Когортный анализ: как увидеть, возвращаются ли клиенты

Когортный анализ делит пользователей на группы по общему признаку — чаще всего по дате первого визита — и показывает, как каждая группа ведёт себя дальше: возвращается ли, покупает ли снова, сколько приносит. В маркетинге он отвечает на вопрос, который средние цифры прячут: приводит ли реклама людей, которые остаются, или только разовых посетителей. Готовые отчёты есть в Яндекс Метрике и в GA4.

Что такое когортный анализ простыми словами

Когорта — это группа людей, у которых есть общее стартовое событие: пришли на сайт в одну неделю, купили впервые в одном месяце, пришли из одной рекламной кампании. Справка Google Аналитики определяет когорту как группу пользователей, имеющих общее свойство, которое задаётся параметром аналитики. Когортный анализ берёт такие группы и следит за ними во времени.

В Яндекс Метрике для этого есть когортный и Retention отчёты. По справке сервиса, они позволяют анализировать, как меняется поведение пользователей в течение заданного периода времени в разрезе разных групп. В учебном примере справки когортами служат даты первого визита.

Главное отличие метода от обычной статистики — точка отсчёта. Обычный отчёт смотрит на календарь: сколько визитов было в сентябре. Когортный смотрит на жизненный цикл: что делали люди, пришедшие в сентябре, через неделю, через две, через месяц после первого визита.

Когортный анализ показывает, что стало с людьми, которые пришли в этом месяце. Сколько их было всего, видно и в обычном отчёте.

Чем когортный анализ лучше среднего по периоду

Средний показатель за месяц смешивает новичков и старых клиентов. Если в сентябре вы запустили рекламу и пришло много новых людей, средняя возвращаемость упадёт, даже если старые клиенты ведут себя как раньше. И наоборот: хорошая база постоянных покупателей может месяцами скрывать, что новые люди не возвращаются вовсе.

Когорты разводят эти потоки. Каждая строка таблицы — отдельная группа, и вы сравниваете их на одинаковом этапе: вторую неделю сентябрьских новичков со второй неделей октябрьских. Если у октябрьских она хуже, причина в том, что изменилось в октябре: в рекламе, на сайте, в ассортименте.

Это же спасает от ложных выводов после редизайна или смены подрядчика по рекламе. Общий график визитов может расти за счёт бюджета, а когорты покажут, что люди перестали возвращаться. Для бизнеса с повторными покупками это важнее числа заявок за месяц.

Какие вопросы бизнеса закрывает когортный анализ?

Справка Метрики перечисляет задачи, под которые сделаны когортные отчёты. В переводе на язык владельца сайта их пять.

• Качество рекламного трафика — какие источники и кампании приводят людей, которые чаще возвращаются, совершают больше визитов и приносят больше дохода.
• Влияние изменений на сайте — сравнить группы до и после запуска новой функции или интерфейса и проверить, изменились ли возвращаемость и конверсия.
• Момент потери интереса — через сколько дней или недель люди перестают возвращаться.
• Разница между периодами — отличаются ли летние новички от осенних по возвращаемости и доходу.
• Долгосрочная ценность — сколько визитов, конверсий и дохода группа накапливает со временем.

Последний пункт напрямую связан с рекламой. Справка Метрики формулирует это так: одна кампания может давать хорошую конверсию сразу после перехода, но приводить пользователей, которые больше не возвращаются. Без когорт такая кампания выглядит лучшей в отчёте за месяц.

Факт. По справке Метрики, кампания может давать хорошую конверсию сразу после перехода и при этом приводить пользователей, которые больше не возвращаются.

Как читать когортную таблицу?

Когортная таблица читается по строкам и столбцам. Строка — когорта, например все, кто впервые зашёл на сайт в определённую неделю. Столбец — окно времени после первого визита: нулевая неделя, первая, вторая и дальше. В ячейке — значение выбранного показателя для этой группы в этом окне.

Важная деталь из справки Метрики: недели отсчитываются как временные окна от первого визита пользователя, календарь роли не играет. Человек, пришедший в среду, начинает свою нулевую неделю в среду.

Условный пример, числа выдуманы для наглядности — доля вернувшихся из когорты:

Читать такую таблицу стоит двумя способами. По строке — как одна группа угасает со временем. По столбцу — как разные группы ведут себя на одном и том же этапе. Резкий провал в столбце у одной когорты — повод выяснить, что случилось в ту неделю: сменилась кампания, сломалась форма, ушёл товар.

Строка показывает, как угасает одна группа. Столбец — какая из групп держится лучше на том же этапе.

Накопление, Retention и Rolling Retention: три способа считать

Одни и те же визиты Метрика раскладывает по окнам тремя способами, и выводы из них разные. Путать их нельзя: «упала возвращаемость» в одном отчёте может быть нормой в другом.

Накопительный вариант подходит для дохода и визитов: видно, как растёт ценность группы. Retention показывает живую активность и точку, где люди перестают приходить. Rolling Retention нужен сайтам с нерегулярными возвратами: человек пропустил неделю, но вернулся позже — в обычном Retention он выглядит потерянным, а в Rolling — нет.

Мнение. Если покупают у вас редко и нерегулярно — ремонт, мебель, услуги для бизнеса, — смотрите Rolling Retention, а не обычный. Иначе каждая пропущенная неделя будет выглядеть как ушедший клиент.

Как построить когортный отчёт в Яндекс Метрике?

Отчёты лежат в левом меню: Отчёты -> Retention. Дальше настройка занимает пять решений, и каждое меняет смысл таблицы.

Доход по цели в относительном выражении Метрика считает как средний доход на пользователя, в абсолютном — как общий доход группы. Для этого цели должны передавать ценность. Если счётчик стоит без целей, начните с настройки Метрики, целей и отчётов: без них когорты покажут только визиты.

Когортное исследование в GA4

В Google Аналитике 4 когорты строят в разделе «Исследования» по шаблону «Когортное исследование». Логика задаётся двумя условиями. Критерий включения — условие добавления пользователя в когорту: первое посещение, первое событие, первая транзакция или конверсия. Критерий возврата — условие, при котором пользователь остаётся в когорте в следующих периодах.

Статистику группируют по дням, неделям или месяцам. Здесь есть отличие от Метрики: неделя в GA4 — это период с воскресенья по субботу включительно, а не 7 последних дней. Сравнивая таблицы двух систем, помните, что окна в них нарезаны по-разному.

Второе ограничение важнее для интернет-магазинов. Когорты GA4 основываются только на данных об устройствах пользователей, идентификаторы User-ID не учитываются. Покупатель, который зашёл с телефона, а купил с ноутбука, попадёт в разные когорты.

GA4 позволяет считать стандартно, скользящим и кумулятивным способом — это аналоги трёх отчётов Метрики. Если сайт работает на российскую аудиторию, основным инструментом обычно остаётся Метрика, а GA4 полезен как вторая проверка.

Когорты по источникам и кампаниям: где метод полезнее всего

Самое прикладное применение когорт в маркетинге — сравнить источники трафика по тому, что люди делают после первой конверсии. Для этого в Метрике когортой выбирают не дату, а источник или рекламную кампанию.

Типичная картина, которую когорты вскрывают: одна кампания даёт много дешёвых первых визитов, но люди из неё не возвращаются; другая приводит меньше людей, зато они приходят снова и покупают повторно. В отчёте за месяц выигрывает первая, на горизонте нескольких месяцев — вторая.

Для магазинов и сервисов с подпиской это прямой вход в расчёт ценности клиента: когорта по месяцу первой покупки показывает, сколько дохода группа приносит со временем. Как превратить повторные покупки в систему, разобрано в статье о программе лояльности, которая удерживает клиентов.

Если заявки уходят в CRM и продажи закрываются офлайн, счётчик их не видит. Тогда когорты лучше строить по сделкам в CRM, а сайт связывать с ними через сквозную аналитику.

Сравнивайте кампании по тому, сколько ценности их когорта накопила через несколько месяцев: первая конверсия этого не покажет.

Когда когортный анализ не сработает?

Метод полезен не всем, и есть случаи, когда дальше можно не читать.

• Разовая покупка — если клиент покупает один раз в несколько лет (окна, кухня, разработка сайта), возвращаемость на сайт ничего не говорит о бизнесе. Когорты по повторным визитам здесь показывают интерес к контенту, а не лояльность.
• Мало трафика — когорта из десятка человек даёт случайные колебания. Один вернувшийся посетитель меняет картину, и выводы по такой таблице делать рано: увеличьте окно до месяца.
• Смена устройств — системы склеивают людей по устройству и cookies. Кто сменил браузер или почистил cookies, выглядит новым пользователем, и возвращаемость занижается.
• Продажи вне сайта — звонки, офлайн-сделки и повторные заказы через менеджера счётчик не видит. Нужны данные CRM.
• Смешанные изменения — если в одну неделю поменяли и рекламу, и сайт, когорта не скажет, что из этого сработало.

Для лидогенерации с длинным циклом сделки когорты по визитам вторичны. Там важнее, какая доля заявок каждой недели стала оплатой, — это когорты по заявкам в CRM, а не по сессиям в Метрике.

С чего начать, если когорт ещё не смотрели

Начните с одного вопроса и одного отчёта. Для сайта с рекламой это обычно Retention по источникам трафика с фильтром «Новые пользователи» и окном по неделям. Посмотрите, какие источники приводят людей, которые возвращаются, и сравните с тем, куда уходит бюджет.

Второй шаг — когортный анализ по доходу, если на сайте настроена электронная коммерция или цели с ценностью. Он покажет, какие группы клиентов накапливают больше денег со временем.

Третий шаг — проверка после изменений. Перед редизайном, сменой ассортимента или запуском новой кампании отметьте дату и через несколько недель сравните когорты до и после. Это честнее, чем смотреть на общий график, где новое смешано со старым.

Если хотите, чтобы реклама оценивалась не по первым кликам, а по тому, возвращаются ли клиенты, посмотрите, как у нас устроено ведение контекстной рекламы: настроим цели, отчёты и покажем, какие кампании приводят людей, которые остаются.

Источники

• Когортный и Retention отчеты — Справка Яндекс Метрики
• Когортное исследование — Справка Google Аналитики