Что такое когортный анализ и зачем он нужен стартапу

Ключ к пониманию когортного анализа

Представьте себе больницу, в которой есть три отделения: реанимация, стационар и морг. В первом отделении температура пациентов около 38–39, во втором — 36, в третьем — около 4. Все изначально попадают в реанимацию. Оттуда пациенты могут перемещаться в стационар или в морг, а из стационара только один путь — в морг (ну, такой вот у нас хоспис), но в стационаре они при этом проведут больше времени.

Ваша учетная система рапортует вам, что средняя температура по больнице — 37. И если она, допустим, завтра понизится до 36.8, то непонятно, что случилось: то ли стационар пополнился, то ли морг.

Siriluk ok / Shutterstock

Проблема здесь в том, что вы не понимаете customer journey своих пользователей от реанимации до морга. А хотели бы понимать, чтобы понять эффективность работы больницы (чем выше средний срок жизни пациентов и ближе к норме их температура — тем лучше).

Сразу стоит оговориться, что лучше всего этот метод применим для бизнесов, которые работают с частными клиентами (B2C) либо с малым бизнесом (B2SMB), просто потому что клиентов должно быть достаточно много, хотя бы несколько десятков новых каждый месяц.

Правильно проведенный когортный анализ дает вам две важнейшие метрики здоровья бизнеса: ценность каждого клиента и изменение этой ценности со временем.

Что такое когорты

Когорта — это набор пользователей, которые пришли к вам в один и тот же промежуток времени. Промежутком может быть день, неделя, месяц, квартал и т.д. Длина промежутка зависит от вашего бизнеса. Например, в случае недавно вышедшей мобильной игры вы, вероятно, выберете недельный промежуток, а в случае уже развитого финтех-бизнеса — скорее всего, месячный.

Отдельное внимание тут стоит уделить тому, что вы понимаете под активными пользователями. Обычно активный — это такой клиент, который воспользовался вашим продуктом хотя бы один раз за какой-то фиксированный промежуток времени. Так вот, для когортного анализа лучше всего, чтобы этот промежуток времени совпадал с когортным промежутком.

Допустим, мы смотрим на месячные когорты. В январе 2019 года к вам пришла (то есть купила что-то) тысяча новых пользователей. Далее вы отслеживаете, что эта конкретная тысяча пользователей делает в феврале, марте, апреле и т.д. Например, может оказаться, что в феврале активными остались 840, в марте — 700, а в апреле — 650 пользователей.

Помимо количества клиентов, вы также отслеживаете то, сколько выручки они для вас сгенерировали. Допустим, средний чек оказался около 100 рублей.

Далее вы повысили стоимость новой подписки — и делаете то же самое для когорты от февраля 2019 (например, пришли 1200 человек, а через три месяца остались 720 и т.д.). И они приносили какой-то другой объем выручки каждый месяц со средним чеком в 105 рублей.

Это лишь одно из возможных наблюдений, которые можно сделать в когортном анализе.

Базовые метрики когортного анализа

На примере наших двух когорт от января и от февраля мы использовали две метрики: средний чек (ARPU) и отток в процентах за месяц (churn).

Другая популярная метрика — это срок жизни клиента (опять больничная аналогия). Под сроком жизни (lifetime) обычно понимается такой промежуток времени, который средний клиент проводит с вами. Простой (но неточный) способ определить срок жизни — это поделить единицу на отток (Lifetime = 1 / churn).

Но пожалуй, самой главной метрикой когортного анализа является ценность клиента (LTV, Lifetime value).

Самый простой (и самый неточный) метод подсчета LTV — взять срок жизни и умножить на средний чек (то есть LTV = Lifetime x ARPU). В этом подходе мы делаем сильные неявные предположения, что все клиенты одинаковые и ведут себя как их среднее и что средний чек сохраняется со временем. Кроме того, еще одно предположение — что мы правильно подсчитали срок жизни путем деления единицы на отток (отток постоянен), что никогда не соответствует действительности.

Действительно, ведь у вас, скорее всего, не будет ни одной полной когорты: из тысячи человек наверняка через 1–2 года останутся 300–500, и эти оставшиеся, скорее всего, будут более лояльны вашему продукту (раз они остались), чем те, кто убежал в первый месяц.

То есть показатель оттока — это величина, изменяющаяся со временем. А более «молодые» когорты будут и того короче. И для того, чтобы понять, сколько же денег принесет вам конкретная когорта в следующие 2–3 года, вам нужно будет как-то экстраполировать данные, но это уже другая история.

Как использовать когортный анализ

Все эти пользовательские метрики используются как внутри бизнеса, так и для общения с инвесторами.

Вот несколько популярных вопросов инвесторов, на которые можно ответить только с помощью когортного анализа:

1. Вопрос: Какова ваша юнит-экономика или отдача ваших маркетинговых затрат?
   Ответ: Отдача = LTV / CaC, где CaC — стоимость привлечения пользователя, LTV — ценность. То есть если вы платите 1,5 тысячи рублей за пользователя, который приносит вам 3 тысячи за свою жизнь, то ваша отдача — 2 рубля на рубль маркетинга.
2. Вопрос: Вы становитесь со временем более или менее эффективны?
   Ответ: когорта от января 2018 года показывала LTV / CaC = 1,7x, а от января 2019 года уже LTV / CaC = 2х
3. Вопрос: Почему так происходит?
   Ответ: Средний срок жизни (читай — лояльность) наших клиентов повысился за этот год на 12%, а стоимость привлечения снизилась на 10%. Мы планируем еще и средний чек поднять — и наша юнит-экономика еще улучшится.
4. Вопрос: почему я должен дать вам инвестиции по такой высокой оценке?
   Ответ (бонус): Потому что на один вложенный рубль вы получите сегодня два рубля на выходе, а завтра будете получать еще больше. Ведь наш LTV со временем растет, а CaC — снижается. Попробуйте найти другой такой бизнес.

Что еще важно знать

При многих плюсах когортного анализа у него есть один большой минус: когда речь заходит об агрегированных показателях вроде срока жизни и LTV, это требует расчетов и предположений, которые могут быть и неправильными.

Превыше всего здесь осторожность, понимание ограничений точности подхода и честность (хотя бы с самим собой), чтобы не начать принимать бизнес-решения на основании слишком оптимистических либо неправильных предпосылок.

Но в целом я скажу так: плох тот инвестор, который не просит когорты для анализа, и плох тот бизнес, который этот анализ сделать не может.

Фото на обложке: Nadia Grapes / Shutterstock