Как когортный анализ поможет вашему стартапу
Когортный анализ — огромная часть аналитики, связанная с жизненным циклом клиента. Это базовая сегментация пользователей, без которой вам не обойтись, ведь она решит сразу 3 задачи:
1. Поможет рассчитать RR (Retention Rate) и эффективно удерживать пользователей.
2. Позволит прогнозировать LTV (Lifetime Value) и работать над улучшением этого показателя.
3. Подскажет вам, как оптимизировать маркетинговые кампании.
В начале разберемся, что такое когортный анализ. Мне импонирует определение, которое дали в своей клиге Алистер Кролл и Бенджамин Йосковитц («Lean Analytics: Use Data to Build a Better Startup Faster»).
«Когортный анализ — метод поведенческой аналитики,… который вместо того, чтобы анализировать пользователей как единое целое, разбивает их на группы — когорты. Людей в когортах объединяет общий опыт, который они получили в определенный момент времени. Когортный анализ позволяет компании отслеживать поведенческие сценарии через жизненный цикл клиентов, в противном случае они бы совершали анализ вслепую.»
Для когорты важно, чтобы пользователи совершили действие в один момент времени. Что может быть этим действием, иначе говоря, стартовой точкой для формирования когорты? Существует 2 подхода:
1. По вовлечению:
- для мобильных приложений — установка приложения,
- для онлайн ресурсов — регистрация на сайте или первый визит.
2. По монетизации:
- первая покупка/оплата.
Когда клиент лишь скачал мобильное приложение, у нас нет информации о нем. А на этапе установки (открытия) у нас появляется минимальный набор данных, чтобы в дальнейшем идентифицировать пользователя. Именно поэтому дата установки (открытия) приложения используется для формирования когорт.
Мы формируем когорты по дням, хотя для e-commerce бизнеса, который не так динамичен, можно использовать более длинные периоды для анализа (месяц или год). Попробуем применить метод на практике.
Как посчитать Retention Rate для когорты
Для стартапов важно увеличивать базу пользователей из месяца в месяц. Однако даже если вы эффективно работаете над привлечением, база активных клиентов может не расти.
Представим, что в июне вы привлекли 1 млн пользователей, а в июле 500 тысяч. Однако, когда по истечению второго месяца вы проверили общий результат, он был 800 тысяч, а не 1,5 млн.
Что могло случиться? Я называю эту проблему «дырявое ведро».
Пока вы занимались привлечением новых клиентов, из дырявого ведра (где находился 1 млн пользователей) «утекло» 700 тысяч. Они попросту стали неактивными. Таким образом, в конце 2-месячного периода в сумме у вас осталось 800 тысяч.
Устранить утечку полностью невозможно, часть пользователей все равно будет уходить. Однако вы можете минимизировать последствия, анализируя Retention Rate для когорт. Используется простая формула:
User Retention Rate = (R-A) / E*100
Где:
- E — число активных пользователей в конце предыдущего периода,
- A — число пользователей, привлеченных за текущий период,
- R — общее число пользователей по окончанию текущего периода.
Давайте рассчитаем на нашем примере:
- E (когорта июня) = 1 млн
- A (когорта июля) = 500 тысяч
- R (сколько осталось в конце) = 800 тысяч
(800 000 - 500 000) / 1 000 000 * 100 = 30%
Результат иллюстрирует, что вы способны удержать лишь 30% пользователей. Это очень низкий показатель, и цель — максимально его увеличить. Чем выше процент, тем лучше для бизнеса.
Вы можете сравнивать когорты дней, месяцев или лет. Когда я занималась продажей мобильных приложений, то считала Retention Rate по дням. Если пользователь не возвращается к нам на следующий день, вероятность того, что он вообще когда-либо вернется, — низкая.
То, как развиваются когорты, можно изобразить на графике. Тогда вам легко будет отслеживать, насколько эффективно вы удерживаете пользователей и какая когорта отклоняется от нормы — показывает результат хуже или лучше.
Вот пример такого графика (все цифры гипотетические):
По оси Y указан процент активных пользователей, а по оси X — временные периоды, в данном случае, месяцы. Заметьте, что они пронумерованы, а не подписаны. Это сделано преднамеренно. Потому что под цифрой 1 подразумевается первый месяц для каждой когорты: для когорты июня это будет июнь, для когорты июля — июль и т.д. Таким образом, вам легко сравнить кривые.
Когортный анализ и прогнозирование LTV
Прогнозирование роста прибыли для стартапа основывается на прогнозе того, как будет расти ваша база активных пользователей. В этом случае ключевым становится показатель LTV — Lifetime Value. Он дает возможность прогнозировать, сколько денег принесет вам когорта за свой жизненный цикл.
Представим, что у вас стабильная бизнес-модель и история, откуда можно черпать данные для анализа. Вы можете предположить, что пользователи на сайте «проживут» 12, 36 или 48 месяцев, и посчитать LTV для выбранного периода.
Стартапам лучше прогнозировать на 2-3 месяца вперед, иначе показатели не оправдаются. Из опыта скажу, что после 3 или 6 месяцев вы можете потерять до 80% когорты. Поэтому прогноз LTV для стартапа скорей служит ориентиром. Он совершенствуется посредством обновления данных.
Скоро будет следующая статья: Нужно ли считать LTV для маркетплейса
Важно отметить, что для подсчета User Retention Rate вы можете формировать когорты по вовлечению (регистрация, загрузка, установка). Для User Lifetime Value когорты должны быть сформированы исключительно по дате покупки. Это финансовый показатель, и анализу подвергаются только те когорты, которые у вас покупают.
Обратите внимание на график. По оси Y — процент активных пользователей в когорте, который приносит вам прибыль. По оси Х — месяцы.
Цифры гипотетические. Я предположила, что одна транзакция приносит вам $1. В первом месяце сформировалась когорта 100 человек (=100%):
- По окончанию месяца купили 65% (=65 человек, доход $0,65 c транзакции),
- В втором — 75% от первого месяца (=49 человек, доход $0,49 ) и т.д.
Вы понимаете, сколько денег приносит когорта за месяц, и можете прогнозировать на более длительный период — год, два или три. Я считаю, что 12 месяцев — слишком короткий срок для прогноза (если речь про устойчивый бизнес). Чаще всего для LTV делается прогноз на 36 месяцев.
Как когорты помогут настроить маркетинговые кампании
Мы уже разобрались, что когортный анализ помогает отслеживать жизненный цикл клиентов и делать прогнозы на будущее. Однако это не все. Он должен быть связан с бизнес-стратегией и операциями по оптимизации маркетинговой стратегии.
Поведение когорт поможет вам понять, как планировать маркетинговые кампании и когда делать релиз новых продуктов. На графике видно, в каком месяце резко снижается активность клиентов. Используя этот ценный инсайт, вы можете запустить реактивацию — отправить пользователям уведомления и удержать их на сайте.
Вот пример того, как когортный анализ влияет на маркетинг.
Цифры на этом графике усредненные:
- Положительные числа: тренд роста,
- Отрицательные числа: тренд снижения.
Благодаря когортному анализу, мы видим, что в конце июня произошел резкий спад: -3 — это сильное негативное изменение. Наша задача проанализировать ситуацию и понять причины. Мы формулируем гипотезы:
- что-то не так с продуктом,
- предложили какое-то изменение,
- плохо работает сайт,
- не понравилась маркетинговая компания,
- внешние причины (связанные с географией пользователей) и т.д.
Этот реальный пример из моей практики. Как выяснилось, резкий спад произошел из-за проблем с программным обеспечением. Компания росла, быстро наполнялся сайт, и возникла проблема - наши сервера не могли принимать больше трафика. Мы установили новые рядом со странами, которые показывали наибольший рост и показатели вернулись в норму.
4 совета, как сделать когортный анализ эффективным
1. Определите подходящие показатели для мониторинга, исходя из своей бизнес-модели:
- кого считать активными пользователями,
- анализировать когорты по дням или по месяцам,
- какие когорты сравнивать между собой.
2. Отслеживайте и собирайте данные о пользователях:
- идентификация пользователя (ID аккаунта или мобильного устройства, Cookie, цифровой отпечаток пальца, IDFA, email или номер телефона),
- поведенческие данные (как пользователи взаимодействуют с продуктом, реагируют на маркетинговые кампании).
3. Получайте инсайты от своего анализа:
- изучайте данные и генерируйте гипотезы,
- определите ключевые сценарии поведения,
- работайте над удержанием,
- согласуйте маркетинговый календарь с поведением когорт.
4. Тестируйте пути оптимизации и становитесь лучше изо дня в день.
Preview photo: casaltamoiola / depositphotos.com
Header photo: macrovector / depositphotos.com
