Когортный анализ для мониторинга успешности продукта и удержания клиентов
Когорта - это группа, члены которой имеют общие черты. В контексте бизнес-аналитики, когорта относится к подмножеству клиентов/пользователей, сгруппированных по общим характеристикам в течение определенного времени.
Примеры общих признаков для группировки в когорту:
- Клиенты с регулярными или случайными покупками.
- Клиенты, которые купили/подписались на вашу услугу или продукт в течение определенного месяца.
- Посетители превращаются в клиентов в результате маркетинговой кампании.
- Клиенты, которые купили ваш продукт после определенной акции.
- Клиенты, которые покупали ваш продукт до этой акции.
- Покупатели, предпочитающие такие устройства, как телефон, ноутбук или приложение, чтобы связаться с вами.
Исходя из признаков, можно выделить два типа когортного анализа:
- Покупательские когорты
- Поведенческие когорты
Где используют и зачем?
Когортный анализ наиболее широко используется в следующих вертикалях:
- Электронная коммерция (e-commerce) и digital-маркетинг
- Мобильные приложения
- Облачное программное обеспечение
- Онлайн игры
Один из наиболее распроспростанных вариантов использования когортного анализа - для сравнения разных версий продукта и оценки влияния изменений на продукт в продуктовых компаниях (стартапы). Для этого отслеживают ключевые метрики каждой отдельной когорты во времени.
Важные метрики при использовании когортного анализа для оценки успешности новой версии продукта:
LTV (Life Time Value) — оценка среднего дохода вашей компании, который клиент будет обеспечивать на протяжении всего периода в качестве клиента. Показывает уровень пользы вашего продукта для ваших пользователей и клиентов. В зависимости от типа продукта, LTV в свою очередь может быть тесно связана с ассоциативными метриками (CRR, ER и тд.)
CAC (Customer Acquisition Cost) — затраты компании на привлечение среднего клиента.
Второй вариант использования подойдет не только для продуктовых компаний, но и, например, для FMCG, где когортный анализ используется для выявления причин, по которым клиенты уходят, и что можно сделать, чтобы предотвратить их уход. Это подводит к расчету коэффициента удержания клиентов (CRR).
Чтобы измерить удержание клиентов, мы находим разницу между количеством клиентов, приобретенных в течение периода, и количеством клиентов, оставшихся на конец периода. Это дает правдивую картину сохраненных клиентов. Чтобы определить процент тех клиентов, которые были сохранены с самого начала, мы делим результат на количество клиентов в начале. Это дает уровень удержания клиентов. Более высокий CRR означает более высокую лояльность клиентов.
Важные метрики при использовании когортного анализа для удержания клиентов:
Частота повторений заказов: нет другого показателя, который доказывал бы успешность удержания клиентов. Частота повторений заказов - это доля клиентов, которые неоднократно совершают сделки с вашим бизнесом, по сравнению с когортами, которые прекращают свою деятельность с одной покупкой.
Количество заказов на клиента: показатель повторяемости тесно связан с показателем количества заказов на клиента. Рост заказов, которые делают клиенты, указывает на высокий уровень удержания.
Время между заказами: время между последовательными заказами является субъективной метрикой для измерения. В зависимости от типа продуктов / услуг, которые предлагает ваш бизнес, период времени может быть в часах или даже месяцах. Этот показатель можно использовать для рассылки писем с повторной активацией.
Средняя стоимость заказа (AOV): метрика AOV помогает в выявлении высоко платежных когорт, на которые можно специально ориентироваться в маркетинговых кампаниях. Это помогает не тратить много времени на когорты с низким AOV.
Более подробно о формирования когорт по кампаниям и различным периодам времени смотрите в видео с применением аналитической платформы Polymatica. В примере рассмотрен вариант группировки по кампаниям и график "Области с накоплением" для визуализации полученных результатов. Проанализированы три метрики: объём продаж, количество клиентов и прибыль.