Что показывает когортный анализ
Средние показатели по базе скрывают динамику: «удержание 60%» — это смесь старых лояльных клиентов и новых, которые ещё ничего не решили. Когорта — например, все, кто впервые купил в январе. Для неё считают, какая доля сделала покупку в феврале, в марте, через полгода. Классический вид — таблица: строки — когорты, столбцы — месяцы с момента привлечения, в ячейках — удержание, число покупок, выручка или накопленный LTV.
Что это даёт. Во-первых, реальный LTV по фактам, а не прогноз. Во-вторых, сравнение каналов по качеству клиентов, а не по цене заявки. В-третьих, оценку изменений: если в марте внедрили новый скрипт или программу лояльности, мартовская когорта покажет, сработало ли.
Признак когорты — не только дата. Группировать можно по каналу привлечения, первому купленному продукту, городу, менеджеру.
Как строить
- Выбрать признак и шаг когорты: месяц для большинства бизнесов, неделя — для быстрых циклов вроде доставки.
- Выбрать метрику: удержание, среднее число покупок, выручка или валовая прибыль на клиента, накопленный LTV.
- Выгрузить из CRM: клиент, дата первой покупки, источник, все покупки с датами и суммами.
- Собрать таблицу — сводная в Google Таблицах или Excel, при больших объёмах BI-система.
- Читать по столбцам (как ведут себя разные когорты в одном и том же возрасте) и по строкам (как одна когорта стареет).
Пример анализа
Условный пример. Интернет-магазин косметики сравнивает январские когорты из двух каналов через 90 дней после первой покупки.
| Когорта (январь) | Клиентов | Повторная покупка за 90 дней | Валовая прибыль на клиента за 90 дней | CAC |
|---|---|---|---|---|
| Контекстная реклама | 300 | 35% | 7 000 ₽ | 2 500 ₽ |
| Таргет в VK | 400 | 18% | 4 200 ₽ | 1 500 ₽ |
По стоимости привлечения таргет выигрывает. Но через 90 дней клиент из контекста принёс 7 000 − 2 500 = 4 500 ₽ сверх затрат, а клиент из таргета — 4 200 − 1 500 = 2 700 ₽. Без когорт решение о бюджете было бы принято в пользу таргета — и оказалось бы ошибкой.
Типичные ошибки
- Сравнивать молодые когорты со старыми по накопленным показателям — у старых просто было больше времени.
- Слишком мелкие когорты: при 20 клиентах один вернувшийся меняет удержание на 5 пунктов.
- Не хранить в CRM дату первой покупки и источник — когорты не из чего строить.
- Смешивать дату первой заявки и первой оплаты.
- Построить один раз и забыть: ценность — в регулярном сравнении новых когорт со старыми.
- Не учитывать сезонность: январская когорта в некоторых нишах всегда ведёт себя иначе, чем сентябрьская.
Как мы применяем когортный анализ
В финансовой модели маркетинга LTV мы берём из когорт, а не из предположений. Когорты по каналам определяют, куда переносится бюджет; когорты по месяцам показывают, как изменения в продукте, продажах и сервисе повлияли на возврат клиентов. Данные берутся из amoCRM или Битрикс24 и Roistat, поэтому внедрение CRM с обязательным полем источника — условие, без которого анализ не запускается.
Средняя цифра по базе ничего не говорит о клиентах, которых вы привлекли в этом месяце. Когорты говорят.
Таблица когорт обновляется ежемесячно и хранится рядом с отчётом по каналам: решение о бюджете принимается по обеим таблицам сразу.
