Понятие когорта появилось еще во 2 веке до нашей эры, им называли главное тактическое подразделение римской армии. Буквальный перевод – огороженное место.
В контексте маркетингового анализа – это сегмент аудитории совершивших определенное действие в разрезе временного периода(месяц, неделя, день). Именно временной период определяет сущность когорты и отличает когорту от простого сегмента.
Например, пользователь пришел на сайт из контекстной рекламы Яндекса 17 июля 2023 и купил окно. Его можно включить сразу в три группы:
- Пользователи, пришедшие с контекстной рекламы: Помогает определить эффективность контекста по сравнению с другими каналами привлечения покупателей.
- Клиенты, купившие окно в июле: Позволяет определить сезонность продаж.
- Покупатели товара «окно»: Помогает в определении спроса на конкретный товар у разных групп целевой аудитории.
Суть такого анализа объединить в когорту посетителей или клиентов по определенным характеристикам, и отслеживать их поведение во времени.
Рекламные кампании необходимо отслеживать во времени
Мы получили заявку на сайте с источника Я.Директ, но пользователь не купил сразу. Он вернулся к покупке через 6 месяцев. Без когортного анализа, просто отслеживая фактическую покупку в разрезе 1 месяца, мы не поймем являлись ли вложения в рекламу 6 месяцев назад эффективными, окупились ли они сейчас. А если клиент вернулся и купил дополнительные услуги еще через какое то время? Получается мы теряем с клиентом долгосрочную связь в отчетах, и неправильно оцениваем эффективность рекламного канала.
К сожалению завышенные ожидания предпринимателя относительно быстрой платежеспособности клиентов “помогают” упускать этот момент.
Мы уже давно не покупаем ничего сразу – долго гуглим, ищем альтернативы, читаем отзывы, отправляем заявки, слушаем как отвечает менеджер. Потом вообще забываем про желание купить конкретный продукт, затем снова вспоминаем, начинаем откладывать средства… И так далее до самого факта оплаты.
Оценивать квалифицированность лида по скорости его покупки не является верным способом анализа продаж. Любую продажу нужно рассматривать во времени. Когортный анализ должен присутствовать всегда, а от рекламы ждать чудес точно не стоит, прошли времена рабочей схемы клик-покупка.
Пример из статьи с ХАБР
Например, в феврале 2020 года проект N запустил контекстную рекламу в Яндексе. Прошел месяц, решили проанализировать первые результаты, посчитали ROI, а он оказался ниже 100%. Неопытный маркетолог примет решение «свернуть» РК или переделать объявления.
Но если объединить потенциальных клиентов, пришедших с этой рекламной кампании, в когорту и посмотреть на результаты спустя несколько месяцев, можно увидеть совершенно другие цифры:
Даже в А-В тестировании можно использовать когортный анализ, чтобы понять кто из пользователей который отправил заявку с B версии сайта стал покупателем и когда:
Примечание: С помощью когортного анализа можно оценить Retention Rate - уровень возврата пользователей. Такое часто используют в анализе новой версии мобильного приложения.
Retention marketing — это комплекс методов по анализу возвращаемости, выявления причин оттока и выработки стратегий по удержанию пользователей.
Где использовать когортный анализ?
В любой компании, которая завязана на количестве клиентов! Если поток свежей крови начинает иссякать, то бизнес через какое-то время перестанет существовать. Для этого важно постоянно собирать портреты ЦА вашего бизнеса и анализировать их в когорте. Чтобы понять цикл принятия решения в группе, готовы ли люди к онлайн покупкам и кто чаще интересуется товаром и почему.
Что нужно для когортного анализа?
Перед проведением когортного анализа определяют четыре параметра:
- Признак формирования когорты — действие, которое объединяет людей в группу: первый визит, покупка, установка, регистрация и т.п.
- Размер когорты — временной интервал: день, неделя, месяц.
- Отчетный период — время исследования поведения групп.
- Анализируемый ключевой показатель — ROI, Retention Rate, LTV и т.д.
Но опять же, не стоит загонять себя в жесткие рамки, потому что каждый проект индивидуален. Аналитик должен руководствоваться собственным опытом, знаниями и рабочими инструментами.
Боярский Глеб Юрьевич @GlebBoyarskii — Telegram | VK
Обо мне:
Настройка Яндекс Директ, Таргет, Google (Yandex) Tag Manager, разработка Power BI и DataLens дашбордов, глубокая аналитика рекламных систем, комплексная веб-аналитика и performance-маркетинг.