Когортний аналіз

Когортний аналіз (cohort analysis) — це метод аналізу поведінки груп користувачів або клієнтів, які мають спільну стартову подію: наприклад, зареєструвалися в один місяць, зробили першу покупку під час однієї кампанії або встановили застосунок у певний тиждень. Він показує, як кожна когорта поводиться з часом.

Суть поняття

Середні метрики часто приховують реальну динаміку. Якщо загальний retention стабільний, це ще не означає, що продукт здоровий: нові користувачі можуть утримуватися гірше, а старі когорти тимчасово підтримують середній показник. Когортний аналіз розкладає базу на групи й дозволяє побачити, де саме змінюється поведінка.

У маркетингу когорти допомагають зрозуміти якість залучення. Два канали можуть давати однакову кількість клієнтів, але клієнти з першого каналу повертаються й купують повторно, а з другого зникають після першої взаємодії. Без когортного аналізу це легко не помітити.

Науковий і теоретичний контекст

Когортний підхід походить зі статистики й демографії, де групи людей аналізують за роком народження або іншою спільною ознакою. У продукті й маркетингу когортами зазвичай стають групи за датою першої дії, каналом залучення, тарифом, країною, сегментом або кампанією.

На відміну від звичайного зрізу за поточний період, когортний аналіз додає вимір часу. Він показує, як змінюється поведінка після старту: день 1, день 7, місяць 1, місяць 3. Саме це робить його корисним для retention, churn, LTV і повторних покупок.

Практичне застосування

• Оцінювати retention нових користувачів після реєстрації або покупки.
• Порівнювати якість клієнтів із різних каналів і кампаній.
• Виявляти, чи покращення продукту справді підвищило утримання нових когорт.
• Рахувати LTV не усереднено, а за каналами, сегментами або періодами.
• Знаходити проблемні моменти після першої взаємодії: onboarding, перша покупка, повторне використання.

Приклади

Мобільний застосунок. Користувачі, залучені в січні, мають Day-30 retention 8%, а лютнева когорта після зміни onboarding — 13%. Загальна кількість встановлень могла не змінитися, але якість продуктового досвіду стала кращою.

E-commerce. Клієнти з email-кампанії повертаються за повторною покупкою в 35% випадків протягом 90 днів, а клієнти з дешевої реклами в соцмережах — лише в 12%. За першим продажем канал із соцмереж може виглядати дешевшим, але за LTV програвати.

SaaS. Когорта клієнтів, які пройшли повний onboarding, має churn 4% на місяць, а ті, хто пропустив налаштування, — 11%. Це дає конкретне управлінське рішення: вкладатися не лише в залучення, а й у доведення клієнта до першої цінності.

Типові помилки

1. Дивитися тільки на середні метрики й не бачити різницю між новими та старими клієнтами.
2. Змішувати когорти з різних каналів, продуктів або тарифів у одну таблицю.
3. Робити висновки з малих когорт, де кілька клієнтів сильно змінюють відсотки.
4. Порівнювати когорти без урахування сезонності або зміни джерел трафіку.
5. Обмежуватися красивою таблицею retention, не перетворюючи її на рішення.

Коли це особливо важливо

Когортний аналіз особливо важливий для SaaS, мобільних застосунків, e-commerce, підписок, CRM і будь-якого бізнесу з повторними взаємодіями. Він потрібен, коли компанія хоче зрозуміти не лише «скільки клієнтів прийшло», а й «що з ними сталося потім».

Метрики і формули

У когортному аналізі найчастіше дивляться retention rate, churn, repeat purchase rate, LTV, ARPU, revenue retention і payback. Формула тут не головна: цінність методу в порівнянні груп у часі й виявленні відмінностей між каналами, сегментами або періодами.

Пов’язані поняття

Retention · Churn · LTV · Customer journey · CRM · Repeat purchase rate · Unit economics · Product analytics

Висновок

Когортний аналіз показує, як різні групи клієнтів поводяться після стартової події, і допомагає не ховати проблеми за середніми показниками. Це один із найкорисніших інструментів для аналізу retention, якості залучення й довгострокової цінності клієнтів.
Студенту — приклад аналізу поведінки в часі.
Власнику — спосіб зрозуміти, які клієнти повертаються.
Маркетологу — основу для оцінки каналів не лише за ціною, а й за якістю клієнтів.