Особливості когортного аналізу

Когортний аналіз бере свій початок з медичних досліджень. Раніше когортний аналіз застосовувався для вивчення причин різних проблем зі здоров’ям. Піддослідних людей поділяли на когорти, за якими велося постійне спостереження протягом певного періоду часу. В ході спостереження фіксувалися всі зміни в самопочутті людей під впливом певних факторів ризику.

Що ж таке когортний аналіз?

Когортний аналіз – дослідження поведінки певної когорти протягом певного часового періоду.

Когорта – група людей, які пов’язані одночасно загальним подією і періодом часу. (Наприклад, жінки, народжені в 1991 році, або абітурієнти 2012 року).

Не варто плутати значення термінів «когорта» і «сегмент». Сегмент – більш загальне поняття, т. К. В когорту людей об’єднують тільки за двома ознаками (подія і період), а при формуванні сегмента можуть використовуватися відразу кілька факторів.

Когортний аналіз в бізнесі.

У бізнес-аналітиці можна використовувати когортний аналіз для підтвердження сформованих вами гіпотез.

Припустимо, аналіз показав падіння показників утримання клієнта, що безумовно є негативним фактором. Для того, щоб вирішити цю проблему, ви можете зробити припущення, що є кореляційний зв’язок між першою покупкою клієнта і його утриманням. Щоб перевірити своє припущення, ви можете умовно об’єднати своїх клієнтів в групи (когорти), відповідно до того продуктом, який вони купили першим, і побудувати графік утримання за кожен місяць:

Згідно з графіком, найбільший прибуток приносять ті покупці, чиєю першою покупкою був зефір. Тому компанія направить великі зусилля на спонукання клієнтів до покупки зефіру під час їх першого візиту.

Когортний аналіз допомагає знайти тенденцію, а не причину.

Найголовніше при використанні когортного аналізу пам’ятати: когортний аналіз знаходить кореляційний зв’язок між діями, а не причинно-наслідковий. Т. е. В розглянутому вище прикладі, зефір – це не сама причина лояльності клієнта.

Когортний аналіз утримання споживачів.

Щоб розібратися: як можна використовувати когорти для аналізу утримання клієнтів, давайте розглянемо конкретний приклад.

Припустимо, у нас є дані про кількість користувачів, які повертаються до користування послугою після його активації. Ці дані ми представимо в таблиці:

Давайте розглянемо перший рядок таблиці за січень. Згідно з даними таблиці, 3941 користувачів (осередок В4) було залучено за січень. 642 користувача з залучених в січні (осередок С4) повернулися в лютому і т. Д. Всі показники цього рядка характеризують утримання клієнтів, віднесених до цієї когорти, протягом 12 місяців.

Тепер давайте вивчимо третій стовпець D. Тут є три значення: 581 користувачів були залучені в січні (осередок D4) і повернулися в березні, 503 користувача було залучено в лютому і повернулися в березні (осередок D5), і 3951 нових користувачів були залучені в березні (осередок D6).

Щоб вивчити, яким чином змінюється показник утримання для певної когорти з плином часу, уявімо наші дані трохи в іншому вигляді:

У таблиці 2 в назвах стовпців наведені кількість місяців з періоду залучення клієнтів. Т. е. Тепер замість «січень”, «Февраль», «Март» і т.д. – вказані значення 0, 1, 2 і т.д. Також всі дані рядків були зрушені вліво.

За допомогою таблиці 2 в кожному рядку можна побачити: скільки користувачів, залучених в січні, повернулися у відповідному місяці.

Також дані показники можна виразити в процентному співвідношенні:

У таблиці 3 кожен рядок відображає криву утримання користувачів за відповідний місяць. А останній рядок відображає криву утримання користувачів за весь минулий рік, графік якої має такий вигляд:

Як категорія товарів може вплинути на утримання клієнтів?

Наприклад, власники одного з інтернет-магазинів за допомогою когортного аналізу з’ясували, що клієнти, чиєю першою покупкою були дитячі товари, виявилися більш схильними до повторної купівлі. Природно, після таких висновків, власники сайту стали більш активно просувати дитячу продукцію.

Також крім категорії, можна визначити який період є найбільш ризикованим для компанії: коли починає значно збільшуватися відтік клієнтів.

Припустимо, є інтернет-магазин з великою кількістю категорій. Деякі категорії, на думку власників, сприяють утриманню споживачів після першого придбання товару. Для того, щоб з’ясувати: які категорії найкраще допомагають залучити покупців знову, потрібно провести когортний аналіз утримання.

За цим посиланням ви можете айті приклад когортного аналізу.

Результати когортного аналізу показують:

• Покупці, чиєю першою покупкою була спортивний одяг, найбільш схильні до повторного візиту сайту;
• Покупці, чиєю першою покупкою були прикраси, найменш схильні до повторної купівлі;
• П’ятий місяць є найбільш ризикованим періодом, тому що починаючи з цього періоду починає рости відтік.

Дані результати можна використовувати в такий спосіб:

• Витрати на маркетинг спортивного одягу можна скоротити;
• Варто звернути увагу на клієнтів, які придбали прикраси, і які були залучені 5 місяців тому з поточного моменту.

Як взаємодія з певною функцією може вплинути на утримання клієнтів?

На це питання також можна відповісти за допомогою когортного аналізу. Припустимо, за допомогою когортного аналізу (який описаний вище) ви визначили найбільш ризикований процес переговорів, коли клієнт вирішує вас покинути. Тоді ви точно знаєте скільки у вас є днів / місяців щоб встигнути зацікавити клієнта і не дати йому покинути ваш сервіс.

Можна зробити припущення, що деякі функції вашого продукту можуть залучити й утримати користувача. Для початку потрібно побудувати криву утримання за минулий рік.

Потім, вивчіть функції, якими користувалися клієнти в перший день. Припустимо, найбільш часто використовувалися наступні 2 функції: «включення push-повідомлень» і «додавання товару до списку побажань». Проведемо аналіз для кожної дії і порівняємо результати.

На наведеному графіку побудовані 3 криві утримання:

• Червона – усереднена крива утримання;
• Помаранчева – крива утримання для функції «Додавання товару в список побажань»;
• Синя – крива утримання для функції «Включення push-повідомлень».

Розташування кривих наочно показує, що ті клієнти, які використовували функцію «Додавання товару в список побажань» найбільш схильні до повторної купівлі. А клієнти, які використовували «Включення push-повідомлень», найбільш схильні до відтоку. Головне не забувайте, що когортний аналіз виявляє кореляційний зв’язок, а не причину.

Також, результати такого когортного аналізу допоможуть виділити ті функції, на які варто звернути увагу і можливо доопрацювати. Функція «Включення push-повідомлень» з наведеного прикладу явно потребує додаткового розгляду, т. К. Не виконує своє основне призначення – утримання клієнтів.

Як провести когортний аналіз за допомогою аналітичних платформ?

На даний момент проведення когортного аналізу не важко, адже є спеціальні аналітичні платформи, які все зроблять за вас. Наприклад, в платформі Kissmetrics потрібно заповнити всього 3 поля:

У першому полі необхідно вказати подія, за яким буде сформована когорта. У другому – дія, яку повинен зробити клієнт під час повторного візиту, це послужить базисом для відстеження поведінки користувачів. У третьому полі – години, між якими аналізу.