[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "create", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-158433683", "adfox_url": "//ads.adfox.ru/228129/getCode?p1=bxbwd&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid21=&puid22=&puid31=&fmt=1&pr=" } } ]
{ "author_name": "Philipp Kontsarenko", "author_type": "self", "tags": ["\u043a\u0435\u0439\u0441\u044b"], "comments": 6, "likes": 13, "favorites": 19, "is_advertisement": false, "section_name": "default", "id": "13016" }
Philipp Kontsarenko
4 365

Инструкция: Как изучать поведение пользователей при помощи когорт

Маркетолог и автор блога об электронной коммерции Павел Левчук написал статью про изучение когорт, поведение пользователей внутри них и выводах, которые можно сделать из этого.

Growth Hacks публикует материал с разрешения автора.

Рассмотрим, как соединять когорты с поведенческими характеристиками. Начнем с дохода.

Посмотрим, как когорты генерируют аккумулятивный доход. Для этого мы возьмём все те же четыре когорты и посмотрим понедельно, как каждая из них наращивают свой доход.

Male Cohorts. Accumulative Revenue

Сам по себе доход когорты уже полезен тем, что позволяет понять, а окупается ли она вообще. Для простоты изложения мы не будем сейчас брать в расчет себестоимость и прочие расходы. Важно показать сам подход.

Итак, если, например, на привлечение клиентов из когорты #2 мы потратили $250 тысяч, а она за семь недель принесла нам пока $144980, то для нас это четкий сигнал о том, что до окупаемости этой когорты еще далеко.

Также обратите внимание, что самой высокодоходной когортой является когорта #3 (доход $172 840 за семь недель). Здесь можно было бы подумать, что это и есть самая перспективная ЦА для нашего бизнеса.

Однако давайте не спешить с выводами. Очевидно, что объем дохода когорты должен зависеть от количества клиентов. Что ж, давайте посмотрим на количество клиентов в каждой когорте.

Male Cohorts. Number buyers details

Теперь становится ясно, почему когорта #3 приносит намного больше дохода, чем, например, когорта #1. В ней просто физически больше клиентов (159 против 77).

Картина намного интереснее, если взглянуть на когорты #2 и #4. По количеству клиентов они практически идентичны, но доходы за 7 недель уже отличаются на 27%. Здесь уже видно, что у когорты #2 клиенты лучше вовлечены, а потому их в следующие периоды переходит намного больше.

Это важный момент. Не столь важно, сколько клиентов вы привлекли в нулевом периоде. Намного важнее, сколько из них будет стабильно покупать в последующих периодах.

Вовлеченность сегодня уже упоминалась несколько раз. Это важный поведенческий фактор, а потому давайте изучим ее повнимательнее.

Для начала дадим ей определение. Под вовлеченностью понимается то, как часто клиент делает повторные покупки или сколько товаров он кладет в корзину при каждой покупке.

Посмотрим, как же выглядит вовлеченность когорт. Я рассчитал для каждой когорты для каждого периода медиану между покупками для тех клиентов которые покупали в соответствующих периодах — метрика 'o_lat (MDN)'.

Male Cohorts. Future value

Опытный маркетолог Джим Ново говорил, что здесь очень важно наблюдать за friction (трение). Трение растет — клиент начинает замедляться и время между его повторными покупками увеличивается.

Итак, на срезе выше мы видим, что сильнее всего трение нарастает в когортах #4 и #2. С двух дней между покупками среднее время увеличилось до 21 и 10 дней соответственно. Это означает, что вероятность того, что клиент будет и дальше иметь дело с вами существенно уменьшается.

А это в свою очередь накладывает серьезное ограничение на тот future value, который вы можете заполучить от ваших отношений с такими клиентами в будущем.

Это очень важный момент. Трение определяет, как скоро клиент остановится и ваши отношения с ним закончатся. Чем больше трение, тем короче период будущего в течение которого клиент будут наращивать свой LTV. Если для вас это звучит неубедительно, давайте двигаться дальше.

По логике вещей, если трение уменьшает общее количество покупок, то отсутствие трения или его уменьшение, наоборот, должно привести к увеличению этого общего числа покупок. А раз общее количество покупок будет расти, то и current value таких клиентов начинет быстро увеличиваться.

Поэтому я рассчитал медиану количества покупок 'o_idx (MDN)', то есть на каком количестве покупок остановились клиенты когорты в соответствующем периоде.

Male Cohorts. Current Value

Действительно, у когорт #4 и #2 трение нарастало намного быстрее. И, как результат, их развитие намного менее динамичное, чем у когорт #1 и #3.

Особое внимание обратите на когорту #1. Уже в третьем периоде медиана покупок у клиентов, которые покупали в тот период, составила 13 покупок. То есть очень быстро 50% таких клиентов нарастило количество покупок до 13.

И это очень хорошо коррелирует с тем фактом, что в то же время (в третьем периоде) трение сильно уменьшилось и время между покупками сократилось аж до двух дней.

А теперь пора поставить главный вопрос: с учетом всего вышеперечисленного, какая когорта дает клиентов с самым высоким LTD (LifeTime to Date)? Какая когорта будет иметь наибольший LTV с горизонтом в 52 недели? Посчитаем LTD, оценим current value клиента каждой из когорт.

Male Cohorts. LTD (7 недель)

Итак, самые доходные клиенты (самый высокий LTD) находятся в когорте #1 (LTD = $1106). Самая доходная когорта #3 при этом дает клиентов с меньшим LTD = $1087.

Важно отметить, что клиенты с самым сильным трением (когорта #4) имеют самый маленький LTD. И это при том, что когорта #4 имеет не самый маленький доход среди всех когорт за семь недель.

Теперь посчитаем LTV (52 недели), оценим future value клиента каждой из когорт.

Внимание: так как у меня есть реальные данные за длительный период времени, то я объективно могу пересчитать LTV (52 недели), то есть по сути посчитать LTD через один год.

Male Cohorts. LTV (52 недели)

Самыми ценными оказались клиенты из когорты #1. Хотя эта когорта и самая немногочисленная (всего 77 клиентов), но за 52 недели она уже сгенерировала доход больший, чем когорта #4 (147 клиентов).

Более того, с 7-й по 52-ю недели разница в доходе между когортами #2 и #1 сократилась с 70% до 15%. Все потому, что когорта #1 была с высокой степенью вовлеченности: медиана между покупками была всего семь дней, а всего через 1 год 50% клиентов совершило 6 и более покупок.

#Кейсы

Популярные материалы
Показать еще
{ "is_needs_advanced_access": false }

Комментарии Комм.

0 новых

Популярные

По порядку

Прямой эфир

Компания отказалась от email
в пользу общения при помощи мемов
Подписаться на push-уведомления