Когортный анализ

§7.5 Когортный анализ Когортный анализ – это способ изучать поведение клиентов, разбивая их на группы (когорты) по общему признаку и отслеживая изменения этих групп во времени. В отличие от обычной сегментации, здесь важна временная привязка. Например, клиенты, совершившие первую покупку в январе – одна когорта, в феврале – другая. Когорты можно строить и по другим событиям: месяц регистрации, дата последней покупки, источник привлечения или регион. Главная цель – увидеть эволюцию поведения: как быстро группы «выгорают», возвращаются ли за повторными покупками, сколько тратят со временем. Что показывает Главная ценность – понимание удержания и динамики ценности клиентов. Анализ когорты показывает, насколько хорошо мы удерживаем клиентов после первого привлечения и как меняется их активность. Часто видно, что новые клиенты активно покупают в первый месяц, а затем активность падает. Или, наоборот, что клиенты, привлечённые в рамках определённой акции, возвращаются чаще и приносят больший LTV. Также когортный анализ помогает выявить тренды по среднему чеку и частоте покупок. Если в какой-то группе чек со временем падает – это сигнал пересмотреть предложение для удержания интереса. Как применять 1. Определить критерий когорты. Чаще всего – месяц первой покупки или регистрации. Для e-commerce удобно брать месяц первого заказа. 2. Собрать метрики по периодам. Строится таблица, где по вертикали – когорты (например, «январь 2024»), а по горизонтали – месяцы жизни клиентов (1-й месяц после прихода, 2-й, 3-й и т.д.). В ячейках – метрика: процент оставшихся активных или сумма покупок. 3. Анализировать удержание. Смотрим, какой процент клиентов каждой когорты совершил повторную покупку через 1, 3, 6 месяцев. Например, летняя когорта даёт 50% повторных покупок в первые 3 месяца, а зимняя – только 30%. Это значит, что летняя аудитория лояльнее. 4. Искать аномалии и инсайты. Например, декабрьская когорта даёт всплеск повторных покупок спустя год за счёт новогодних распродаж. Зная это, маркетолог может заранее активировать таких клиентов. Если же когорта из определённого канала не даёт повторных продаж – это сигнал сократить инвестиции в этот канал. Примеры сегментации • По времени первой покупки. Интернет-магазин проанализировал когорты по месяцам и увидел, что декабрьские клиенты возвращаются чаще. Бюджет на привлечение в декабре увеличили, и это дало рост повторных продаж. • По источнику привлечения. Ритейлер заметил, что клиенты из email-рассылки редко возвращаются, а из SEO и контекста – наоборот, остаются надолго. Это привело к перераспределению бюджета в пользу поисковых каналов. • По активности. Сервис подписки разделил пользователей на когорты по дате регистрации и посмотрел их реакцию на email. Те, кто активно кликал первые письма, оставались через 3 месяца чаще, чем игнорировавшие рассылку. Это стало сигналом усилить приветственные активности, чтобы «разогреть» новых клиентов. Практическая польза Когортный анализ показывает не усреднённые цифры, а динамику поведения. Например, общий процент повторных покупок может казаться стабильным, но когорты новых клиентов показывают падение удержания. Это сигнал, что трафик ухудшился или конкуренты переманивают аудиторию. Также когортный анализ даёт идеи для персонализации: если видно, что определённая когорта стабильно «остывает» на 6-й неделе, можно заранее запланировать оффер именно на этот момент. Регулярный когортный анализ (например, раз в квартал) помогает проверять гипотезы и оценивать эффект CRM-акций. Запустили новую программу лояльности – сравните удержание когорты «до» и «после». Если доля вернувшихся выросла, значит, инициатива сработала. Вывод. Когортный анализ в CRM-маркетинге – это инструмент доказательной аналитики. Он помогает понять, какие клиенты ценнее, какие кампании приносят долгосрочную прибыль и где нужно вмешательство. Это способ увидеть не только сегодняшние цифры, но и прогноз будущей ценности базы. @crmgym