Для отслеживания эффективности рекламных кампаний или принятых бизнес-решений нужно знать, как ведут себя отдельные группы клиентов — когорты. Для отслеживания их поведения у маркетологов и аналитиков есть специальный инструмент — когортный анализ.
Что такое когортный анализ
Когортный анализ — это разновидность анализа, во время которого мы делим пользователей на группы, когорты, и анализируем поведение каждой когорты в отдельности. Когорты обычно выделяют по признаку времени — то есть смотрят, когда конкретно люди совершили то или иное действие.
Для примера представим, что у нас есть единая аудитория людей, зарегистрировавшихся на сайте интернет-магазина. Но их поведение меняется с течением времени: сразу после регистрации люди активнее, а позже начинают покупать реже или перестают вообще.
Чтобы посмотреть, когда спадает активность, мы делим всех пользователей на когорты: тех, кто зарегистрировался сегодня, в прошлом месяце, два месяца назад и так далее. И смотрим, как ведёт себя каждая когорта: как часто заходит на сайт, сколько времени там проводит, что именно и на какую сумму покупает. Это и есть когортный анализ.
Так выглядит анализ разных когорт по выручке
Событие для деления аудитории на когорты может быть разным: регистрация, покупка, переход по рекламе. Выбор зависит от того, что именно мы хотим проанализировать. Можно исследовать когорты клиентов в офлайне — например, смотреть средний чек в магазине или статистику использования карт лояльности.
Для аналитика данных и маркетолога когортный анализ — вполне рядовая задача. В большинстве компаний всё настроено так, что сотрудники регулярно мониторят определённые когорты либо могут быстро получить нужный отчёт для анализа маркетинговой кампании. Это не какая-то сверхзадача, а обычный, рядовой инструмент, которым пользуются каждый день.
Материал по теме:
Глаза и уши маркетолога: как работать с конверсией
Для чего нужен анализ когорт
Понять, как пользователи или клиенты ведут себя с течением времени.
Например, сайт интернет-магазина. Общая статистика по всем пользователям показывает, что конверсия из визита в покупку у нас — 15%. Но это усреднённые данные.
Если мы разделим пользователей на когорты, то увидим другую картину:
- у только что зарегистрированных конверсия 5%;
- у зарегистрированных месяц назад — 10%;
- у зарегистрированных ещё раньше — 30%.
На основе этих данных уже можно делать выводы. Например, предположить, что клиентам нужно много времени на знакомство с продуктом и они тщательно обдумывают покупку. Эта информация может помочь маркетологам в планировании маркетинговых кампаний.
Отслеживать эффективность рекламы. Например, в мае запускали одну рекламную кампанию, а в июне — другую. Для анализа надо выделить две когорты пользователей: привлечённые в мае и в июне. И в течение некоторого времени смотреть за их поведением.
Может оказаться так, что в мае привлекли намного больше людей, но они сделали покупку и больше не возвращались. А в июне людей было меньше, но у них больше повторных покупок и выше средний чек. Значит, по данным когортного исследования, июньская кампания была полезнее для бизнеса и именно её стоит масштабировать.
Основные показатели когортного анализа
При когортном анализе аудитории часто смотрят на конверсии: какой процент от всей когорты совершил то или иное действие. А вот какое конкретно действие — зависит от задач бизнеса. Это может быть:
● регистрация на сайте,
● покупка,
● просмотр определённых страниц,
● обращение к консультанту,
● открытие маркетингового письма,
● отписка от рассылки.
Кроме конверсий при анализе когорт можно смотреть и другие показатели: средний чек, время на сайте, количество покупок. Каких-то чётких правил нет — можно брать, считать и анализировать всё, что нужно бизнесу.
Как провести когортный анализ аудитории
Когортный анализ делают по следующей схеме:
- Определяют, какой именно показатель будут анализировать.
- Решают, за какой промежуток времени нужен анализ: неделя, месяц, год.
- Решают, на какие именно группы поделят пользователей. Это могут быть когорты по дням, неделям, месяцам или даже годам.
- Собирают нужные данные, например по конверсиям.
- Группируют данные по когортам.
- Строят графики, чтобы наглядно увидеть поведение каждой конкретной когорты.
После этого можно посмотреть графики и сделать выводы. Например, понять, что была успешна какая-то конкретная рекламная кампания. Или увидеть, что новые пользователи реже делают заказы, чем старые, — возможно, они не могут разобраться в интерфейсе. Такой анализ когортных исследований — работа маркетологов и product-менеджеров.
На курсе «Аналитик данных» мы учим студентов, как делать когортный анализ: собирать данные, делать их достоверными и использовать для построения графиков и диаграмм.
Инструменты для когортного анализа
Обычно для простого когортного анализа используют встроенные инструменты: метрики на сайтах или отдельную аналитику в Mindbox. Есть и специальные инструменты, которые можно подключить к сайту, например Amplitude или Mixpanel, — они позволяют отслеживать поведение пользователей. Для когортного анализа большинство таких инструментов практически равнозначны — они отличаются другими функциональными возможностями.
Так выглядит когортный анализ в Amplitude
Если требуется серьёзная аналитика больших объёмов данных, в игру вступают собственные решения. Для хранения информации используют базы данных, а аналитики извлекают из них нужную информацию с помощью написанных вручную скриптов на SQL или Python. Затем эти данные визуализируют с помощью специальных инструментов: Tableau, Power BI, DataStudio, DataLens. Они позволяют строить графики и диаграммы для наглядного представления результатов когортного исследования.
Такой подход позволяет извлекать любые данные, делить пользователей на произвольные когорты и объединять статистические данные с разных платформ.
Дайджест блога: ежемесячная подборка лучших статей от редакции
Читать также:
