Когортный анализ

Материал из WebTrening.wiki
Перейти к навигации Перейти к поиску

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[править]

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:

  • Пользователи из поисковой рекламы Яндекса. Анализируя этот сегмент, можно узнать, насколько эффективны контекстные объявления в поисковой выдаче по сравнению с РСЯ и баннерами.
  • Клиенты, купившие продукцию в ноябре. С помощью этих метрик определяют сезонность продаж.
  • Покупатели конкретного продукта. Анализируя эту когорту, маркетологи выявляют спрос на товар у разных сегментов ЦА.

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[править]

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:

  1. Формирование портрета целевого клиента. Собирая информацию из разных когорт в течение определенного отрезка времени можно составить довольно точный портрет идеального клиента. Например, анализируя такие метрики, как лояльность покупателей, сезонность, готовность к онлайн-заказам и другие.
  2. Улучшение конверсии. Анализ когорт поможет собрать информацию, которую нельзя получить сплит-тестированием. Причина в том, что когортным методом отслеживаются разные сегменты ЦА и информация по ним более точная, актуальная. С помощью А/В тестирования сравнивают группы пользователей только по показателю конверсии, тогда как при когортном анализе подключаются ещё два параметра – время и место. Например, проверим какой цвет кнопки побуждает пользователей больше кликать. Сплит-тест показал, что 45% больше нравится красная кнопка, а 55% – синяя. Подключим когорту по месяцу (время) и месту. Выясняем, что большая группа пользователей из черноморского региона лучше реагирует на красную кнопку, потому что синий (морской) цвет им уже немного приелся. В итоге мы лучше понимаем сегменты своей ЦА и у нас появляются новые идеи, как продуктивно работать с этими пользователями.
  3. Сфера SaaS. Когортный анализ используются в облачных проектах для оптимизации цикла продаж. Например, есть программный продукт – полноценная и триал-версия, тарифные планы на подписку, метрики доходов и расходов компании. Попробуем подключить анализ когорт. В первую группу попадают пользователи пробной версии, в другую – те, кто юзают триал. Временные периоды – 15 и 30 дней соответственно. Определяем, из каких когорт чаще всего переходят к заказу полной версии, какие тарифные планы подключают, каков отток за период и другие показатели. Также строятся когорты по ценам (тарифам), доходам и расходам за отрезок времени.

Ключевые показатели[править]

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:

  • Контрольная точка (Stick Point) – определенная сумма заказа, после которой клиент с высокой долей вероятности становится постоянным.
  • Каналы привлечения. Разные источники отличаются своей эффективностью в генерации клиентов. С помощью когортного анализа можно разделить потоки по схожим характеристикам групп. Например, покупатели в период распродаж зачастую приносят такой же или даже более высокий доход, как и остальные клиенты. Узнать это с помощью А\В тестов невозможно, потому как и постоянные покупатели могут проявлять большую активность в период распродаж.
  • Конвертация пользователей из пробной версии продукта в платный тариф. Анализ когорт подскажет, какие группы бесплатной версии продукта охотнее переходят на платный тариф.
  • Повторные покупки. Важная метрика для понимания успешности компании у клиентов. Часто первая покупка – это некий кредит доверия, который пользователь выписывает компании. Повторные покупки говорят о том, что покупатель доволен результатом использования продукта, качеством сервиса.
  • Аналитические системы Гугл и Яндекс предлагают следующие характеристики когорт. Например, длительность сеанса на сайте или в приложении, количество просмотров страниц, доход по одному клиенту, средний чек, процент достигнутых целей и другие.

Примеры когортного анализа[править]

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:

  1. Когорта пользователей сайта из Москвы.
  2. Трафик из Яндекса.
  3. Пользователи из поисковой выдачи.
  4. Органическая выдача.
  5. Когорта «июль».
  6. Когорта «25 июля».
  7. Продукт «Х».
  8. Онлайн-заявка.

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[править]

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.