Когортный анализ: как исследовать поведение клиентов

Когортный анализ показывает, как со временем ведут себя группы пользователей с общим опытом: например, зарегистрировавшиеся в одном месяце или пришедшие из одной кампании. Вместо усреднённой картины по всей аудитории бизнес видит, когда люди покупают впервые, возвращаются ли, как быстро теряют интерес и какие источники приводят более устойчивых клиентов.

Когорта — группа людей, совершивших одинаковое действие в сопоставимый период. Отсчёт начинается с первого касания: рекламы, визита на сайт, регистрации, подписки или покупки. Затем аналитик наблюдает за группой по одинаковым временным интервалам и ищет закономерности, изменения и проблемные места.

Когорту не стоит путать с сегментом. Сегментация объединяет людей по относительно устойчивым характеристикам — возрасту, полу, образованию или интересам. Когорта строится вокруг события и времени. Покупатель годовой подписки в субботу может одновременно войти в группы «покупка в выходной», «чек от 5000 рублей» и «премиум-подписка». Выбор зависит от вопроса исследования.

Сначала формулируют задачу, а не собирают все доступные показатели. Чтобы оценить ежемесячные подписки, группы удобно строить по месяцу регистрации. Для проверки августовской рекламы — по кампании и моменту первого контакта. Когорты могут различаться по действию, дню, неделе, месяцу или году.

После этого выбирают метрику, которая отвечает на вопрос бизнеса: конверсию, средний чек, повторные покупки, удержание, отток, ROI, LTV либо CAC. Один и тот же набор пользователей можно исследовать по разным показателям, но смешивание целей делает выводы нечёткими. Если метрика — отток, следующий шаг — разобрать причины ухода клиентов по конкретным случаям.

Целевое действие иногда происходит через минуты, а иногда через месяцы. Поэтому результат канала через один месяц может выглядеть слабым. В исходном примере контекстную рекламу запустили в марте и получили ROI 20% при первой проверке. Если разделить лидов по дате регистрации и продолжить наблюдение, видно, что части клиентов понадобилось пять месяцев для покупки. Раннее отключение канала исказило бы оценку.

Сравнение когорт из контекстной рекламы, таргетинга и рассылки помогает распределять бюджет по фактическому результату, а не по скорости первой реакции. Важно использовать одинаковое окно наблюдения: молодая когорта ещё не успела пройти тот же путь, что старая.

Пользователей за полгода можно сначала объединить по времени регистрации, затем разделить по источнику. Каждый месяц для групп считают удержание или повторные покупки. Так обнаруживается канал, который приводит не просто больше регистраций, а больше возвращающихся клиентов.

В примере июньская кампания дала крупную группу, которая купила один раз и исчезла. Августовская привлекла меньше людей, зато они сохранили активность и вернулись за покупками. Это повод проверить различия в рекламе и прогреве, а не объявлять победителем кампанию с максимальным числом первых продаж. При снижении удержания для конкретной когорты можно подготовить отдельное предложение или бонус.

Жизненную ценность окончательно узнают после завершения отношений с клиентом, но когортный подход позволяет оценивать её на промежутке. Для каждой группы видно среднюю покупку, частоту заказов и срок активности. Сопоставив ценность клиента со стоимостью привлечения, маркетолог понимает, каким каналам добавить ресурсы, а какие сократить.

Первый отклик на новый вариант не гарантирует долгосрочного эффекта. Пользователей, увидевших старую и новую версии, рассматривают как отдельные когорты и сравнивают через одинаковые интервалы. Если новая версия сохраняет преимущество, её можно распространять на всю аудиторию; если эффект исчезает или ухудшается удержание, разумнее вернуться к проверенному решению.

Допустим, онлайн-сервис с ежемесячной оплатой хочет понять связь срока подписки и выручки. Гипотеза звучит так: чем дольше человек подписан, тем он лояльнее и тем уместнее предложение расширенного тарифа. Для проверки выбирают удержание, отток и жизненную ценность, а не все показатели сразу.

В когорту включают людей с одинаковым значимым действием и понятной датой. Признак должен позволять снова найти этих пользователей и продолжить наблюдение. Для сервиса это могут быть месяцы регистрации; затем для каждой группы отслеживают удержание и повторные оплаты. Слишком широкие группы скрывают различия, слишком мелкие дают нестабильную картину.

Информация может находиться в CRM, на сайте и в аналитических системах. Её объединяют, очищают и приводят к общей структуре. В таблице строки обычно представляют когорты, а столбцы — одинаковые интервалы после стартового события. Это позволяет честно сравнивать первый месяц жизни январской группы с первым месяцем мартовской.

Найдите устойчиво сильные и проблемные группы, проверьте гипотезу и только затем выбирайте рекомендацию. Само различие не доказывает причину: оно показывает, где искать объяснение и какой тест провести следующим. Отчёт должен завершаться решением по бюджету, коммуникации, продукту или следующему эксперименту.

Магазин сравнивает покупателей, впервые заказавших в январе, феврале и марте. В группах соответственно 1000, 1200 и 1100 клиентов. Для каждой считают повторные покупки через один, три и шесть месяцев.

В первый месяц удержание всех трёх когорт одинаково — 30%. К третьему месяцу январская и февральская сохраняют 15%, а мартовская падает до 11%. Через шесть месяцев январская показывает лучший результат, февральская — самый низкий. Вывод не сводится к размеру группы: январская когорта устойчивее, а для новых клиентов из мартовской стоит проверить маркетинг и дальнейшую коммуникацию.

Компания сравнивает 1000 клиентов, пришедших по старым материалам, и 1200 пользователей, привлечённых новыми. Через месяц новая когорта показывает результат на 10% выше. К третьему месяцу удержание старой группы снижается вдвое быстрее, а через шесть месяцев у новой оно выше в четыре раза.

Такой результат поддерживает инвестиции в новые креативы и дальнейшие тесты форматов и каналов. Важна именно динамика: сравнение только первой конверсии не показало бы, насколько долго сохраняется эффект.

Туристическая компания делит клиентов по кварталам, считает общий и средний доход каждой группы и использует эти значения для следующего года. Если ожидается аналогичное число новых клиентов — например, 100 в квартал, — средний доход умножают на ожидаемый объём.

Прогноз помогает решить, можно ли расширить маркетинговый бюджет, и показывает, какие кампании стоит изучить глубже. Если первая и четвёртая когорты принесли больше, проверяют источники их привлечения и перераспределяют деньги в пользу эффективных каналов. Метод не гарантирует повторения прошлого, но делает основания решения прозрачными.

Первым рабочим инструментом можно использовать NUBL. В таск-трекере для команд и проектов удобно распределить задачи исследования, назначить ответственных, собрать ссылки на данные, отметить когорты тегами и провести кампанию по этапам. NUBL не заменяет CRM и специализированную продуктовую аналитику и сам не рассчитывает поведение клиентов: числовые данные нужно получать из исходных систем и корректно готовить.

Для каждой когорты можно создать метку, а этапы воронки представить колонками: новый лид, квалификация, презентация, договор, оплата и повторная продажа. Карточка движется по процессу, поэтому команда видит, где работа остановилась. Ссылку на запись клиента или аналитический отчёт сохраняют в описании, не перенося лишние персональные данные.

Доска поддерживает совместную работу: комментарии, файлы, связи, ответственные и задачи подрядчиков находятся рядом с контекстом. Крупную кампанию разбивают на дочерние задачи и чек-листы, приоритеты делают явными, а календарь и временная шкала помогают планировать сроки. Это организационный слой исследования, а не источник маркетинговой истины.

Отчёты по времени прохождения этапов и пропускной способности могут дополнять анализ операционного процесса. Метки позволяют отфильтровать карточки конкретной когорты и оценить переход до финального статуса. Для расчёта бизнес-метрик всё равно требуется единое определение события и проверенный набор данных.

Если финальная колонка означает конверсию, время до неё показывает длительность пути. Но сравнивать нужно группы одинакового возраста: июньская когорта через 30 дней сопоставима с июльской через 30 дней, а не с июльской через неделю.

Когортный анализ полезен не количеством строк, а возможностью увидеть динамику за средним значением. Определите событие, период и показатель, сравните группы в одинаковом возрасте, проверьте возможные объяснения и свяжите вывод с конкретным действием.

Строка когортной таблицы описывает одну группу, а каждый следующий столбец — новый период после стартового события. Такой формат отделяет календарную дату от возраста клиента. Например, пользователи января в своём третьем месяце сравниваются с мартовскими пользователями тоже в третьем месяце. Только тогда различия не объясняются тем, что одна группа наблюдалась дольше другой.

Смотрите не только на отдельную ячейку, но и на форму ряда. Резкое снижение после первого периода говорит об одном типе проблемы, постепенное угасание — о другом наблюдаемом поведении. Если несколько последовательных когорт становятся устойчивее, изменение может быть связано с новой кампанией, продуктом или коммуникацией. Это гипотеза для проверки, а не автоматическое доказательство причины.

Размер группы тоже влияет на уверенность. В маленькой когорте несколько покупок резко меняют процент, поэтому её результат нельзя без оговорок сравнивать с большой группой. Сохраняйте рядом абсолютное число клиентов и долю: процент удобен для сравнения, количество показывает масштаб и помогает не переоценить случайное колебание.

Удержание отвечает на вопрос, какая доля когорты остаётся активной спустя выбранный интервал. Повторная покупка показывает конкретное коммерческое действие. Эти показатели связаны, но не взаимозаменяемы: человек может пользоваться продуктом и пока не покупать снова либо совершить заказ и больше не возвращаться. Определение активности выбирают до расчёта.

Чтобы сравнить каналы привлечения, каждой группе назначают источник первого контакта и одинаковую дату старта. Затем отдельно смотрят первую конверсию и последующую жизнь клиента. Канал с дешёвой регистрацией может приводить аудиторию, которая быстро уходит, а более дорогой — меньшую, но устойчивую группу. Решение о бюджете принимают по сочетанию стоимости и ценности, а не по одному верхнему показателю.

Если ранее сильный источник начал терять удержание, полезно сравнить новые когорты со старыми и проверить, что изменилось в обещании рекламы, посадочной странице, продукте или дальнейшем общении. Для этой группы можно подготовить отдельный сценарий возврата, предложение или бонус, после чего наблюдать новую динамику на том же горизонте.

Определите стартовое событие однозначно. «Пришёл клиент» может означать показ рекламы, переход, регистрацию или оплату, и каждый вариант создаст другую когорту. Так же точно задайте финальное событие и окно: конверсия за 30 дней, повторная покупка через три месяца или активность в каждом месяце после регистрации.

Проверьте единый формат дат, источников и идентификаторов. Один пользователь не должен случайно учитываться как несколько разных людей из-за дублей, а поздно загруженные события — менять прошлые отчёты без объяснения. Если данные приходят из CRM, сайта и аналитики, заранее определите, какое поле считается основным и как соединяются записи.

Отдельно зафиксируйте изменения условий между периодами: цену, продукт, рекламу, сезонные активности и правила измерения. Когорты показывают различие, но аналитик должен понимать контекст. Без него рост удержания можно ошибочно приписать креативу, хотя в тот же момент поменялось предложение или состав аудитории.

Хороший отчёт начинается с вопроса и заканчивается действием. Если новая кампания дала более устойчивую когорту, команда может перераспределить бюджет и продолжить тест форматов. Если пользователи уходят после определённого периода, стоит исследовать этот участок пути и подготовить изменение продукта или коммуникации. Если различия неустойчивы, выводом становится продолжение наблюдения, а не обязательная перемена.

Для прогноза используют поведение зрелых когорт, но прямо указывают допущение: будущие клиенты будут вести себя примерно так же при сопоставимых условиях. В примере с кварталами средний доход умножают на ожидаемые 100 клиентов. Полученная величина помогает обсуждать бюджет, однако не отменяет проверку каналов и регулярное обновление прогноза новыми данными.

Храните рядом исходную гипотезу, определение когорты, период, формулу метрики, версию данных и принятое решение. Тогда через несколько месяцев команда сможет воспроизвести расчёт и понять, почему изменила кампанию. Без этой связи когортная таблица превращается в красивый снимок, который сложно применить повторно.

Набор зависит от цели. Чаще исследуют конверсию, удержание, повторные покупки, ROI каналов, LTV, CAC, средний чек и время от регистрации до первой покупки. Один показатель отвечает на один вопрос; для решения его сопоставляют с контекстом и ограничениями.

Когда эффект проявляется со временем: при подписке, повторных продажах, длинном цикле сделки, проверке рекламы или A/B-теста. Метод помогает отделить изменение поведения новых клиентов от общей динамики базы.

Когортный анализ превращает разрозненные действия пользователей в сравнимые временные истории. Он помогает увидеть, какие кампании приводят лояльных клиентов, где падает удержание и на каком основании менять бюджет.

Для замера конверсии через 30 дней сначала фильтруют все карточки по метке нужной когорты и фиксируют общее количество. Затем считают карточки в финальном статусе. Отношение завершивших путь к размеру группы даёт показатель за выбранное окно. Другую когорту измеряют через её собственные 30 дней, иначе сравнение будет нечестным.

Время на этапах показывает не только итог, но и скорость движения. Если одна группа дольше задерживается между презентацией и договором, команда получает точку для следующего исследования. Операционные отчёты дополняют, но не подменяют показатели поведения клиентов и коммерческий результат.

Не смешивайте в одном виде десятки признаков. Начните со времени и одного события, затем при необходимости добавьте канал или тип покупки. Детализация полезна, пока в группах достаточно наблюдений, а сравнение отвечает на конкретный вопрос бизнеса.

Для более широкого контекста маркетинговых решений сверяйтесь также с разбором модели 4P: когортные данные помогают проверять, как изменения предложения и продвижения отражаются на поведении групп.