Когортный анализ

Когортный анализ — это метод аналитики, при котором пользователи или объекты группируются в «когорты» по какому-либо общему признаку, например по дате регистрации, первой покупке, установке приложения или началу использования сервиса. Затем поведение этих когорт отслеживается и сравнивается во времени.

Приведем пример:

• когорта «январь 2025» — все пользователи, которые зарегистрировались в сервисе в январе;
• когорта «февраль 2025» — те, кто пришел в феврале.

Дальше анализируется, как долго они остаются активными, как часто совершают покупки, какой доход приносят.

Когортный анализ в Google Analytics, источник

Принципы работы когортного анализа

Типы когорт

Этапы проведения когортного анализа

Ключевые метрики для когортного анализа

Применение когортного анализа в маркетинге

Принципы работы когортного анализа

Работа когортного анализа основана на том, что вместо усредненных метрик по всей аудитории изучается поведение отдельных групп пользователей, объединенных по какому-то признаку. Такой подход позволяет выявлять скрытые закономерности, которые «размываются» в общей статистике. 

Разберем ключевые принципы.

1. Формирование когорт. Определяется признак, по которому пользователи будут объединены. Чаще всего это:

• дата первого действия (регистрация, покупка, установка приложения);
• источник привлечения (реклама, органический поиск, социальные сети);
• тип устройства или региона.

Каждая когорта — это группа пользователей, у которых есть один общий стартовый параметр.

2. Отслеживание поведения во времени. После формирования когорт анализируются их действия через определенные промежутки времени (день, неделя, месяц). Например, сколько людей из когорты января остались активными на 7-й, 14-й и 30-й день.

3. Сравнение когорт между собой. Анализируются различия между когортами: у какой выше удержание, чаще повторные покупки, больше средний чек. Сравнение помогает понять, какие изменения продукта или маркетинга повлияли на результаты.

4. Фокус на динамике, а не на абсолютных значениях. Когортный анализ показывает не только «сколько пользователей пришло», но и «как они ведут себя со временем». К примеру, важнее не количество регистраций, а доля людей, которые продолжают пользоваться продуктом через месяц.

5. Связь с бизнес-метриками. Результаты когортного анализа напрямую влияют на ключевые показатели: удержание (retention), пожизненную ценность клиента (LTV), окупаемость маркетинга (ROI). Это помогает принимать решения об оптимизации продукта, сегментации аудитории и перераспределении рекламного бюджета.

Типы когорт

В когортном анализе выделяют три основных типа когорт, которые формируются в зависимости от признака группировки пользователей.

• Когорты по времени (time-based cohorts). Формируются по дате первого взаимодействия с продуктом: регистрации, покупки, установки приложения. Например, когорта «январь 2025» — все пользователи, которые зарегистрировались в январе. Позволяют анализировать динамику удержания и вовлеченности в разные периоды.
• Когорты по поведению (behavior-based cohorts). Группы формируются на основе конкретных действий пользователей. К примеру, когорта пользователей, которые оформили подписку, совершили первую покупку свыше определенной суммы или достигли уровня в игре. Используются для анализа эффективности изменений продукта или маркетинговых акций.
• Когорты по источнику/сегменту (segment-based cohorts). Пользователи группируются по каналу привлечения, региону, устройству, типу клиента (новый/повторный). Пример — когорта пользователей, пришедших из таргетированной рекламы в соцсетях, или когорта клиентов из Москвы. Позволяют оценить, какие каналы и сегменты приносят наиболее ценных пользователей.

Дополнительно иногда выделяют:

• когорты по продуктовой версии, например пользователи старой и новой версии приложения;
• когорты по уровню лояльности (подписчики рассылки, участники программы лояльности);
• гибридные когорты — комбинация нескольких признаков (например, пользователи, зарегистрировавшиеся в январе и совершившие покупку в течение недели).

Этапы проведения когортного анализа

Когортный анализ можно разделить на несколько последовательных шагов, которые помогают структурировать процесс и получить максимально полезные инсайты из данных.

1. Определение цели анализа. Нужно понять, что именно вы хотите изучить: удержание пользователей, LTV, эффективность рекламных кампаний, динамику повторных покупок. Например, «Хочу проверить, влияет ли новая акция на удержание клиентов в течение месяца».

2. Выбор признака для формирования когорт. Решите, по какому критерию будете объединять пользователей:

• дата регистрации или покупки;
• источник привлечения;
• конкретное действие, например первый заказ.

3. Формирование когорт. Все пользователи делятся на группы по выбранному признаку. Каждой когорте присваивается «точка отсчета» — момент начала ее активности.

4. Сбор и структурирование данных. Фиксируются ключевые метрики: количество активных пользователей, число покупок, средний чек, доход, вовлеченность. Данные обычно оформляются в таблицу, где строки — это когорты, а столбцы — временные промежутки (день, неделя, месяц).

5. Анализ динамики когорт. Сравниваются результаты: насколько быстро уменьшается активность в каждой когорте, в какой момент пользователи «отваливаются», какие группы показывают наибольшую ценность. Важно смотреть не на абсолютные значения, а на процентные изменения и тенденции.

6. Интерпретация результатов. Определяются закономерности и гипотезы: почему одна когорта более «живая», чем другая, как влияет источник трафика, версия продукта или маркетинговая кампания. К примеру, пользователи из органического поиска удерживаются дольше, чем пришедшие из контекстной рекламы.

7. Принятие решений и внедрение изменений. На основе анализа вырабатываются рекомендации: усилить определенный канал привлечения, изменить онбординг, скорректировать акцию или улучшить продукт. После изменений проводится повторный когортный анализ для проверки результата.

Ключевые метрики для когортного анализа

В когортном анализе есть набор KPI, которые позволяют оценить эффективность продукта, маркетинга и удержания клиентов. Обычно их делят на три группы: поведенческие, финансовые и метрики вовлеченности.

1. Поведенческие (метрики удержания и активности):

• Retention Rate (уровень удержания). Процент пользователей, которые остались активными спустя определенное время (например, через 7, 14, 30 дней);
• Churn Rate (отток). Доля пользователей, которые перестали пользоваться продуктом;
• DAU/WAU/MAU (Daily/Weekly/Monthly Active Users). Количество уникальных активных пользователей за день, неделю, месяц;
• Stickiness (липкость). Соотношение DAU/MAU, которое показывает, как часто пользователи возвращаются;
• Retention Curve. График, показывающий, как падает активность пользователей из когорты с течением времени.

2. Финансовые метрики:

• LTV (Lifetime Value). Пожизненная ценность клиента (сколько дохода он приносит за все время взаимодействия);
• CAC (Customer Acquisition Cost). Стоимость привлечения клиента;
• ARPU (Average Revenue Per User). Средний доход на одного пользователя;
• ARPPU (Average Revenue Per Paying User). Средний доход на одного платящего клиента;
• ROI (Return on Investment). Рентабельность инвестиций в маркетинг.

3. Метрики вовлеченности и лояльности:

• Engagement Rate. Уровень вовлеченности (например, число сессий, кликов, просмотров контента на пользователя);
• Conversion Rate (коэффициент конверсии). Доля пользователей, совершивших целевое действие;
• Frequency of Purchases (частота покупок). Как часто клиенты из когорты совершают заказы;
• Average Order Value (средний чек). Средняя сумма покупки;
• Cohort Revenue (выручка по когортам). Распределение дохода по группам пользователей;
• Time to First Action. Сколько времени проходит от регистрации до первого целевого действия;
• NPS (Net Promoter Score). Индекс лояльности клиентов.

Применение когортного анализа в маркетинге

Когортный анализ в маркетинге применяется для того, чтобы глубже понять поведение клиентов, оценить эффективность рекламных кампаний и оптимизировать бюджет. В отличие от «средних» метрик, он позволяет увидеть, как разные группы клиентов ведут себя со временем, и принимать решения на основе фактических данных.

Ниже — основные направления применения когортного анализа в маркетинге. 

• Оценка эффективности рекламных каналов. Сравнение когорт, пришедших из разных источников: контекст, соцсети, email-маркетинг, органический трафик. Определение, какие каналы привлекают пользователей с более высоким удержанием и LTV. Например, клиенты из органического поиска совершают больше повторных покупок, чем пользователи из платной рекламы.
• Анализ удержания клиентов (Retention Analysis). Позволяет понять, как долго пользователи остаются с брендом. Маркетологи видят, на каком этапе «отваливаются» клиенты, и могут ввести дополнительные триггеры: рассылки, скидки, персонализированные предложения. К примеру, когорта покупателей, впервые сделавших заказ в «черную пятницу», менее лояльна, чем когорта, пришедшая по рекомендации.
• Измерение эффективности акций и промо. Сравнение когорт, которые участвовали в акции, с когортами без специальных предложений. Помогает выявить, стимулируют ли скидки долгосрочные покупки или только разовые заказы. Допустим, акция «2 по цене 1» привела к росту продаж в первую неделю, но когорта быстро перестала быть активной.
• Оценка качества продукта и сегментация аудитории. Когортный анализ показывает, какие сегменты клиентов остаются дольше: по возрасту, региону, устройству, типу товара. Это помогает строить персонализированные маркетинговые стратегии. Пример: пользователи, начавшие с премиум-тарифов, удерживаются в 2 раза дольше, чем клиенты базового тарифа.
• Оптимизация бюджета и прогнозирование дохода. Сравнение LTV и CAC разных когорт помогает определить, в какие каналы стоит вкладываться. На основе данных можно прогнозировать будущий доход от определенных групп пользователей. Так, если когорта клиентов из таргета ВКонтакте окупается через 2 месяца, а из контекста — через 6, маркетолог перераспределяет бюджет.

Email- и CRM-маркетинг. Используется для построения стратегий удержания: вовремя напомнить клиенту о продукте, предложить бонус или скидку. На основе когорт можно строить «жизненные циклы» клиента и запускать персонализированные кампании.