Когортный анализ. Начало

   16.01.2018

 

Мы научились получать данные. Теперь переходим к анализу. Первая тема — когортный анализ. Сегодня расскажу, что это такое и зачем он нужен.

 

Когорты и анализ

 

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

 

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 следующий раз

 

В следующем уроке расскажу, как анализировать пользователей по выручке и окупаемости. Научу делать когортные отчёты и дам домашку.