Когортный анализ (Cohort Analysis) Скачать в PDF

Разделы: Бизнес-задачи

Решения: Loginom Customer Segmentation

Когортный анализ представляет собой раздел поведенческой аналитики, в котором клиенты рассматриваются не как единое множество, а разделяются для анализа на группы, называемые когортами. Суть состоит в том, чтобы анализировать поведение групп людей, объединенных на основе некоторых общих поведенческих особенностей (паттернов), действующих в течение определенного промежутка времени, или в определенном месте.

Когортный анализ позволяет компаниям более четко видеть закономерности, возникающие на разных этапах жизненного цикла клиента, а не разбирать их по всем клиентам вслепую без учета естественного цикла, в котором находится клиент. Наблюдая поведенческие паттерны в когортах, компании могут лучше адаптировать свой бизнес для этих конкретных групп клиентов.

Оценка производится не по итоговой метрике (объему продаж, числу посетителей), а по каждой отдельной когорте в разрезе этой метрики (объемы продаж клиентам в когорте, число посетителей в когорте). В этом смысле, когорта — группа людей, которые сделали определенное действие в определенный период времени и в определенном месте.

Следует отметить, что когортный анализ иногда рассматривают как часть более общей статистической методики, называемой когортным исследованием. При этом когортный анализ используется в бизнес-аналитике и Big Data, в то время как когортные исследования применяются в медицине, эпидемиологии, психологии и социологии.

Когортный анализ состоит из следующих шагов:

1. Определить метрику. Смысл анализа заключается в том, чтобы выбрать значимый индикатор, позволяющий оценить ситуацию и оптимизировать работу. Например, увеличить доход или снизить отток клиентов. Для этого необходимо определение метрики, которая будет оцениваться, например: коэффициент оттока клиентов, сумма покупок, пожизненная ценность клиента и т.п.
2. Сформировать когорты. Необходимо определиться по каким показателям клиенты будут группироваться, т.е. что является стартовой точкой для формирования когорты. Одним из наиболее популярных вариантов объединения в когорты, является первое действие клиента при контакте с компанией, например, регистрация на сайте, покупка или скачивание приложения.
3. Сравнить когорты по метрике. Анализ заключается в обнаружении различий между когортами и объяснении паттернов клиентского поведения, характерных для конкретной когорты.

В когортном анализе можно выделить два вида метрик:

• Действенная метрика — это метрика, которая связывает повторяемые действия с наблюдаемыми результатами (например, регистрацию пользователя с последующей покупкой). Именно метрики данного вида помогают видеть реальную ситуацию, принимать решения и совершенствовать бизнес.
• Метрики тщеславия — метрики, которые позволяют компании хорошо выглядеть, но при этом не помогают понять общую картину происходящего и бесполезны с точки зрения поиска решений по улучшению бизнеса (например, количество лайков в соцсетях).

Рассмотрим простой пример когортного анализа: исследование эффективности подписки на рекламную рассылку. Пусть на рассылку интернет-магазина можно подписаться тремя способами — всплывающее окно на сайте магазина, ссылка из статьи на стороннем сайте партнера и конкурс в одной из соцсетей, для участия в котором нужно подписаться. В феврале через окно на сайте подписалась 1000 человек, конкурс привел 700 подписчиков, а блог партнера — 150. Эти три группы и формируют когорты.

Проанализируем, какая из групп дольше остается подписанной на рассылку. Для этого нам нужны данные о доле открытых писем за несколько месяцев.

Как видно из таблицы, самыми лояльными читателями рассылки являются те, кто подписался на сайте партнера. Они дольше всех читают рассылку. А конкурс в соцсети не принес практически ничего — читать перестали сразу после проведения конкурса.

Таким образом, можно сделать вывод, что результативность конкурса в соцсетях невысокая. Выгоднее сосредоточить ресурсы на продвижении через сайты партнеров. По графику видно, что данный вывод практически невозможно сделать при анализе выборки не по когортам, а целиком, т.к. после объединения данные усредняются, скрывая существенные различия между когортами.