| Мы научились получать данные. Теперь переходим к анализу. Первая тема — когортный анализ. Сегодня расскажу, что это такое и зачем он нужен. |
|
| Когорта — это группа людей, сделавших нужное действиев определённый промежуток времени.
Самый простой пример когорты — поколение. Например, есть поколения «беби-бумеров» и «миллениалов». Это люди, которые родились в определённое десятилетие: «беби-бумеры» родились в 50-х, «миллениалы» — 80-90х.
Ещё примеры возможных действий и временных промежутков: |
|
Действия:
- пошли в школу;
- впервые зашли к вам на сайт;
- скачали приложение;
- купили в первый раз.
|
Временные промежутки:
- в 80-е годы;
- в прошлом месяце;
- позавчера;
- сегодня утром.
|
|
| Когортный анализ — это наблюдение за когортами. |
|
| Например, социологи сравнивают «беби-буммеров» и «миллениалов»: какая доля из них к 30 годам получила высшее образование, а какая — нет. Потом пишут об этом статьи вроде «молодёжь уже не та».
Другой пример. Маркетологи выделяют когорты людей, впервые зашедших на сайт в прошлом месяце из Фейсбука. Считают, сколько в среднем денег принёс один человек из когорты, сравнивают с другими рекламными источниками и решают, как лучше распределить рекламный бюджет.
Когортный анализ используют в маркетинге, дизайне продукта и оптимизации процессов. Сегодня начнем с простого — анализа ретеншна. |
|
| Ретеншн (от английского retention — удержание, возвращение, сохранение) — это доля пользователей, которые вернулись и продолжили пользоваться вашим продуктом.
Представьте, вы запустили мобильное приложение с рецептами тайской кухни. Том Ямы, Пад Таи, вот это все. Каждый месяц приложение устанавливали по 1000 человек.
Приложение открывают всё чаще: |
|
У вас появилась идея: прислать письмо с напоминанием пользователям, которые открыли приложение только однажды. Вы сделали рассылку, подождали, пока накопятся данные и сравнили посещаемость — она по-прежнему растёт.
| Чтобы узнать, как сработала рассылка, нужно разбить аудиторию на когорты по дате установки приложения, и посмотреть, какая доля пользователей открывала приложение каждый месяц. |
|
| Так выглядит календарный когортный отчёт по месяцам: |
|
| Каждая строка графика — это когорта. Каждый столбец — календарный месяц.
В январе приложение установили и открыли 1000 человек. В феврале из них вернулись 500, в марте — 250.
Итоговая посещаемость за каждый месяц — это сумма посещений каждой когорты.
Например, в мае приложение открыли 2175 человек.
Из них: |
|
- 1000 — новые;
- 750 — из апрельской когорты;
- 250 — установили приложение в марте;
- 125 — в феврале…
|
|
Если приглядитесь, то увидите, что с января по март из 1000 новых пользователей на следующий месяц возвращались только 500 человек. А начиная с апрельской когорты — по 750. Это похоже на результат рассылки.
Посчитаем долю возвратов для каждой когорты за каждый месяц. Построим когортный отчёт по возрасту.
| Теперь в столбцах — возраст когорты в месяцах. В ячейках — доля пользователей, которая вернулась, спустяn месяцев после установки приложений.
У апрельской и майской когорт ретеншн на второй месяц вырос с 50 до 75%. Рассылка сработала. |
|
| Когорты в Гугл Аналитиксе |
|
| Когортные отчёты есть во многих аналитических системах. Например, в Гугл Аналитиксе, Яндекс Метрике, АппсФлаере, Амплитуде.
Покажу готовый отчёт в Гугл Аналитиксе. Он называетсяCohort Analysis и находится в разделе Audience. |
|
| Верхний график показывает, сколько пользователей в среднем открывают сайт на второй, третий и четвёртый дни после первого посещения. Таблица внизу показывает каждую когорту по отдельности.
Вы можете настроить когорты по дням, неделям и месяцам, изменив поле Cohort Size, выбрайть нужную метрику в полеMetric и настроить диапазон дат для анализа в поле Date Range. |
|
| В следующем уроке расскажу, как анализировать пользователей по выручке и окупаемости. Научу делать когортные отчёты и дам домашку. |
|