когорта что это маркетинг
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:
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.
Что такое когортный анализ и почему важно использовать его в маркетинге
Маркетинговые кампании с мгновенной отдачей — мечта маркетологов и даже реальность для простых товаров, которые можно купить спонтанно и в один клик. Но для сложных и дорогих продуктов подобная ситуация — фантастика, и затраты на рекламу окупаются дольше. Как оценивать эффективность таких кампаний? Учитывать фактор времени и детализировать по нему ваших клиентов. Для этого существует когортный анализ, о котором мы расскажем в статье.
Что такое когортный анализ
Когортный анализ — это метод исследования, где пользователей разделяют на группы (когорты) по определённым признакам и отслеживают их поведение за некоторый промежуток времени. Такой способ позволяет смотреть на действия пользователей в динамике.
Когорта — это группа людей, которых объединяет один или несколько признаков:
Именно привязка ко времени отличает когорту от сегмента — более широкого и общего понятия.
Например, выпускники Гарварда 2012 года — одна когорта, выпускники 2018 года — другая, но все они относятся к сегменту «выпускники Гарварда».
Когортные исследования помогают понять, как ключевые метрики отличаются для разных сегментов. Увидеть более подробную картину по рекламной кампании или другим маркетинговым действиям, например, ребрендинга, тестирования нового сайта и так далее.
Как применять когортный анализ
Когортное исследование — не универсальный метод, для него нужно достаточное количество пользователей. Желательно проводить анализ клиентов от 1000 человек в базе (их действий). Способ подходит для массовых B2C и B2B бизнесов с долгим циклом покупки.
Что помогает оценить когортный анализ:
Эффективность каналов привлечения
Когортный метод покажет, из каких каналов приходят наиболее лояльные пользователи. Тогда бизнес сможет выделять больший бюджет на эффективные каналы и активнее с ними работать. Зачем использовать именно когортный метод, если можно сразу после кампании оценить, сколько клиентов мы получили? Не всё так просто.
Например, с рекламы в Facebook в сервис перешло и зарегистрировалось 2000 пользователей. Маркетолог доволен — результат есть. Но 90% пользователей перестали заходить в сервис уже через месяц. Параллельно мы привлекали пользователей с помощью рассылки, и пришло 1000 человек, через месяц перестали пользоваться сервисом всего 15%. Если бы мы оценивали результат сразу после кампании, то решили бы, что Facebook — самый эффективный канал, а на самом деле там оказалась нецелевая аудитория.
Для долгого цикла покупки возврат инвестиций в рекламу — дело не быстрое. В крупных B2B сделках, в недвижимости, для электронных сервисов, которые могут трансформировать весь бизнес, принять решение о покупке нельзя сразу после первой рекламы. Надо набраться терпения и смотреть результаты через некоторое время.
Например, рекламная кампания прошла в январе, тогда пользователь K впервые узнал о сервисе Altcraft Platform и впервые зашёл на сайт. Для изучения возможностей и принятия решений в компании, где работает пользователь K, нужно время. Только через 4 месяца пользователь запросил демо у команды сервиса, а через 5 компании подписали договор. Если бы мы считали ROI за следующий месяц после кампании, то решили бы, что она провальная. Когортный анализ показал, что это не так.
Отслеживание и прогноз LTV
LTV (пожизненная ценность клиента) считает доход от клиента за весь период, пока он пользуется нашими продуктами или услугами. Метрика показывает, оправдывают ли себя расходы на привлечение новых клиентов. Когда мы знаем, как долго остаётся с нами пользователь и сколько на нас тратит, то можем рассчитать эти данные для похожих когорт.
Когортный анализ покажет, как поменяется конверсия после обновлений для А/Б-тестов не за время тестирования, а в долгой перспективе. Может оказаться, что удачный элемент привлёк больше пользователей, но они не совсем целевые: случайно кликнули, прошли регистрацию, но не стали использовать сервис.
Когортное исследование поможет узнать, через какое время клиент перестаёт активно пользоваться продуктом или вообще уходит. Предупреждён — вооружён: с данными о «критических» точках можно заранее поработать с пользователем.
Например, анализ показал, что 70% пользователей теряют интерес к сервису через 3 месяца. Тогда компании нужно обратить внимание на этот период: сделать рассылку с реактивацией, предложить бонус и так далее.
Как провести когортный анализ
1. Определяем цель и связанную с ней метрику, которую будем отслеживать за время анализа. Метрики — это основа для когортного анализа.
Цель — определить самый успешный канал продаж для мобильного приложения. Метрикой считаем конверсию — регистрацию. В перспективе рассматриваем, как менялся Retention Rate (коэффициент удержания клиентов), чтобы понять, сколько из зарегистрированных пользователей остались в приложении.
2. Определяем когорты, которые будем изучать.
Возьмём клиентов, которые совершили покупку с рекламы в Instagram, Facebook, рекламы в Яндексе и Google за июнь — это 4 разные когорты.
3. Проводим анализ разных когорт за выбранный промежуток времени.
Рассмотрим результат всех четырех когорт за 3 месяца после месяца регистрации. Оценим, сколько пользователей оставались активными после регистрации в каждый из месяцев. 
Когортный анализ проводят в Google Таблицы или Microsoft Excel. Но разбираться, как сделать метрику правильно (формулу для её расчёта) в таблице, придётся самостоятельно. В Google Аналитике когортное исследование автоматизировано, но возможности для разделения на когорты ограничены: можно отследить только первое действие пользователя в определённом промежутке времени. 
Данные визуализируются в виде графика и таблицы. 
Примеры когортного анализа
Разберём несколько примеров когортного анализа для разных метрик.
Проверка эффективности каналов
Цель — определить, какой канал оказался самым эффективным для привлечения новых подписчиков рассылки. Будем исследовать 4 когорты по каналам привлечения: окно на сайте, реклама в Facebook, партнёрские посты ВКонтаке. Каждая когорта рассчитывается с 15-30 марта — срок проведения кампании. Со всех каналов на рассылку подписалось 3000 пользователей. Больше всего пользователей (1600) пришли с рекламы Facebook. Через 5 месяцев из всех подписавшихся активных осталось 782. Рассмотрим в динамике, как проходила отписка от каждого канала за этот срок. 
По первым результатам мы могли сделать вывод, что реклама Facebook была самой эффективной в привлечении подписчиков. В итоге оказалось, что пользователям подписка неинтересна, или, возможно, они подписались случайно. Через 5 месяцев только 6% ещё открывали письма. Самую качественную аудиторию из всех привлекли партнёрские посты ВКонтакте, 58% подписчиков из этого канала продолжали читать рассылку.
Расчёт LTV
Цель — определить LTV для пользователей, которые пришли в приложение для доставки продуктов на дом в 2020 году. Для этого рассматриваем 3 когорты — клиентов, которые сделали первый заказ в январе, феврале или марте 2020 года. Изучаем, как менялось их поведение в течение полугода. Для каждого посчитаем ARPU — средний доход с клиента. Рассчитываем сумму в рублях. 
В таблице видим, что самые большие суммы клиенты тратили в марте 2020 года. И начинали меньше заказывать уже к 4-5 месяцу после первой регистрации. С одной стороны, можно считать, что рекламные кампании марта были самыми успешными, если даже пользователи, которые пришли раньше, стали заказывать больше в этом месяце. С другой стороны, вспомним, что с марта 2020 года во многих регионах России ввели карантин, когда для многих доставка продуктов стала необходимостью. Тогда можно объяснить и спад активности к последним месяцам при таких же рекламных кампаниях. Карантин начали ослаблять, и пользователи снова стали ходить за покупками сами.
Тестирование
Нужно проанализировать результат теста дизайна нового раздела дополнительных заказов для интернет-магазина. Есть два новых дизайна A и B, также старый — Old. Выделим их в 3 когорты — по кликам пользователей на каждый из дизайнов неделю с 5 по 11 июля. Дальше рассмотрим конверсию с каждого дизайна за 3 следующих месяца. 
В итоге дизайн A получил больше кликов за первую неделю, но показатели конверсии были ниже дизайнов B и Old. Также новый дизайн не показал значительного роста конверсии по сравнению со старым — можно сделать вывод, что концепция обоих новых дизайнов не самая удачная.
Вывод
Когортный анализ — инструмент, который требует подготовки: долгого сбора данных, понимания, какую метрику надо исследовать сейчас, чтобы улучшить показатели бизнеса в будущем. Но затраты стоят результата — глубокого и подробного понимания маркетинга компании, правильного распределения бюджета и эффективных стратегий на основе данных.
Что такое когортный анализ и почему нужно использовать его в маркетинге
Здравствуйте. Меня зовут Людмила, я маркетолог в компании Altcraft. Сегодня я хочу поговорить с вами об одном из способов аналитики данных в маркетинге. Рассказываю о когортном анализе: что это такое, как применять и провести. Приведу примеры. Приятного чтения.
Маркетинговые кампании с мгновенной отдачей — мечта маркетологов и даже реальность для простых товаров, которые можно купить спонтанно и в один клик. Но для сложных и дорогих продуктов такая ситуация — фантастика, и затраты на рекламу окупаются дольше. Как оценивать эффективность таких кампаний? Учитывать фактор времени и детализировать по нему ваших клиентов. Для этого существует когортный анализ, про который мы расскажем в статье.
Когортный анализ — это метод исследования, где пользователей разделяют на группы (когорты) по определённым признакам и отслеживают их поведение за некоторый промежуток времени. Такой способ позволяет смотреть на действия пользователей в динамике.
Когорта — это группа людей, которых объединяет один или несколько признаков:
Именно привязка ко времени отличает когорту от сегмента — более широкого и общего понятия.
Например, выпускники Гарварда 2012 года — одна когорта, выпускники 2018 года — другая, но все они относятся к сегменту «выпускники Гарварда».
По действиям когорты делят на два типа:
Когортный метод учитывает следующие признаки для анализа:
Когортные исследования помогают понять, как ключевые метрики отличаются для разных сегментов. Увидеть более подробную картину по рекламной кампании или другим маркетинговым действиям, например, ребрендинга, тестирования нового сайта и так далее.
Когортное исследование — не универсальный метод, для него нужно достаточное количество пользователей. Желательно проводить анализ клиентов от 1000 человек в базе (их действий). Способ подходит для массовых B2C и B2B бизнесов с долгим циклом покупки.
Эффективность каналов привлечения
Когортный метод покажет, из каких каналов приходят наиболее лояльные пользователи. Тогда бизнес сможет выделять больший бюджет на эффективные каналы и активнее с ними работать. Зачем использовать именно когортный метод, если можно сразу после кампании оценить, сколько клиентов мы получили? Не всё так просто.
Например, с рекламы в Facebook в сервис перешло и зарегистрировалось 2000 пользователей. Маркетолог доволен — результат есть. Но 90% пользователей перестали заходить в сервис уже через месяц. Параллельно мы привлекали пользователей с помощью рассылки, и пришло 1000 человек, через месяц перестали пользоваться сервисом всего 15%. Если бы мы оценивали результат сразу после кампании, то решили бы, что Facebook — самый эффективный канал, а на самом деле там оказалась нецелевая аудитория.
Для долгого цикла покупки возврат инвестиций в рекламу — дело не быстрое. В крупных B2B сделках, в недвижимости, для электронных сервисов, которые могут трансформировать весь бизнес, принять решение о покупке нельзя сразу после первой рекламы. Надо набраться терпения и смотреть результаты через некоторое время.
Например, рекламная кампания прошла в январе, тогда пользователь K впервые узнал про сервис Altcraft Platform и впервые зашёл на сайт. Для изучения возможностей и принятия решений в компании, где работает пользователь K, нужно время. Только через 4 месяца пользователь запросил демо у команды сервиса, а через 5 компании подписали договор. Если бы мы считали ROI за следующий месяц после кампании, то решили бы, что она провальная. Когортный анализ показал, что это не так.
Отслеживание и прогноз LTV
LTV (пожизненная ценность клиента) считает доход от клиента за весь период, пока он пользуется нашими продуктами или услугами. Метрика показывает, оправдывают ли себя расходы на привлечение новых клиентов. Когда мы знаем, как долго остаётся с нами пользователь и сколько на нас тратит, то можем рассчитать эти данные для похожих когорт.
Когортный анализ покажет, как поменяется конверсия после обновлений для А/Б-тестов не за время тестирования, а в долгой перспективе. Может оказаться, что удачный элемент привлёк больше пользователей, но они не совсем целевые: случайно кликнули, прошли регистрацию, но не стали использовать сервис.
Повысить активность пользователей
Когортное исследование поможет узнать, через какое время клиент перестаёт активно пользоваться продуктом или вообще уходит. Предупреждён — вооружён: с данными о «критических» точках можно заранее поработать с пользователем.
Например, анализ показал, что 70% пользователей теряют интерес к сервису через 3 месяца. Тогда компании нужно обратить внимание на этот период: сделать рассылку с реактивацией, предложить бонус и так далее.
1. Определяем цель и связанную с ней метрику, которую будем отслеживать за время анализа. Метрики — это основа для когортного анализа.