Когортный анализ или как понять, что фича зашла
Перед каждым продактом стоит задача оценить насколько хорошую фичу мы сделали, как она повлияла на метрики. Также для отчета маркетологу о качестве трафика тоже полезно знать и понимать что такое когортный анализ.
Итак, перед началом когортного анализа, нужно зафиксировать несколько критериев: сегмент юзеров, точку отсчета, целевое поведение и период времени.
Сегмент юзеров определяет, каких конкретно пользователей мы анализируем.
Например, мы можем сегментировать всех пользователей в определенном регионе, например, в Европе, или по размеру бизнеса, например, SMB или Enterprise в B2B.
Точка отсчета — это критерий входа, который мы используем для включения пользователей в анализ. Мы можем рассматривать отправную точку как утверждение «если и только если», когда пользователь включается в анализ, если он соответствует критерию. Например, юзеры зарегистрированные после 1 мая 2020 года.
Поведение относится к действиям пользователей, которые мы хотим измерить в ходе анализа. Например, удовлетворяет ли пользователь определенному нами показателю, удерживается ли пользователь на основе целевого retention для продукта или фичи. Или например, активировался ли пользователь, выполняют ли пользователи определенное действие, например, щелкают по кнопке в приложении.
Период — это период времени, в течение которого мы измеряем поведение пользователей. Обычно это определенный промежуток времени от точки отсчета.
Итак, мы определили данные критерии, что дальше?
Фильтруем юзеров по выбранным критериям и строим несколько графиков целевых метрик по каждому из сегментов.
Пример: сгруппируем юзеров по месяцу & году регистрации. В качестве целевой метрики выберем retention, длительность исследования 15 дней.
Что с этим делать?
теперь мы можем достаточно точно сказать, какая из запущенных фич повлияла на retention и как. Например, возьмем две абсолютно одинаковые когорты: разница в регистрации 1 мес, привлекли с одного канала одинаковый сегмент. В первой группе не запускали фичу, а во второй включили. Сравнив графики этих сегментов, мы можем сказать повысила ли новая фича целевую метрику или нет. Тут важно учитывать, чтобы сегменты юзеров были максимально похожи, единственное отличие - это дата регистрации.
Или мы можем сказать о качестве трафика. Например, если посмотрим на retention юзеров от Июля 20, то увидим резкий спад спустя пару дней, скорее тогда мы закупали плохой трафик и пришли не сильно мотивированные юзеры -> быстро перестали использовать продукт. Другой причиной может быть сломанный функционал в одном из периодов. Для такого анализа важно, чтобы у анализируемых сегментов был один и тот же функционал.
Еще больше контента про рост продуктов и виральные механики разбираю в тг канале
Шаблон цикла роста от Reforge