
Универсального набора метрик нет, выбор перечня зависит от конкретного продукта и отрасли бизнеса. Однако есть ряд показателей, которые рассматривают в большинстве случаев:
Что нужно для когортного анализа?
Перед проведением когортного анализа определяют четыре параметра:
Отметим, что первый и последний параметры связаны между собой: признак определяют после выбора анализируемого ключевого показателя. Например, при оценке коэффициента повторных покупок в качестве признака выбирают «первую покупку».
Но опять же, не стоит загонять себя в жесткие рамки, потому что каждый проект индивидуален. Аналитик руководствуется собственными опытом, знаниями и рабочими инструментами.
Кстати, признаков может быть несколько. Когорты создаются в соответствии с текущими потребностями фирмы и предстоящего анализа. Второй и третий параметры аналитик также определяет на основе поставленных перед ним задач.
Как провести когортный анализ в Google Analytics?
Поговорим об инструменте, который помогает проводить когортный анализ. Самый подходящий для новичков — Google Analytics. Для начала работы перейдите на страницу системы —> «Аудитория» —> «Когортный анализ».
Вверху доступна настройка четырех основных параметров, о которых говорили в предыдущем разделе статьи.
Пока что система проходит бета-тестирование, поэтому функции доступны с ограничениями:
Также доступна визуализация анализируемого показателя: под настройками проекта расположен график для всех пользователей и трех групп на выбор.
В нашем случае по графику понимаем, что общий коэффициент удержания клиентов — 1,49%, а для группы пользователей, первый раз посетивших сайт в период с 31 мая по 6 июня, — 1,75%. Под графиком есть сводная таблица с данными по каждой когорте за весь отчетный период. Она идентична той, которую показывали в начале статьи, только здесь формируется автоматически, а не «ручками» в Excel.
На данном этапе развития система подходит для анализ 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.
Какие есть сервисы для составления когортных отчетов?
Рассмотрим другие сервисы, в которых составляются отчеты по когортному анализу. Они есть во многих рекламных и аналитических системах, поэтому начинающему аналитику часто сложно выбрать оптимальный вариант.
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 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. Пример отчета в этой системе:
Как видите, есть много систем для работы с когортными отчетами. Но так как это направление только набирает популярность, многие работают в бета-режиме и с ограничениями. Поэтому аналитикам в крупных проектах приходится взаимодействовать с менее автоматизированными инструментами, об одном из которых поговорим далее.
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 таком формате:
Соблюдайте заданный формат: 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, которые, кстати, вы уже должны были добавить в Google Sheets.
Выделите нужный диапазон данных, откройте вкладку «Данные» и выберите «Сводная таблица». Справа появится панель настроек:
Сделайте следующие настройки:
На создание отчета уходит несколько минут, но зато он дает массу ценной информации. Дальше в работу вступает аналитик, «читает» данные, делает выводы и принимает решения.
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.
Специальные инструменты и особенные знания для проведения 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.
Если нет возможности взаимодействовать с какой-либо системой аналитики, пользуйтесь подручными средствами — Google Sheets и сводные таблицы. В этой статье дается подробное описание подготовки отчета с их помощью.