Когортный анализ: отслеживание групп пользователей
Что такое когортный анализ
Когортный анализ — метод группировки пользователей по общему признаку (обычно — дате первого визита или покупки) и отслеживания их поведения во времени. Когорта — это группа клиентов, которые совершили первое действие в один период.
Например, когорта «Январь 2026» — все клиенты, впервые купившие в январе. Вы отслеживаете, сколько из них купили повторно в феврале, марте, апреле. Это даёт понимание удержания и LTV во времени.
Зачем нужен когортный анализ
Измерение удержания
Средний показатель удержания — обманчивый. Когорты показывают реальную картину:
- Январская когорта: 40% вернулись в феврале, 25% в марте, 20% в апреле
- Февральская когорта: 30% вернулись в марте, 15% в апреле
- Вывод: январские клиенты лояльнее — почему? Что было иначе?
Оценка изменений
Вы улучшили сайт в марте. Когортный анализ покажет, стали ли мартовские клиенты возвращаться чаще, чем февральские. Без когорт вы не отличите эффект от изменений и сезонность.
Прогноз LTV
Наблюдая паттерн удержания когорт, можно прогнозировать будущий LTV новых клиентов. Если когорты стабильно теряют 50% в первый месяц и по 10% далее — это предсказуемая модель.
Как построить когортный анализ
В Google Analytics 4
- Перейдите в «Исследования» → «Когортный анализ»
- Выберите когортное включение (первый визит, первая транзакция)
- Выберите метрику (пользователи, транзакции, выручка)
- Настройте размер когорты (день, неделя, месяц)
В Яндекс.Метрике
Метрика не имеет встроенного когортного анализа. Для его построения:
- Экспортируйте данные через API Метрики
- Используйте сегменты «Дата первого визита»
- Стройте анализ в Google Sheets или дашборде
В CRM
Группируйте клиентов по дате первой покупки. Отслеживайте метрики по месяцам после первой покупки: повторные покупки, средний чек, общая выручка.
Как читать когортную таблицу
Типичная когортная таблица удержания:
| Когорта | Месяц 0 | Месяц 1 | Месяц 2 | Месяц 3 |
|---|---|---|---|---|
| Январь (100 кл.) | 100% | 35% | 22% | 18% |
| Февраль (120 кл.) | 100% | 40% | 28% | — |
| Март (150 кл.) | 100% | 45% | — | — |
Читаем: из 100 январских клиентов 35 купили в феврале, 22 — в марте, 18 — в апреле. Мартовская когорта удерживается лучше (45% vs 35%) — видимо, улучшения на сайте работают.
Практическое применение
Оценка рекламных кампаний
Когорты из рекламы vs когорты из поиска — кто лояльнее? Если рекламные когорты теряют 80% после первого месяца, а поисковые — только 50%, это влияет на расчёт ROI.
Оценка продуктовых изменений
Запустили новую версию сайта в марте? Сравните когорты до и после. Если удержание мартовской когорты лучше — изменения работают.
Прогнозирование
На основе паттернов прошлых когорт прогнозируйте LTV и выручку от текущих клиентов. Это помогает планировать бюджеты и ресурсы.
Типичные ошибки
- Слишком маленькие когорты — менее 50 клиентов в когорте дают ненадёжные данные
- Игнорирование сезонности — декабрьская когорта всегда особенная
- Сравнение несопоставимых когорт — не сравнивайте когорту из массовой распродажи с обычной
- Короткий период наблюдения — для B2B нужны когорты за 6-12 месяцев
Часто задаваемые вопросы
Сколько данных нужно для когортного анализа?
Минимум 3-6 когорт (месяцев) с наблюдением каждой когорты хотя бы 3 месяца после создания. Каждая когорта должна содержать не менее 50-100 клиентов для статистической значимости.
Когортный анализ подходит для B2B?
Да, но с поправками. Размер когорты обычно меньше, а цикл наблюдения длиннее (6-12 месяцев вместо 1-3). Вместо повторных покупок можно отслеживать продление контрактов, допродажи, активность в сервисе.
Когортный анализ раскрывает то, что скрыто за средними показателями. Используйте его для оценки удержания и unit-экономики. Свяжитесь с нами для настройки аналитики.