Как с помощью когортного анализа повысить конверсию
В этой статье вы узнаете о том, что такое когортный анализ и для решения каких задач его использовать.
Начнем с определений.
Любители истории вспомнят, что когортами называли воинские подразделение римской армии, и буквально этот термин означает «огороженное место». В статистике и демографии под когортой понимается группа субъектов исследования, которые объединяет общее событие/признак и конкретный промежуток времени.
Например, люди, родившиеся в Европе после 2000 года. Или водители грузовиков, курившие в возрасте от 30 до 40 лет. Или люди, совершавшие авиаперелеты в прошлом году.
Примеры когорт в digital-маркетинге:
- количество регистраций на сайте в марте текущего года;
- количество активных пользователей в феврале текущего года;
- количество клиентов, перешедших на сайт через email-рассылку.
Когортный анализ широко используется в социологии, психологии, демографии и других дисциплинах, чтобы изучать группы людей и отслеживать изменения, происходящие с ними. И если А/В тесты – это перекрестное исследование, то когортный анализ можно назвать продольным.
На какие вопросы можно ответить с помощью когортного анализа?
Очевидно, что люди, зарегистрировавшиеся на вашем сайте недавно, имеют другой пользовательский опыт, чем те, что сделали это год назад. С помощью когортного анализа можно разделить их по группам и сравнивать.
Например, можно попробовать выявить взаимосвязь между тем, когда клиент пришел, и тем, сколько дохода он принес. Предположим, у вас приходит по 1 000 клиентов в месяц.

Что можно узнать из этой таблицы? Пока мало чего. Но если выделить клиентов, пришедших в каждый конкретный месяц, в отдельные когорты, и для каждой указать средний доход с клиента – картина проясняется.

В нашем примере мы видим, что:
- больше всего клиенты тратят в первый месяц после прихода, и с каждым месяцем тратят чуть меньше.
- клиенты, пришедшие позже, тратят больше. Так, доход от новых пользователей в мае почти вдвое выше, чем от новых пользователей в январе.
Итак, мы сегментировали данные и смогли выяснить тенденции, которые не были видны в обобщенной статистике. Эти знания можно использовать для корректировки маркетинговых действий.
Когортный анализ позволяет проводить множество уникальных исследований и отвечать на вопросы, которые помогут вам лучше понять ваших клиентов.
Например:
Когортный анализ для формирования портрета идеального клиента
Пример от Линкольна Мерфи (Sixteen Ventures, сервис для развития SaaS-проектов):
Есть много способов использования когортного анализа, но один из самых любимых – это сбор входящей информации для составления профилей.
Во-первых, вы устанавливаете параметры вашего идеального клиента: как минимум, временные рамки. Например, последний год.
Затем вы сегментируете информацию по различным признакам (готовность к покупке, возможность совершения сделки, индекс лояльности, потенциал распространения рекомендаций).
Когортный анализ для оптимизации конверсии
Почему когорты дают вам информацию, которую А/В тесты дать не могут? Потому что когортный анализ отслеживает различные сегменты целевой аудитории.
Отличный пример от Амина Ариана (онлайн-сервис вопросов и ответов Quora):
В ходе А/В тестов мы сравниваем две группы пользователей и судим о результатах по выбранному критерию. Обычно этот критерий – показатель конверсии.
Когортный анализ – по сути, тот же А/В тест, в котором контролируются дополнительные параметры – такие как время и место.
Например, вы предполагаете, что красные кнопки чаще побуждают пользователей к регистрации, чем синие. Вы запускаете А/В тест, в котором одна группа пользователей видит красную кнопку, а вторая – синюю. И по результатам теста действительно видите, что группа «красных» дала больше регистраций.
Но что, если вместо этого провести когортный анализ?
Например, вы сегментируете пользователей по таким признакам как месяц подписки и геолокация. И узнаете, что есть довольно большая группа пользователей, которая зарегистрировалась летом в прибрежных районах. Логично предположить, что они много времени проводили на море, и синий цвет им приелся. Поэтому они живее реагировали на красные кнопки.
Выделяете этих пользователей в отдельную когорту и подтверждаете свои выводы. Заодно выясняете, что для остальных участников эксперимента цвет вообще едва влиял на результат.
Итоги А/В теста больше не кажутся такими очевидными, не правда ли?
Когортный анализ не только поможет обеспечить лучшее толкование сплит-тестов. Он еще и богатый источник новых идей. Вы можете лучше узнать ваших клиентов, выявить тенденции в их поведении. А значит – найти то, что будет способствовать повышению конверсии.
Когортный анализ для SaaS
В SaaS-проектах когортный анализ может помочь оптимизировать различные этапы цикла продаж. Вот несколько способов сегментировать ваши данные, чтобы получить полезную информацию:
Бесплатные демо-версии (Trial)
Советы от Линкольна Мерфи:
Чтобы понять, на какой период предоставлять триал, объедините в одну когорту пользователей, пользующихся пробной версией в течение 15 дней, а в другую – тех, что сидят на триале 30 дней. В какой группе больше переходов к платной версии? Какие тарифные планы они выбирают? Кто пользуется пробной версией более 30 дней? Помимо конверсии, можно оценивать и другие критерии – например, Lifetime Value (LTV).
Цены
Вы можете, например, выделить когорту пользователей с самым дорогим тарифным планом, и изучить их характеристики. В том числе, через какие каналы они были привлечены.
Доход
Здесь в центре вашего внимания наверняка окажутся клиенты, которые тратят больше остальных. Например, регулярно пользуются вашими предложениями по апселлу. Постарайтесь выяснить, откуда они к вам приходят, что влияет на их решения, сколько потратили на их привлечение. Кстати, тут может выясниться, что клиенты с самыми большими суммами заказов – не обязательно самые выгодные.
Какие когорты стоит отслеживать всегда?
Как и в случае с А/В тестами – есть соблазн проверять и изучать все и вся. Но ресурсы ограничены, поэтому нужно расставить приоритеты. И конкретные характеристики когорт, конечно, будут зависеть от специфики вашего бизнеса.
Тот же Линкольн Мерфи делится примерами своих любимых когорт.
Во-первых, это состояние здоровья клиентов. Здоровые, активные люди, как правило, и покупок делают больше.
Во-вторых, это контрольная точка – Stick Point. Это срок, действие или определенная сумма заказа. Когда новый клиент достигает этой точки, он с большой долей вероятности становится постоянным.
Кроме того, Мерфи уделяет внимание, в какой отрасли работает компания-клиент, а также оценивает потенциальную выручку, исходя из масштабов компании.
А Райан Фарли, соучредитель проекта LawnStarter, самыми важными когортами считает те, что позволяют оценить каналы привлечения. Например, с помощью когортного анализа он выяснил, что люди, приходящие в LawnStarter через email-рассылку, как правило, остаются гораздо дольше. Так что для этого канала можно позволить себе иметь более высокий показатель САС (затраты на привлечение), чем, скажем, на Google AdWords, у которого самый низкий коэффициент удержания.
- Клиенты, пришедшие к вам в период распродаж, в дальнейшем приносят такой же доход, как и остальные?
- Одна группа клиентов увидела ваше новое маркетинговое сообщение, а другая – нет. Как это сказалось на их средней стоимости заказа?
- Какая группа пользователей бесплатной версии вашего продукта более склонна к конвертации на платный тариф?
- Насколько эффективен тот или иной способ удержания для разных каналов привлечения?
Выводы
- Смогут ли данные, которые я получу, послужить источником перемен в маркетинговой стратегии?
- Смогу ли я благодаря новой информации точно узнать, какие маркетинговые приемы работают, а какие – нет?
- Поможет ли анализ улучшить показатели финансовой эффективности?
Как вебвизор помогает повысить конверсию Статья
Big Data: сущность, применение, кейсы Статья
Как настроить сквозную аналитику бесплатно и без программистов Статья
Как магазин кормов для животных на Ozon вывел прибыль из минуса в плюс. Несмотря на «ретроградный» «Меркурий» Статья
Вы покупаете мебель или заказываете? Фабрика мебели не знала разницу и спускала деньги на бесполезную рекламу Статья
Как продвигать септики (очистные канализации) Статья
Как продвигать септики (очистные канализации) Статья
Как управление деловой репутацией организации формирует доверие сотрудников Статья
Как мы набрали автослесарей по ГАЗ/УАЗ через ВК-таргет: AI, TargetHunter и супергео в деле Статья