Як когортний аналіз допоможе вашому стартапу

1. Як когортний аналіз допоможе вашому стартапу Когортний аналіз - величезна частина аналітики, пов'язана...
2. Когортний аналіз і прогнозування LTV
3. Як когорти допоможуть налаштувати маркетингові кампанії
4. 4 ради, як зробити когортний аналіз ефективним

Як когортний аналіз допоможе вашому стартапу

Когортний аналіз - величезна частина аналітики, пов'язана з життєвим циклом клієнта. Це базова сегментація користувачів, без якої вам не обійтися, адже вона вирішить відразу 3 завдання:

1. Чи допоможе розрахувати RR (Retention Rate) і ефективно утримувати користувачів.

2. Чи дозволить прогнозувати LTV (Lifetime Value) і працювати над поліпшенням цього показника.

3. Підкаже вам, як оптимізувати маркетингові кампанії.

На початку розберемося, що таке когортний аналіз. Мені імпонує визначення, яке дали в своїй кліге Алістер Кролл і Бенджамін Йосковітц ( «Lean Analytics: Use Data to Build a Better Startup Faster»).

«Когортний аналіз - метод поведінкової аналітики, ... який замість того, щоб аналізувати користувачів як єдине ціле, розбиває їх на групи - когорти. Людей в когортах об'єднує загальний досвід, який вони отримали в певний момент часу. Когортний аналіз дозволяє компанії відслідковувати поведінкові сценарії через життєвий цикл клієнтів, в іншому випадку вони б робили аналіз наосліп. »

Для когорти важливо, щоб користувачі зробили дію в один момент часу. Що може бути цим дією, інакше кажучи, стартовою точкою для формування когорти? Існує 2 підходи:

1. За залучення:

• для мобільних додатків - установка додатки,
• для онлайн ресурсів - реєстрація на сайті або перший візит.

2. За монетизації:

• перша покупка / оплата.

Коли клієнт лише скачав мобільний додаток, у нас немає інформації про нього. А на етапі установки (відкриття) у нас з'являється мінімальний набір даних, щоб в подальшому ідентифікувати користувача. Саме тому дата установки (відкриття) додатки використовується для формування когорт.

Ми формуємо когорти по днях, хоча для e-commerce бізнесу, який не так динамічний, можна використовувати більш довгі періоди для аналізу (місяць або рік). Спробуємо застосувати метод на практиці.

Як порахувати Retention Rate для когорти

Для стартапів важливо збільшувати базу користувачів з місяця в місяць. Однак навіть якщо ви ефективно працюєте над залученням, база активних клієнтів може не рости.

Уявімо, що в червні ви залучили 1 млн користувачів, а в липні 500 тисяч. Однак, коли по закінченню другого місяця ви перевірили загальний результат, він був 800 тисяч, а не 1,5 млн.

Що могло статися? Я називаю цю проблему «діряве відро».

Поки ви займалися залученням нових клієнтів, з дірявого відра (де знаходився 1 млн користувачів) «утекло» 700 тисяч. Вони просто стали неактивними. Таким чином, в кінці 2-місячного періоду в сумі у вас залишилося 800 тисяч.

Усунути витік повністю неможливо, частина користувачів все одно буде йти. Однак ви можете мінімізувати наслідки, аналізуючи Retention Rate для когорт. Використовується проста формула:

User Retention Rate = (RA) / E * 100

де:

• E - число активних користувачів в кінці попереднього періоду,
• A - число користувачів, залучених за поточний період,
• R - загальна кількість користувачів по закінченню поточного періоду.

Давайте розрахуємо на нашому прикладі:

• E (когорта червня) = 1 млн
• A (когорта липня) = 500 тисяч
• R (скільки залишилося в кінці) = 800 тисяч

(800 000 - 500 000) / 1 000 000 * 100 = 30%

Результат ілюструє, що ви здатні утримати лише 30% користувачів. Це дуже низький показник, і мета - максимально його збільшити. Чим вище відсоток, тим краще для бізнесу.

Ви можете порівнювати когорти днів, місяців або років. Коли я займалася продажем мобільних додатків, то вважала Retention Rate по днях. Якщо користувач не повертається до нас на наступний день, ймовірність того, що він взагалі коли-небудь повернеться, - низька.

Те, як розвиваються когорти, можна зобразити на графіку. Тоді вам легко буде відслідковувати, наскільки ефективно ви утримуєте користувачів і яка когорта відхиляється від норми - показує результат гірше або краще.

Ось приклад такого графіка (всі цифри гіпотетичні):

По осі Y вказаний відсоток активних користувачів, а по осі X - тимчасові періоди, в даному випадку, місяці. Зауважте, що вони пронумеровані, а не підписані. Це зроблено навмисно. Тому що під цифрою 1 мається на увазі перший місяць для кожної когорти: для когорти червня цю буде червень, для когорти липня - липень і т.д. Таким чином, вам легко порівняти криві.

Когортний аналіз і прогнозування LTV

Прогнозування зростання прибутку для стартапу ґрунтується на прогнозі того, як буде рости ваша база активних користувачів. В цьому випадку ключовим стає показник LTV - Lifetime Value. Він дає можливість прогнозувати, скільки грошей принесе вам когорта за свій життєвий цикл.

Уявімо, що у вас стабільна бізнес-модель і історія, звідки можна черпати дані для аналізу. Ви можете припустити, що користувачі на сайті «проживуть» 12, 36 або 48 місяців, і порахувати LTV для обраного періоду.

Стартапам краще прогнозувати на 2-3 місяці вперед, інакше показники не виправдаються. З досвіду скажу, що після 3 або 6 місяців ви можете втратити до 80% когорти. Тому прогноз LTV для стартапу скоріше служить орієнтиром. Він удосконалюється за допомогою оновлення даних.

Скоро буде наступна стаття: Чи потрібно вважати LTV для маркетплейса

Важливо відзначити, що для підрахунку User Retention Rate ви можете формувати когорти по залученню (реєстрація, завантаження, установка). Для User Lifetime Value когорти повинні бути сформовані виключно за датою покупки. Це фінансовий показник, і аналізу піддаються тільки ті когорти, які у вас купують.

Зверніть увагу на графік. По осі Y - відсоток активних користувачів в когорті, який приносить вам прибуток. По осі Х - місяці.

Цифри гіпотетичні. Я припустила, що одна транзакція приносить вам $ 1. У першому місяці сформувалася когорта 100 осіб (= 100%):

• По закінченню місяця купили 65% (= 65 осіб, дохід $ 0,65 c транзакції),
• У другому - 75% від першого місяця (= 49 осіб, дохід $ 0,49) і т.д.

Ви розумієте, скільки грошей приносить когорта за місяць, і можете прогнозувати на більш тривалий період - рік, два або три. Я вважаю, що 12 місяців - занадто короткий термін для прогнозу (якщо мова про стійкий бізнес). Найчастіше для LTV робиться прогноз на 36 місяців.

Як когорти допоможуть налаштувати маркетингові кампанії

Ми вже розібралися, що когортний аналіз допомагає відслідковувати життєвий цикл клієнтів і робити прогнози на майбутнє. Однак це не все. Він повинен бути пов'язаний з бізнес-стратегією і операціями по оптимізації маркетингової стратегії.

Поведінка когорт допоможе вам зрозуміти, як планувати маркетингові кампанії і коли робити реліз нових продуктів. На графіку видно, в якому місяці різко знижується активність клієнтів. Використовуючи цей цінний інсайт, ви можете запустити реактивацію - відправити користувачам повідомлення і утримати їх на сайті.

Ось приклад того, як когортний аналіз впливає на маркетинг.

Цифри на цьому графіку усереднені:

• Позитивні числа: тренд зростання,
• Негативні числа: тренд зниження.

Завдяки когортного аналізу, ми бачимо, що в кінці червня відбувся різкий спад: -3 - це сильне негативна зміна. Наше завдання проаналізувати ситуацію і зрозуміти причини. Ми формулюємо гіпотези:

• щось не так з продуктом,
• запропонували якась зміна,
• погано працює сайт,
• не сподобалася маркетингова компанія,
• зовнішні причини (пов'язані з географією користувачів) і т.д.

Цей реальний приклад з моєї практики. Як з'ясувалося, різкий спад відбувся через проблеми з програмним забезпеченням. Компанія росла, швидко наповнювався сайт, і виникла проблема - наші сервера не могли приймати більше трафіку. Ми встановили нові поруч з країнами, які показували найбільше зростання і показники повернулися в норму.

4 ради, як зробити когортний аналіз ефективним

1. Визначте відповідні показники для моніторингу, виходячи зі своєї бізнес-моделі:

• кого вважати активними користувачами,
• аналізувати когорти по днях або по місяцях,
• які когорти порівнювати між собою.

2. Відстежуйте і збирайте дані про користувачів:

• ідентифікація користувача (ID аккаунта або мобільного пристрою, Cookie, цифровий відбиток пальця, IDFA, email або номер телефону),
• поведінкові дані (як користувачі взаємодіють з продуктом, реагують на маркетингові кампанії).

3. Отримуйте інсайти від свого аналізу:

• вивчайте дані і генеруйте гіпотези,
• визначте ключові сценарії поведінки,
• працюйте над утриманням,
• узгодьте маркетинговий календар з поведінкою когорт.

4. Тестируйте шляхи оптимізації та стаєте краще день у день.

Preview photo: casaltamoiola / depositphotos.com

Header photo: macrovector / depositphotos.com