Krististudio.ru

Онлайн образование
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Когортный анализ в маркетинге

Зачем бизнесу нужен когортный анализ

Маркетолог в OWOX BI Марго Бергер рассказала, чем для PPC-специалиста полезен когортный анализ, что представляет собой этот подход и какие задачи можно решить с его помощью.

Маркетологи постоянно ищут способы лучше понять поведение своей аудитории и одним из таких способов может стать когортный анализ. На ряду с сегментированием, он поможет разделить пользователей на отдельные группы, но оценка будет проходить не по одной итоговой метрике, а в разрезе изменения этой метрики от когорты к когорте. Давайте попробуем разобраться в том, что это такое и чем он может быть полезен бизнесу.

Начнем с определения.

Когорта — это группа людей, которые совершили одно и то же действие в один период времени.

Например, студенты, окончившие кафедру маркетинга в 2012 году, — это когорта. Люди, совершившие покупку на сайте с 1 по 7 июля, — тоже.

Зачем нужны когорты, если у нас уже есть множество сегментов, спросите вы. И правда, когорту нередко хочется сравнить с сегментом, но последний может объединять аудиторию сразу по нескольким параметрам. То есть, студенты-мужчины, окончившие кафедру маркетинга в 2012 году с красным дипломом и работающие по специальности — это уже сегмент. Как и люди, совершившие покупку на сайте с айфона с 1 по 7 июля со средним чеком в 10 000 рублей. То есть, разница в количестве признаков — у когорты это временной промежуток для совершения одного действия, а в сегмент вы можете включать множество дополнительных условий.

Когортный анализ — это исследование того, как со временем меняется поведение когорты. Что нужно для его проведения?

  1. Признак, по которому вы будете формировать когорту — действие, которое объединяет людей в когорте: первый визит на сайт, первая покупка, регистрация и т. п.
  2. Размер когорты — временной интервал для когорты: день, неделя, месяц.
  3. Отчетный период — время, в течение которого вы будете исследовать поведение когорты.
  4. Ключевой показатель, который вы будете анализировать: ROI, Retention Rate, LTV, средний чек, частота покупок и т. д.

Но чем когортный анализ может быть полезен для бизнеса? Разберем на пяти примерах.

Анализировать каналы привлечения

Когортный анализ поможет узнать, из каких каналов приходят наиболее лояльные пользователи, и вы сможете уделить этим каналам не только больше внимания, но и больше бюджета. Порядок действий очень простой. Рассмотрим пример:

  • выделите в когорту пользователей, которые посетили сайт за последние полгода;
  • сегментируйте их по каналам привлечения;
  • в разрезе каждого месяца сравните коэффициент удержания и коэффициент повторных покупок;

Коэффициент удержания клиента = ((Количество клиентов на конец периода — Количество новых клиентов, приобретенных за период) / Количество клиентов на начало периода

Коэффициент повторный покупок = Количество повторных клиентов / Общее число клиентов

каналы с наиболее высоким коэффициентом приносят лояльных пользователей и заслуживают вашего внимания. Спад активности в когорте означает, что вам пора подогреть интерес этих пользователей.

На скрине мы видим, что первая Facebook Ads когорта самая лояльная и она медленнее всех остывает: высокая доля пользователей совершает повторные покупки в течение пяти месяцев. Если есть возможность ее масштабировать — надо масштабировать. А вот последний Google Ads самый хиленький и когорта сильно остывает — нужно или научиться работать с этой когортой, или менять рекламу, а то и вовсе отключать. К тому же, такой отчет показывает, когда именно остывание самое сильное, а значит — когда надо начинать подогревать.

Прогнозировать LTV

LTV или пожизненная ценность клиента — это доход, который вы получаете за все время, которое клиент остается с вами. Проблема в том, что вы никогда не знаете наверняка, как долго человек будет оставаться клиентом и будет продолжать приносить доход. От этого в свою очередь зависит то, на какую прибыль вы можете рассчитывать в будущем и сколько можете тратить на маркетинг.

Как можно спрогнозировать LTV с помощью когортного анализа:

  1. Выделите в когорту пользователей, у которых первая оплата была, например, в январе 2018 года.
  2. Посмотрите, на протяжении какого времени от них продолжались оплаты.
  3. Занесите данные в таблицу и для каждого месяца рассчитайте показатель ARPU — показатель среднего дохода с клиента — на когорту. Для этого общий доход от когорты за выбранный период (TR) разделите на количество пользователей в когорте (CQ). Вы получите такую таблицу: Сумма всех ARPU за период общения с компанией и будет отражать LTV. То есть, LTV пользователей из январской когорты равно $110+$150+$80+$150 = $490
  4. Рассчитайте медиану LTV по нескольким предыдущим когортам, чтобы прогнозировать ценность клиентов, первая оплата от которых была в текущем периоде, например, июле 2019.

Как только вы рассчитаете прогноз LTV, возвращайтесь к предыдущему пункту и начинайте анализировать каналы привлечения пользователей. Если вы вовремя распознаете момент спада активности, то сможете принять соответствующие меры и поработать над активацией клиентов, увеличив срок сотрудничества с ними.

Оценить ROI рекламы

Человеку, впервые посетившему ваш сайт, нужно время, чтобы пройти по воронке и совершить конверсионное действие. Иногда пользователям надо много времени, чтобы прийти к покупке. И чем оно больше, тем сложнее оценить эффективность рекламных каналов, а шансы сделать ошибочные выводы увеличиваются.

Чтобы оценить окупаемость рекламы с помощью когортного анализа:

  1. Выделите в когорту людей, которые пришли из одного рекламного канала.
  2. Рассчитайте ROI рекламной кампании.
  3. Отслеживайте динамику ROI по месяцам.

Например, если вы выделите в когорту людей, которые пришли из платной рекламной кампании в Google Ads в феврале, то увидите, что в первый месяц ROI такой рекламы ниже 100%, но в последующие месяцы коэффициент увеличивается. То есть, люди шли к покупке больше месяца.

На графике видно, как от месяца к месяцу меняется ROI по каждой из пяти когорт: февральской, мартовской и т. д.

Оценить эффективность медиаисточников

Всем, кто сталкивается с мобильными приложениями, знакома эта проблема: скачивания посчитали, но из каких источников пришли наиболее активные пользователи? Какие из них использовать в будущем? Здесь тоже помогут когорты.

  1. Выделите в когорту пользователей приложения версии 1.0.
  2. Сегментируйте их по каналам привлечения.

Например, этот скрин показывает когорту юзеров в разрезе медиаисточников привлечения и спад их активности по дням. Так, самые активные юзеры в первый день по источникам 1-3. На второй день 1-4. Третий так же. А вот на четвертый день второй источник явно выбивается в лидеры. С самого первого дня можно заметить, что последние два источника приводят меньше всего пользователей и их активность со временем полностью сходит на нет.

Проводить А/Б-тесты

Казалось бы, с А/Б-тестами все и так понятно — меняем один элемент на сайте, делаем два варианта страницы и одной половине пользователей показываем старый вариант страницы, а второй — новый. Затем считаем, как изменилась конверсия. Но такой А/Б-тест не покажет, как обновления влияют на изменение конверсии в долгосрочной перспективе. А вот когортный анализ покажет.

Например, мы тестируем новую кнопку на сайте:

  1. Спустя несколько недель после начала теста выделим в когорту пользователей, которые впервые попали на сайт через страницу с новой кнопкой.
  2. Выделим в когорту пользователей, которые взаимодействовали только со старым дизайном.
  3. Сравним конверсию.

Как видите, для решения ряда задач когортный анализ прекрасно подходит. К тому же, провести его несложно, используя специальный отчет «Когортный анализ» Google Analytics или сводные таблицы в Google Sheets.

Что такое когортный анализ и зачем он нужен

Из анализа действий клиентов можно получить много полезных знаний. Это средний чек, пиковое время продаж и многое другое. Но у разных целевых аудиторий эти данные могут быть разными. Поэтому имеет смысл рассматривать их отдельно для каждой группы. Для этого есть достаточно эффективный инструмент маркетинговой аналитики – когортный анализ.

Читать еще:  Школа интернет маркетологов

Что такое когортный анализ

В основе такого анализа лежит понятие когорты. Когорта — группа людей, которую объединяет особый признак. Кроме маркетинга, понятие когорты можно встретить в эеономике, медицине и социологии.

Когортный анализ является методом исследования подобных групп. Суть метода – в наблюдении за группами людей с определенными общими признаками.

Клиент может относиться к нескольким когортам. Например, пользователь, который зашел на сайт в марте через Яндекс и купил там продукт X, входит в следующие когорты:

  • Пользователи, пришедшие в марте. Анализ когорт по месяцам позволит выявить сезонность.
  • Пользователи из Яндекса. Анализ этой группы позволит понять, отличается ли конверсия в разных ПС или других источниках.
  • Пользователи из Яндекса, купившие продукт X. Анализ этой группы внесет ясность в то, отличается ли спрос в разных ПС.

Где и когда применяется анализ когорт

Анализ с исследованием групп людей по одинаковому признаку будет полезен везде, где бизнес зависит от численности клиентов. К онлайн бизнесу это относится особенно. Для него отток пользователей – самое страшное, что может произойти. Под оттоком понимается не только уменьшение уникальных пользователей на сайте. Сюда включается и отказ от рассылок, и снижение проведенного на сайте времени.

Обязательное условие успешности любого интернет-магазина – постоянный приток новых клиентов. Магазины работают так, что текучка пользователей будет постоянной, и зацикливаться только на LTV существующих клиентов нельзя. Именно поэтому анализ поведения новых посетителей для деятельности в интернете является эффективным инструментом аналитики.

Чтобы понимать, в каком русле двигаться, не обойтись без когортного анализа. Мониторинг поведения клиентов может очень сильно изменить положение интернет-магазина.

Ключевые показатели когортного анализа

Система аналитики Google Analytics имеет функционал для проведения подобного анализа для сайтов и интернет-магазинов. Исследовать можно клиентов, у которых дата первого посещения совпадает. Речь идет о дате первой сессии. Размер групп — это длительность исследования. Анализировать можно по дням, неделям или месяцам. Исследовать можно деятельность новых клиентов за день или за больший промежуток.

На показателях для отслеживания стоит остановиться подробнее, так как именно эта настройка отчета является ключевой. Тут выбираются конкретные показатели, по которым будет проводиться анализ:

  1. Длительность всех сеансов выбранной группы.
  2. Количество достигнутых целей группы.
  3. Общее количество принесенного дохода.
  4. Изменение количества пользователей по времени.
  5. Количество просмотров страниц сайта.
  6. Можно узнать общее количество всех сеансов, а также динамику изменения сеансов в отдельной ячейке.
  7. Демонстрация количества транзакций пользователей.
  8. Среднее время посещения сайта для одного пользователя в отдельной ячейке.
  9. Среднее количество достигнутых целей у одного клиента.
  10. Средний доход по одному клиенту.
  11. Среднее число просмотров страниц сайта на одного клиента.
  12. Среднее число сеансов сайта на одного пользователя.
  13. Среднее число транзакций на одного человека.

Так же есть коэффициент удержания клиентов, который выражается в процентном соотношении людей из когорты, вернувшихся на сайт после первого посещения.

Все данные, полученные из когортного анализа, могут быть полезными, если научиться применять их с умом. По динамике изменения сеансов можно понять, в какие дни клиенты чаще всего заходят на сайт. По времени посещения на сайте можно понять, случайно они туда попадают или вполне осознанно.

Пример проведенного когортного анализа

Простейший пример: исследование эффективности подписки на e-mail рассылку. Допустим, на гипотетическую рассылку интернет-магазина можно подписаться тремя разными способами. Это всплывающее окно на сайте самого магазина, ссылка из статьи на стороннем сайте партнёра и конкурс в ВК, для участия в котором нужно подписаться. В феврале через окно на сайте подписалась 1000 человек, конкурс привёл 700 подписчиков, а блог партнёра – 150. Эти три группы – наши когорты.

Проанализируем, какая из групп дольше остаётся подписанной на рассылку. Для этого нам нужны данные открываемости писем за следующие месяцы.

Как видно из таблицы, самые лояльные читатели рассылки – подписавшиеся с сайта партнёра. Они дольше всех читают рассылку, за полгода отписалась только половина. А конкурс в ВК не принёс ничего – все отписались сразу после проведения.

Отсюда можно сделать вывод – ресурсы лучше не тратить на конкурсы в соцсетях. Выгоднее сосредоточиться на продвижении у партнёров.

Заключение

Выбор конкретных когорт зависит от конкретного бизнеса, а также от проблем, которые наблюдаются в нем. Может появиться соблазн применить сразу все параметры, но это сделает воспринимаемость самого анализа невозможной. Кроме этого, некоторые параметры могут быть просто бесполезными в отдельном случае.

Следует с умом расставить приоритеты. Наиболее важными когортами являются те, которые позволяют выполнить оценку каналов привлечения. То есть, параметры, по которым можно определить эффективность способов увеличения посетителей сайта.

Можно перед началом анализа поставить перед собой вопросы, на которые нужно найти ответы. Например, приносят ли доход те клиенты, которые впервые появились на сайте после распродажи. На этом и нужно концентрироваться.

Что такое когортный анализ, когда и как его используют

Специалисты компании AppsFlyer рассказали, как когортный анализ помогает отсеивать лишние данные, чтобы точнее оценить эффективность рекламной кампании или провести А/Б-тест.

Существует заблуждение, что только глобальный анализ с максимальным охватом данных дает полный результат. На самом деле иногда слишком большие объемы данных и выборка могут стать причиной неверных выводов. Чтобы понять — что работает, а что нет — нужно правильно выбрать масштабы, разделить группы данных и сортировать их.

Данные нужно рассматривать в правильном контексте.

Профессия

Аналитик данных

Узнать больше

  • Научим с нуля собирать, анализировать и презентовать данные.
  • Получите востребованную профессию с зарплатой от 80 тыс. руб. (даже в регионах — по данным hh.ru)

Почему при работе с данными важно отсеивать лишнее

Одно из первых правил статистики звучит так. Данные определяют не причинно-следственные связи, а только корреляцию между вещами и событиями — то, как они связаны в статистике. Чтобы понять эту корреляцию, нужно отсечь как можно больше «шума», лишних данных. Естественно, отсечь все лишнее невозможно. Но чтобы провести анализ правильно, нужно подобрать фильтры.

Рассмотрим простой пример — задачку о яблоках.

Дано: две семьи из четырех человек каждая, которые покупают одинаковое количество яблок — дюжину. Семья А покупает в воскресенье, семья Б — в среду.

Цель: сравнить привычки потребления двух семей.

Если рассматривать только графики, не группируя данные, выходит, что в субботу потребление яблок было максимальным. Это единственный факт, который можно понять из несгруппированных данных. Сделать другие полезные выводы сложно. Но, если сгруппировать данные по дате покупки яблок, можно увидеть определенные тенденции.

  • Семья А ест яблоки медленно, но регулярно, хотя к третьему дню темпы потребления перестали расти.
  • Семья Б сначала ела мало яблок, но в третий и четвертый день темпы потребления резко увеличились.

Теперь вернемся от яблок к рекламным технологиям. Суть эффективного анализа в том, что недостаточно просто сравнить ARPU (средний доход на одного пользователя) одного дня с другим. Нужно учитывать «шум» и отфильтровывать его:

  • сравнивать ARPU в одни и те же дни недели;
  • сравнивать их с учетом количества пользователей, их активности и наличия/отсутствия акций, которые могли бы позитивно повлиять на продажи.

При анализе любых KPI нужно сравнивать данные одного порядка, то есть условные яблоки с такими же яблоками, а не с лимонами.

Что такое когортный анализ и когда он нужен

Когда нужно сравнить KPI и оценить успешность стратегии, стоит воспользоваться когортным анализом. Его смысл в том, чтобы анализировать группы пользователей (когорты), которые объединены по общим признакам и времени выполнения действий.

Метод применяют, чтобы:

  • проводить А/Б тестирование;
  • точнее оценивать эффективность рекламных кампаний;
  • выявлять лояльных клиентов;
  • определять эффективность мобильных приложений по версиям.
Читать еще:  Актуальные темы маркетинга

Как применять когортный анализ

Метод может показаться сложным, но освоить его легко — достаточно разбить процесс анализа на шаги.

Выбор запроса

Сначала определитесь, что хотите узнать. В зависимости от искомой информации, выберите KPI. Например, задачи могут быть такими:

  • сравнить сразу несколько кампаний и проанализировать данные с разных каналов;
  • оценить успех одной и той же кампании в разных регионах.

Здесь же нужно решить, как вы будете определять, что кампания успешная. Для эффективного анализа важно понимать: какой вопрос будете задавать и какие показатели помогут найти на него ответ.

Вот простая формула для запросов в когортном анализе: группировать нужно пользователей с общими характеристиками, чтобы сравнить их поведение и показатели в определенное время.

Как с помощью когортного анализа повысить конверсию

В этой статье вы узнаете о том, что такое когортный анализ и для решения каких задач его использовать.

Начнем с определений.

Любители истории вспомнят, что когортами называли воинские подразделение римской армии, и буквально этот термин означает «огороженное место». В статистике и демографии под когортой понимается группа субъектов исследования, которые объединяет общее событие/признак и конкретный промежуток времени.

Например, люди, родившиеся в Европе после 2000 года. Или водители грузовиков, курившие в возрасте от 30 до 40 лет. Или люди, совершавшие авиаперелеты в прошлом году.

Примеры когорт в digital-маркетинге:

  • количество регистраций на сайте в марте текущего года;
  • количество активных пользователей в феврале текущего года;
  • количество клиентов, перешедших на сайт через email-рассылку.

Когортный анализ широко используется в социологии, психологии, демографии и других дисциплинах, чтобы изучать группы людей и отслеживать изменения, происходящие с ними. И если А/В тесты – это перекрестное исследование, то когортный анализ можно назвать продольным.

На какие вопросы можно ответить с помощью когортного анализа?

Очевидно, что люди, зарегистрировавшиеся на вашем сайте недавно, имеют другой пользовательский опыт, чем те, что сделали это год назад. С помощью когортного анализа можно разделить их по группам и сравнивать.

Например, можно попробовать выявить взаимосвязь между тем, когда клиент пришел, и тем, сколько дохода он принес. Предположим, у вас приходит по 1 000 клиентов в месяц.

Что можно узнать из этой таблицы? Пока мало чего. Но если выделить клиентов, пришедших в каждый конкретный месяц, в отдельные когорты, и для каждой указать средний доход с клиента – картина проясняется.

В нашем примере мы видим, что:

  • больше всего клиенты тратят в первый месяц после прихода, и с каждым месяцем тратят чуть меньше.
  • клиенты, пришедшие позже, тратят больше. Так, доход от новых пользователей в мае почти вдвое выше, чем от новых пользователей в январе.

Итак, мы сегментировали данные и смогли выяснить тенденции, которые не были видны в обобщенной статистике. Эти знания можно использовать для корректировки маркетинговых действий.

Когортный анализ позволяет проводить множество уникальных исследований и отвечать на вопросы, которые помогут вам лучше понять ваших клиентов.

Когортный анализ для формирования портрета идеального клиента

Пример от Линкольна Мерфи (Sixteen Ventures, сервис для развития SaaS-проектов):

Есть много способов использования когортного анализа, но один из самых любимых – это сбор входящей информации для составления профилей.

Во-первых, вы устанавливаете параметры вашего идеального клиента: как минимум, временные рамки. Например, последний год.

Затем вы сегментируете информацию по различным признакам (готовность к покупке, возможность совершения сделки, индекс лояльности, потенциал распространения рекомендаций).

Когортный анализ для оптимизации конверсии

Почему когорты дают вам информацию, которую А/В тесты дать не могут? Потому что когортный анализ отслеживает различные сегменты целевой аудитории.

Отличный пример от Амина Ариана (онлайн-сервис вопросов и ответов Quora):

В ходе А/В тестов мы сравниваем две группы пользователей и судим о результатах по выбранному критерию. Обычно этот критерий – показатель конверсии.

Когортный анализ – по сути, тот же А/В тест, в котором контролируются дополнительные параметры – такие как время и место.

Например, вы предполагаете, что красные кнопки чаще побуждают пользователей к регистрации, чем синие. Вы запускаете А/В тест, в котором одна группа пользователей видит красную кнопку, а вторая – синюю. И по результатам теста действительно видите, что группа «красных» дала больше регистраций.

Но что, если вместо этого провести когортный анализ?

Например, вы сегментируете пользователей по таким признакам как месяц подписки и геолокация. И узнаете, что есть довольно большая группа пользователей, которая зарегистрировалась летом в прибрежных районах. Логично предположить, что они много времени проводили на море, и синий цвет им приелся. Поэтому они живее реагировали на красные кнопки.

Выделяете этих пользователей в отдельную когорту и подтверждаете свои выводы. Заодно выясняете, что для остальных участников эксперимента цвет вообще едва влиял на результат.

Итоги А/В теста больше не кажутся такими очевидными, не правда ли?

Когортный анализ не только поможет обеспечить лучшее толкование сплит-тестов. Он еще и богатый источник новых идей. Вы можете лучше узнать ваших клиентов, выявить тенденции в их поведении. А значит – найти то, что будет способствовать повышению конверсии.

Когортный анализ для SaaS

В SaaS-проектах когортный анализ может помочь оптимизировать различные этапы цикла продаж. Вот несколько способов сегментировать ваши данные, чтобы получить полезную информацию:

Бесплатные демо-версии (Trial)

Советы от Линкольна Мерфи:

Чтобы понять, на какой период предоставлять триал, объедините в одну когорту пользователей, пользующихся пробной версией в течение 15 дней, а в другую – тех, что сидят на триале 30 дней. В какой группе больше переходов к платной версии? Какие тарифные планы они выбирают? Кто пользуется пробной версией более 30 дней? Помимо конверсии, можно оценивать и другие критерии – например, Lifetime Value (LTV).

Вы можете, например, выделить когорту пользователей с самым дорогим тарифным планом, и изучить их характеристики. В том числе, через какие каналы они были привлечены.

Доход

Здесь в центре вашего внимания наверняка окажутся клиенты, которые тратят больше остальных. Например, регулярно пользуются вашими предложениями по апселлу. Постарайтесь выяснить, откуда они к вам приходят, что влияет на их решения, сколько потратили на их привлечение. Кстати, тут может выясниться, что клиенты с самыми большими суммами заказов – не обязательно самые выгодные.

Какие когорты стоит отслеживать всегда?

Как и в случае с А/В тестами – есть соблазн проверять и изучать все и вся. Но ресурсы ограничены, поэтому нужно расставить приоритеты. И конкретные характеристики когорт, конечно, будут зависеть от специфики вашего бизнеса.

Тот же Линкольн Мерфи делится примерами своих любимых когорт.

Во-первых, это состояние здоровья клиентов. Здоровые, активные люди, как правило, и покупок делают больше.

Во-вторых, это контрольная точка – Stick Point. Это срок, действие или определенная сумма заказа. Когда новый клиент достигает этой точки, он с большой долей вероятности становится постоянным.

Кроме того, Мерфи уделяет внимание, в какой отрасли работает компания-клиент, а также оценивает потенциальную выручку, исходя из масштабов компании.

А Райан Фарли, соучредитель проекта LawnStarter, самыми важными когортами считает те, что позволяют оценить каналы привлечения. Например, с помощью когортного анализа он выяснил, что люди, приходящие в LawnStarter через email-рассылку, как правило, остаются гораздо дольше. Так что для этого канала можно позволить себе иметь более высокий показатель САС (затраты на привлечение), чем, скажем, на Google AdWords, у которого самый низкий коэффициент удержания.

  • Клиенты, пришедшие к вам в период распродаж, в дальнейшем приносят такой же доход, как и остальные?
  • Одна группа клиентов увидела ваше новое маркетинговое сообщение, а другая – нет. Как это сказалось на их средней стоимости заказа?
  • Какая группа пользователей бесплатной версии вашего продукта более склонна к конвертации на платный тариф?
  • Насколько эффективен тот или иной способ удержания для разных каналов привлечения?
Читать еще:  Диджитал маркетинг институт

Выводы

  • Смогут ли данные, которые я получу, послужить источником перемен в маркетинговой стратегии?
  • Смогу ли я благодаря новой информации точно узнать, какие маркетинговые приемы работают, а какие – нет?
  • Поможет ли анализ улучшить показатели финансовой эффективности?

К Когортный анализ

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


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


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:

    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.

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.

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

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 АВ 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

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

Мы узнали, что когортный анализ – это более точный инструмент для изучения групп ЦА, чем AB 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.

Ссылка на основную публикацию
Adblock
detector