Как сделать когортный анализ в excel
Обновлено: 04.07.2024
У Вас взрыв продаж в 2 раза. Да, вот так счастье неожиданно привалило. И Вы, как умный предприниматель, хотите понять, что повлияло на это.
И если Вы будете делать линейный анализ из серии “Вложили в этом месяце 100 т. р. на рекламу и народ пошёл”, то могут получатся ложные данные. Поэтому если Вам нужна прозрачность и понимание, то когортный анализ в этом деле король.
Примеры использования
Ну, а если вдруг даже после них будут трудности, то так уж и быть, мы изучим научный подход к этому делу по шагам.
Важно. Любой анализ, в том числе когортный, строится на данных. Если у Вас их сейчас нет, то первым делом начните их собирать.
Пример 1. Отложенная покупка
Вы запускаете рекламу на свой landing page, трафик идёт тоннами, количество заявок на получение прайс-листа увеличивается ежедневно в геометрической прогрессии.
И Вы уже на пол пути купить новый большой сейф. Только по результату месяца Вы смотрите на ситуацию и понимаете, что заявок много, а продаж нет.
Как мы спасли ситуацию? Мы объяснили Вам, что нельзя ждать быстрых результатов в Вашем бизнесе. Цикл сделки измеряется в нескольких месяцах, поэтому нужно по-прежнему давать рекламу и смотреть на результат.
Только результат нужно оценивать именно через когортное исследование. А именно, Вы смотрите в разрезе 3-6-12 месяцев, когда человек оставил заявку и когда он купил.
Возможный итог, что Ваш цикл сделки равняется 2 месяцам и поэтому канал рекламы нужно оценивать только через это время и ни капельки раньше.
Пример 2. Эффективность рекламы
Вы придумали акцию “Всем покупателям бутылка виски в подарок”. Значит заряжаете Вы девочек с флаерами проводить данную активность в Вашем городе. Народ начинает идти, и естественно бутылки с виски разлетаются как бабушкины пирожки.
И Вы считаете, что акция выстрелила, оффер отличный, можно дать маркетологу премию и повторять мероприятие каждые пару месяцев.
Но только есть один момент, который Вы не предусмотрели. По этой листовке люди приходят так же через 2-3-5-7 месяцев, так как Вы случайно не указали срок действия. И люди также покупают и требуют свою коробку счастья.
Именно через когортный анализ, Вы можете увидеть в разрезе всего времени, когда человек получил листовку (если на ней указать дату) и когда он пришёл. Причём, Вы будете видеть, сколько человек пришло в первый месяц / день после раздачи, сколько во второй, и так хоть в течение всей жизни, если у Вас настолько длинный цикл сделки.
Пример 3. Канал рекламы
Вы запустили сразу 2 канала привлечения клиентов, а именно, вложили по 50 т.р. в таргетированную рекламу Вконтакте и в контекстную рекламу.
Этих денег Вам хватило ровно на месяц. И за это время по своей CRM системе Вы видите, что из Вконтакте пришло 150 заявок, а из контекстной 250. Какой Вы делаете вывод? Что контекстная реклама лучше?!
Но опять, это не факт. Такой поверхностный анализ лишь предполагает, что Яндекс и Гугл привлёк больше потенциальных клиентов, и при этом не показывает, сколько из них реально купило.
И даже если на основе примера 1, мы сделаем когортный анализ в разрезе 6 месяцев, и определим, что большая часть заявок конвертировалась всё-таки из контекстной рекламы, то мы также можем ошибиться.
И связанно это с тем, что клиенты из контекста маленькие и долго не живут, когда из Вконтакте приходят мастодонты с большими сумами и на долгий срок.
Важно. Выжимайте из бизнеса максимум с помощью нашей методички формата “фишечная стратегия”. В ней самый сок из сотен тренингов и книг по маркетингу и продажам. А также концентрат успешных действий. По ссылке скидка 50% в течение 4 часов, кликайте -> “Реальный маркетинг: 165 фишек + 33 основы“
Что же это такое
Весь сок когортного анализа в том, что Вы не сваливаете все показатели в единую кучу, а конкретно видите, что повлияло на позитивный или негативный результат.
И всё же, так как я обещал дать Вам научное обоснование, то сдерживаю слово. И делаю это в максимально простой форме:
Вы вроде уже изучили 3 примера, но всё же визуально ещё ни разу не видели, как выглядит это чудовище в деле. Ниже я покажу картинку, на которой всё описано. В двух словах: это когорта от даты первого посещения клиентом сайта до его заявки в разрезе 31 дня (на графике).
Если Вы поймёте эти данные, то все дальнейшие анализы Вы будете раскусывать, как орешки, так как визуальная часть когортного подхода практически всегда одинаковая.
Когортный анализ
Как Вы уже догадались, идеально использовать это исследование, когда у Вас длинный цикл сделки. Тогда логично, что оценивать действия на следующий день и даже на месяц не правильно, нужно смотреть дальше.
И также логично, если у Вас короткий цикл сделки, и к тому же разовые продажи, то когортный анализ Вам нужен в довольно редких случаях.
Направления анализа
Когортное исследование Вы можете делать в разных разрезах и с разной аудиторией. Причём, результат полностью зависит от задачи, которую Вы хотите решить.
Это я к тому, что готовых решений не существует, изучать можно сотни показателей. Но всё же я дам Вам направления, чтобы Вы от чего-то отталкивались.
Подсчитывать все эти показатели Вы можете либо в CRM-системе, (например, Битрикс24 или Мегаплан), либо в веб-аналитике (в частности гугл), либо в сервисе сквозной аналитики.
Далее можете как в самих системах посмотреть данные в разных разрезах, так и выгрузить в Excel, и после чего там упражняться. Но как правило, если сервис или система сбора адекватная, то внутренних фильтров достаточно.
Основные понятия
Прежде, чем приступать к разбору когортного анализа, давайте разберем, что такое когорта.
Соответственно, метод исследования этих когорт называют когортным анализом.
Постановка задачи
Что для этого нужно
- Дата оформления заявок
- Дата первой оформленной заявки
- Уникальный номер пользователя (в данном случае это номер телефона или e-mail)
- Столбец с единицами (засчитывается факт отправленной заявки, который будет суммироваться для отображения результата)
Реализация
Итак, раз мы будем смотреть возвращаемость по месяцам, нам понадобится довольно большой период, я возьму 12 месяцев. Вот, что из себя представляет моя табличка с данными:
Система, из которой я сделала выгрузку заявок, не предоставляет данные по дате первой, поэтому, чтобы найти эту дату, в столбце B я использовала следующую формулу:
Функция ЕСЛИ проверяет каждую ячейку массива из столбца Field phone на предмет равенства текущему телефону (Field phone). Если это так, то выдается соответствующее ему значение из столбца Date. В противном случае – логическое значение ЛОЖЬ (FALSE).
Таким образом внешняя функция МИН выбирает минимальное не из всех дат, а только из тех, где был использован текущий телефон, т.к. ЛОЖЬ функцией МИН игнорируется.
Не забудьте поставить курсор в формулу и нажать Ctrl + Shift + Enter вместо Enter! Это сочетание клавиш обозначит формулу, как формулу массива. Далее, ячейку можно растянуть по всем ячейкам вниз.
Составление сводной таблицы
Итак, все нужные столбцы мы получили, выделяем нашу таблицу и составляем сводную.
Раскидываем поля таким образом:
Поля Годы и Месяцы собрались автоматически.
После небольших разукрашиваний и доработок получаем итоговый вид:
Справа я отразила долю повторных заявок от всех заявок, которые были оформлены в соответствующем месяце.
Как читать отчет?
Очень просто. Смотрим по столбцу Первая заявка. Выбираем, например, апрель. В апреле 1432 пользователя первый раз оформили заявку, 19 из них вернулось и повторно оформило заявку в мае, 7 из них повторно в октябре и так далее.
Подходя к концу
Когортный анализ можно использовать для оценки окупаемости рекламных каналов, особенно для бизнеса с отложенной конверсией. В целом, он поможет оценить, какие из ваших решений в прошлом смогли повлиять на повышение конверсии, будь то подключение нового канала трафика или улучшение юзабилити сайта. Анализируйте прошлое, чтобы повышать конверсию в будущем. 🙂
Когортный анализ является одним из наиболее часто используемых маркетологами инструментов. В этой статье «Риалвеб» рассказывает об основных вариантах его использования, о том, какие возможности предлагает отчет по когортам в Google Analytics, и показывает, как в компании используют Tableau для когортного анализа на основе данных Google Analytics
Что такое когортный анализ
Когортный анализ заключается в исследовании характеристик когорт (групп пользователей), объединенных по общим временным признакам. Когорты очень похожи на сегменты с тем отличием, что когорта объединяет пользователей определенного промежутка времени, в то время как сегмент может быть основан на любых других характеристиках пользователей. Для сайтов когорту обычно определяют по первому посещению или целевому действию пользователя. Затем мы можем отслеживать, как меняется поведение пользователей из этой когорты с течением времени, или сравнивать сами когорты между собой. Это предоставит нам возможность лучше понимать влияние маркетинговых мероприятий и повысить качество принимаемых решений.
Когортный анализ разделяет действия новых и старых пользователей. Благодаря этому у нас появляется возможность разделить показатели бизнеса, отвечающие за получение новых клиентов и за удержание старых. Почему это важно? Обычно для оценки успешности бизнеса используют общий доход:
Однако это не говорит о том, за счет чего увеличивается этот доход. Вы можете успешно привлекать новых пользователей и за счет этого увеличивать прибыль, но ваши старые пользователи могут больше не возвращаться. Из такого графика этого не узнать.
Разобьем пользователей на когорты и построим аналогичный график:
Каждая когорта на графике представлена своим цветом и их сумма показывает ту же доходность, что и прошлый график, но теперь мы видим какое влияние оказывают разные группы пользователей на доход. Первые вертикальные линии каждого цвета отображают покупки новых пользователей. Также мы видим, как ведут себя эти пользователи в дальнейшем – это показывают хвосты того же цвета, которые тянутся до конца графика. На данном графике первый импульс роста с 9-го по 29-го марта происходил за счет привлечения новых пользователей. Но после 3-го апреля количество новых пользователей снизилось и перестало увеличиваться. В это время доход увеличивался за счет уже привлеченных ранее пользователей.
Отслеживание новых посещений
Итак, первый вариант использования когортного анализа – это сравнительный анализ разных когорт. Это отличный способ отслеживания новых посещений и трендов.
Например, мы можем отслеживать результаты изменений на сайте. Если вы собираетесь что-то менять на сайте или делаете это регулярно, то когортный анализ – это то, чем вы просто обязаны пользоваться. С помощью него вы можете быстро оценить эффект от нововведений и понять насколько изменения пришлись по вкусу вашим пользователям: стали ли они совершать больше целевых действий или меньше, увеличились ли продажи или доход и т.д.
Аналогично можно измерять эффект от маркетинговых кампаний: были ли они эффективны, какой доход они принесли. На скриншоте ниже можно заметить существенный рост дохода от когорты, в которую собраны пользователи, посетившие сайт в течение недели, начавшейся 20 июня. Мы сразу можем оценить успешность мероприятий, проведенных в течение этой недели.
Отслеживание повторных посещений
Второй вариант использования когортного анализа можно назвать анализом лояльности пользователей – это исследование когорт с течением времени. На графике мы видим когорты (линии разного цвета) и доход, который они приносят в течение выбранного периода времени. Мы можем оценить время жизни пользователей и доход, который приносит каждый пользователей (LTV – lifetime value). Если пользователи совершают первую покупку и больше не возвращаются к вам, вы сразу же увидите это и сможете принять меры по возвращению пользователей. В данном примере пользователи продолжают возвращаться на сайт и совершать покупки в течение долгого периода времени.
Вы также можете понять, как разные когорты ведут себя в дальнейшем. Одни из них могут приносить вам больший доход, другие – меньший. Определив, чем отличаются эти когорты между собой, вы сможете привлекать более лояльную вам аудиторию.
Дальше мы рассмотрим, какие варианты есть для построения отчетов по когортному анализу на основе данных из Google Analytics.
Когортный анализ в Google Analytics
Технически вы можете построить когорты с помощью сегментов, выбирая группы пользователей за нужный период. Для каждой когорты придется создать свой сегмент, а затем выгрузить данные в Excel, где и производить дальнейшую манипуляцию над данными и анализ. Однако это очень трудоемко и неудобно. К счастью, Google Analytics предлагает пользователям отчет по когортам, который находится в разделе «Аудитория – Когортный анализ». Выглядит он следующим образом:
Для построения отчета вам необходимо выбрать тип и размер когорты, показатель, который будет выводится на графике и в таблице, и диапазон, за который вы хотите получить отчет. На рисунке выше в качестве показателя выбрано количество транзакций и когорты построены по неделям. На верхнем графике отображается количество транзакций, которые совершили пользователи каждой когорты. Транзакции, принадлежащие одной когорте, отображаются линией одного цвета и разбиваются по периодам, в данном случае по неделям. На графике мы видим, сколько транзакций совершают пользователи в первую и последующие недели. Под графиком размещается таблица, которая отображает ту же самую информацию, но в табличном виде, где каждая когорта представлена одной строкой.
Как и в других отчетах Google Analytics, мы можем добавить сегменты и изучить когорты одного конкретного сегмента или сразу нескольких. Такая возможность очень сильно расширяет функционал когортного анализа и позволяет исследовать когорты в разрезе практически любых параметров. При изучении когорт на всех пользователях сразу, без сегментации, не всегда можно объяснить то или иное отклонение. Также в общей массе пользователей бывает очень трудно заметить какие-либо изменения т.к. большое количество источников трафика сливается и заметить разницу между когортами невозможно. Благодаря сегментам появляется возможность посмотреть на тонкий срез посетителей. В этом случае, как правило, найти и объяснить отклонения уже не составляет труда. На скриншоте ниже в качестве примера приведен когортный отчет для платного и бесплатного трафиков. В отличие от прошлого отчета (см. скриншот выше), здесь легко заметить различия в когортах, и, если вы в курсе маркетинговых мероприятий, легко поймете, чем они вызваны. Так же легко вы сможете увидеть какой эффект имели те или иные изменения на сайте, сравнив поведение когорт до и после изменений.
К сожалению, когортный анализ в Google Analytics обладает рядом существенных недостатков, осложняющих его эффективное использование. Вот основные из них.
1.Семплинг
Если вам необходимо использовать сегменты, то, скорее всего, вы столкнетесь с семплингом. Это значит, что для вашего отчета Google Analytics будет использовать только часть данных, из-за этого о точности данных говорить уже невозможно. Как следствие, принимать решения, основанные на неточных данных, не имеет смысла. Если для примера взять отчет с сегментацией на платный и бесплатный трафик, приведенный выше, то он был построен всего на 10% от всех данных.
2. Только один тип когорты
В Google Analytics доступен только один тип когорты – дата первого посещения. Таким образом, вы можете группировать пользователей только по первому посещению. Часто бывает необходимо провести анализ групп, основанных на других характеристиках пользователей, например, на первых транзакциях, на каких-то событиях и т.д. К сожалению, с Google Analytics это сделать невозможно.
3. Ограниченный период отчетности
Следующее ограничение касается размера когорты и периода отчета. Что касается размера когорты, то в Google Analytics их три: по дням, по неделям и по месяцам. Этого вполне достаточно, однако к ним привязаны диапазоны дат для отчета. Если вам необходимы когорты по дням, то отчет вы сможете создать максимум за последние 30 дней. Для недельных и месячных групп доступно только последние 3 месяца. Безусловно, это лучше, чем ничего, но для эффективного применения когортного анализа этого маловато, особенно если вы анализируете более крупные периоды – недели и месяцы. Кстати, недели в Google Analytics начинаются с воскресенья, а не с понедельника, и изменить это невозможно.
4. Ограниченная визуализация
На графике можно отобразить только 4 когорты. Показатель выводится в виде линейного графика максимум за последние 12 дней или недель. Никаких других возможностей в графической части отчета нет.
Когортный анализ в Tableau
Из-за ограничений, описанных выше, использование встроенного когортного анализа в Google Analytics становится практически бесполезным для сложных проектов. Поэтому в нашем агентстве было принято решение создать отчет по когортам таким образом, чтобы устранить все эти недостатки. В итоге получилась связка Google Analytics + BigQuery + Tableau. С помощью API данные из Google Analytics ежедневно импортируются в BigQuery, а затем визуализируются с помощью Tableau. Для сложных и уникальных проектов может понадобиться предварительная настройка сбора данных, которая расширит функциональность и информативность отчета.
Мы хотели бы показать вам пример такого отчета:
Такой отчет отлично подойдет маркетологам и руководству, он не требует сложных настроек, создания сегментов, а предоставляет всю важную информацию в готовом виде со всеми необходимыми фильтрами и сегментами. Данные обновляются автоматически, и вы каждый день будете видеть актуальную информацию о вашем проекте. И что важнее всего – нам удалось обойти ограничения, которые присутствуют в стандартном отчете Google Analytics:
1. Благодаря выгрузке данных с помощью API нам удалось обойти семплирование, отчет строится на всех данных, а не на какой-то их части.
2. Тип когорты мы можем задавать самостоятельно, но может потребоваться предварительно настроить события, по которым требуется группировать пользователей.
3. Период для отчета мы можем указывать абсолютно любой, за который у нас собраны данные.
4. Благодаря Tableau мы практически ничем не ограничены в визуализации и при необходимости можем построить любые графики и таблицы.
Нужно отметить, что вам даже не обязательно использовать BigQuery, для построения таких отчетов. Для этого понадобится выгрузить данные из Google Analytics в Excel и затем построить отчет в Tableau. В этом случае вы даже можете воспользоваться бесплатной версией Tableau т.к. вам не понадобиться подключаться к BigQuery. Для небольших проектов этого может быть вполне достаточно, к тому же это можно сделать совершенно бесплатно. Конечно, если данных очень много, то будет проблематично выгрузить их в Excel, не говоря уже о регулярном обновлении. Поэтому использование API Google Analytics для импорта данных в BigQuery является оптимальным решением для крупных проектов.
Что такое когортный анализ, как его провести и как с его помощью повышать эффективность маркетинга, продаж и сервиса?
Когортный анализ — это способ анализировать поведение пользователей продукта и клиентов компании.
Узнать о сервисе «Когортный анализ»
С его помощью можно:
- Повышать эффективность маркетинга, продаж и клиентского сервиса. Например, узнать, какой канал рекламы приносит больше повторных продаж и какой менеджер эффективнее удерживает клиентов.
- Найти «дыры» в бизнес-процессах компании.
В статье простыми словами расскажем, как это делать.
Что такое когортный анализ
При когортном анализе аудиторию делят на когорты — группы пользователей, которые совершили одно и то же действие в заданный промежуток времени.
Пример: пользователи каждый день оставляют на сайте заявки, чтобы с ними связался менеджер. Мы хотим узнать, какое время в среднем проходит с момента заявки до оплаты. Сначала определимся с датой, например, 20 декабря. Берём всех, кто оставил заявку в этот день, — они и будут нашей когортой.
Этих клиентов объединяет одно действие (покупка) и один период (20 декабря).
Дальше мы фиксируем эту дату в отчёте и отслеживаем, как пользователи ведут себя в будущем: через сколько дней оплачивают покупку, какой у них средний чек. Затем соотносим эти данные с рекламным каналом.
Когортный анализ похож на сегментацию пользователей, но не стоит их путать.
Сегментация — это когда мы делим аудиторию на группы с общими характеристиками (география, пол, возраст, интересы) и смотрим, какие действия совершает каждая группа.
Пример: если мы выбираем для анализа аудиторию молодых отцов из Москвы — это сегментация по социально-демографическим характеристикам. Пользователи внутри такой группы могут совершать разные действия в любые отрезки времени: подписаться на рассылку, оставить заявку, отписаться от рассылки, оплатить заказ картой онлайн. При анализе социально-демографического сегмента мы не привязываем действия пользователей ко времени, а просто анализируем, как отрабатывают наши маркетинговые активности: оферы, рассылки, таргетированная реклама.
В когортах пользователей объединяют по действию и периоду. И это главное отличие когортного анализа от сегментации.
Когорты можно сравнивать между собой. Например, анализировать поведение пользователей, которые заходили на сайт в январе и феврале, и сравнивать показатели. Допустим, мы видим, что февральские пользователи заплатили нам больше денег. Это может означать, что в рекламных кампаниях в феврале мы использовали оферы чётко под аудиторию или сумели привлечь более целевой трафик.
В чём польза когортного анализа
1. Оценивать ROI
Когортный анализ показывает, как ваш маркетинг работает вдолгую — у каких каналов выше ROI, сколько времени проходит от совершения целевого действия до первой сделки и повторных продаж.
Узнать о сервисе «Когортный анализ»
Пример: вы продаёте мебель онлайн с доставкой по Москве и Московской области. Запущена реклама по трём источникам: таргет в Facebook, контекстная реклама и email-маркетинг. Данные говорят, что мебель чаще всего заказывают жители столицы, а показатели по области скромные, трафик не окупается. Нужно понять причину.
- Разделяем покупателей на когорты по источнику трафика и месяцу.
- Задаём период, в течение которого пользователи из когорты оставили заказ, — ноябрь.
- Смотрим, как вели себя ноябрьские клиенты в течение трёх следующих месяцев, и видим, что самый эффективный канал — контекстная реклама.
- Строим гипотезу, что нужно проработать в контекстной рекламе объявления на Московскую область: переписать заголовки, оптимизировать кампании.
- Улучшаем контекстную рекламу и видим, что продажи растут. Значит, гипотеза была верной, и мы сделали точное действие — правильно выбрали канал, который нужно оптимизировать.
Если бы мы не провели когортный анализ, то, скорее всего, решили бы свернуть продажи в области из-за скромных показателей прибыли.
2. Анализировать окупаемость рекламы на длинных дистанциях
Клиенты не всегда покупают сразу. Если мы планируем рекламный бюджет в начале месяца и оцениваем эффективность рекламы в конце месяца, есть риск сделать неверные выводы. Сделки, которые пришли за отчётный месяц, могут не окупить расходы на маркетинг. Мы можем отключить канал, подумав, что он нерентабелен. Пример:
В июле Яндекс.Директ оказался убыточным, а Google Ads — прибыльным. Применим когортный анализ. Пусть нашей когортой будут пользователи, оставившие заявку в июле. Отключаем рекламу, будем наблюдать за ними и посмотрим, как изменится выручка в будущем:
Отследив поведение когорты, мы увидим, что клиенты, зашедшие в июле с Яндекс.Директ, продолжают покупать и в августе, и в сентябре, и в октябре.
То же самое по Google Ads:
В итоге Яндекс.Директ был убыточен в первый месяц, но пользователи, оставившие заявку в июле, принесли оплаты в следующие месяцы. Канал вышел в плюс на дистанции и оказался прибыльнее Google Ads. Анализируя лишь первый месяц, мы могли сделать неверные выводы.
3. Оценивать результат A/Б-теста
А/Б-тесты помогают понять, какая версия сайта лучше конвертирует посетителей. Например, мы продаём часы. Конверсия лендинга — 3%. У нас есть гипотеза, что если мы изменим заголовок, конверсия вырастет. Cоздаём копию исходного лендинга, меняем заголовок и делим трафик 50 на 50. Так мы можем понять, какой заголовок лучше работает.
Когортный анализ позволяет оценить результаты А/Б-теста в долгосрочной перспективе.
Средняя конверсия первого варианта — 3,06%, второго варианта — 3,6%. Когортный анализ помог собрать в ходе А/Б-теста более полные данные для принятия решения.
4. Отслеживать эффективность менеджеров по продажам
С помощью когортного анализа можно проанализировать эффективность отдела продаж. Например, выявить сотрудников, которые продают стабильно.
Посмотрим, как это работает:
По таблице видно, что Артём Лебедев (1) в первую неделю сделал больше всего продаж (594 068 ₽). В следующие недели его продажи держатся примерно на одном уровне.
Напротив, продажи менеджера Юлии Кузнецовой (2) по своей когорте стабильны только первые три недели, а потом продаж не было вообще.
Из примера можно понять, что действия Артёма помогают продавать клиентам дольше и делать больше выручки. Мы можем проанализировать работу Артёма: послушать его разговоры с клиентами, посмотреть, какие письма он отправляет, перенять опыт и скорректировать скрипты продаж для остальных менеджеров.
5. Прогнозировать LTV
LTV или Life Time Value — это выручка за весь жизненный цикл клиента.
Пример: зоомагазин привлекает клиента из рекламы за 1000 ₽, а средний чек с первого заказа — всего 500 ₽. Первая продажа идёт компании в минус, но через месяц клиент возвращается, чтобы купить ещё корм, и приносит бизнесу всего 1000 ₽. Предположим, что клиент регулярно приходит за покупками, пока не решит сменить магазин. В итоге вся сумма, которую заплатит клиент за период взаимодействия с компанией, и будет LTV.
Зачем нужен показатель LTV в интернет-маркетинге — объяснили подробно в нашем материале.
Возьмём тип когорты «Дата первого заказа» и посмотрим, как ведут себя клиенты в течение месяца:
Видим, что за четвёртую неделю продажи отсутствуют. Предположим, что жизненный цикл клиента составляет три недели. Тогда LTV будет равен сумме выручки, поделённой на количество продаж за этот период.
Проанализировав разные когорты, можно найти среднее значение LTV, которое вы ожидаете получить от будущих пользователей. Если цифры, которые вы получаете сейчас, отличаются от средних цифр по прошлым когортам, можно вовремя предотвратить спад активности. Например, поработать над активацией, оферами или рекламными кампаниями.
6. Оптимизировать цикл продаж
Допустим, вы организовываете корпоративы и близится Новый год. Вы запускаете новогоднюю рекламную кампанию за две недели до праздников, чтобы успеть собрать заявки и обработать их. Проведя когортный анализ, вы можете увидеть, что с момента заявки на сайте до сделки проходит в среднем месяц. Значит, чтобы получать оплаты к Новому году, рекламу нужно запускать на две недели раньше.
Какие данные нужны для когортного анализа
Когортный анализ в маркетинге помогает наблюдать за поведением пользователей, отслеживать их действия, чтобы точнее оценивать эффективность маркетинговых каналов. Но чтобы когортный анализ работал и помогал улучшать бизнес-показатели, нужно грамотно подготовиться к его проведению.
На старте важно определить:
- Признак когорты — действие пользователя, по которому он попадает в когорту. Например, переход на сайт, покупка, запись на бесплатный тест.
- Размер когорты — период, в течение которого совершалось действие. Примеры периодов: месяц, неделя, день, квартал.
- Отчётный период — как долго вы будете анализировать когорту. Например, два месяца, полгода или год.
- Ключевой показатель — метрика, которую вы анализируете. Брать можно любой показатель, который меняется со временем. Например, конверсию.
Этих данных хватит, чтобы сформировать когорты, сравнить их по нужной метрике и проанализировать результаты.
Сервисы для когортного анализа
Когортный анализ в Google Analytics
В сервисе веб-аналитики Google удобно строить отчёт — правда, он называется не когортный анализ, а когортное исследование. Как его найти:
- Заходите в Google Analytics;
- Открываете меню в левом углу экрана;
- Кликаете по кнопке «Обзор»;
- Нажимаете «Галерея шаблонов»;
- Открываете шаблон «Когортное исследование».
Задаёте настройки для анализа — признак когорты, размер, временной период, метрику. Сервис автоматически формирует график.
Когортный анализ в Excel или в Google Таблицах
Вручную можно провести исследование любой сложности, но на это уйдёт много времени. В Excel и Google Таблицах есть формулы — они облегчат подсчёт результатов.
Для примера расскажем, как провести когортный анализ с помощью сводной таблицы. Сперва необходимо выгрузить данные для анализа — из CRM, рекламных кабинетов или сервиса веб-аналитики. Делаем вручную или прописываем SQL-запрос.
В нашем примере данные поместим в три столбика — неделя регистрации клиентов, неделя транзакции, общая сумма покупок. Находим в меню «Данные», выбираем «Сводная таблица», выделяем все ячейки, где у нас расположены данные.
Нажимаем «создать» и переходим к настройкам — они появятся справа. В нашем примере заполняем три блока:
- «Строки» — указываем столбец с неделей регистрации.
- «Столбцы» — указываем столбец с неделей транзакции.
- «Значения» — указываем столбец с количеством покупок.
Получаем отчёт по когортному анализу.
Когортный анализ — примеры отчётов в других сервисах
AppMetrica — это сервис Яндекс.Метрики для работы с мобильными приложениями. Можно отслеживать, когда пользователи запускают приложение.
Mixpanel — анализирует не только данные с приложения, но и сайта. Можно проводить А/Б-тестирование и смотреть подробные отчёты по рекламе.
Kissmetrics — также работает и с приложениями, и с сайтами. Можно создавать когорту сразу по двум признакам — например, по первому визиту на сайт и регистрации.
Возможности Roistat
Roistat — это система сквозной бизнес-аналитики, которая умеет собирать данные из рекламных кампаний и соотносить их с данными из CRM, выручкой, чистой прибылью и другими показателями.
В Roistat есть возможность проводить когортный анализ аудитории. С его помощью можно найти рекламные каналы, которые в перспективе будут приносить прибыль. Для проведения анализа не нужно разбираться в SQL и изучать формулы — сервис автоматически соберёт данные и всё посчитает. Нужно лишь задать параметры для построения отчёта — в Roistat есть меню быстрого выбора. Кликайте по любому признаку когорты (например, первый визит или первый заказ) — сервис сформирует график.
В Roistat с помощью когортного анализа можно оценивать не только эффективность рекламы, но работу менеджеров, поставщиков, курьеров.
Когортный анализ: как сделать в Roistat
Алгоритм действий:
1. Откройте сервис «Когортный анализ» на главном экране проекта Roistat.
2. Выделите сегмент клиентов, из которого будете формировать когорты. Для этого нажмите на кнопку «Выбрано настроек». Вы увидите окно «Каких пользователей включать в когорту».
3. Задайте параметры для сегментации. Обязательно нужно указать период времени, за который пользователи посетили ваш сайт впервые. Также можно указать период создания заказа, страницу первого посещения и рекламу, с которой пользователи пришли.
4. Выберите тип когорты: дата первого визита, статус сделки, менеджер, причина отказа — то, что вы хотите проанализировать с помощью сервиса Roistat. Например, посмотреть, как продавали менеджеры в разрезе некоторого отрезка времени.
5. Под графой «Интервал» выберите нужный интервал: день, неделя или месяц.
6. В списке под графой «Метрика» выберите показатель, значение которого хотите видеть в отчёте: себестоимость, средний чек, выручка, прибыль, продажи, заявки.
7. Выберите формат метрики. Отчёт автоматически строится в виде таблицы с численными значениями. Если хотите построить таблицу с долевыми значениями, в правом верхнем углу кликните на значок %, его цвет поменяется на зелёный.
Вы получите таблицу:
1. Первый столбец отображает тип когорты.
2. Второй — даёт сумму значений по метрикам.
3. Остальные столбцы показывают значения метрики на момент окончания выбранных интервалов.
Чем темнее ячейка, тем выше значение метрики.
Дополнительные возможности
1. Значения метрик при наведении на ячейку таблицы
Если вы наведёте курсор на ячейку таблицы, то увидите значения всех метрик за период.
2. Список сделок по клику на ячейку таблицы
При клике на ячейку откроется окно со списком сделок, совершённых в заданный период.
3. Отображение когорт на графике
Справа от названия каждой когорты есть пиктограмма графика. Кликните на неё, чтобы увидеть график, созданный по значениям метрики для выбранной когорты.
Главное
- Когорта — группа пользователей, которые совершили определённое действие в конкретный период времени.
- Когортный анализ помогает изучить потребительское поведение, оценить окупаемость рекламы на долгой дистанции, выявить и удержать лояльных клиентов, точнее провести A/Б-тест, выявить закономерности, которые теряются в других способах аналитики.
- Анализ по когортам отличается от сегментации по социально-демографическим характеристикам: в когорты могут входить пользователи разных возрастов и интересов, самое важное в том, что они совершили общее действие в рассматриваемый период времени, например, зарегистрировались или сделали заказ.
- Перед когортным анализом определите признаки когорты, размер когорты, отчётный период и ключевой показатель.
- Анализ можно провести вручную или с помощью специальных сервисов, например, Roistat.
Узнавайте первыми о новых полезных материалах по маркетингу и аналитике, а также о проведении бесплатных вебинаров на нашем Telegram-канале.
Читайте также: