Когортный анализ

Разбиение данных из набора данных на связанные группы для анализа.

Что такое когортный анализ

Когортный анализ — это форма поведенческой аналитики, которая берет данные из определенного подмножества, например, из SaaS-бизнеса, игры или платформы электронной коммерции и объединяет их в связанные группы, а не рассматривает данные как единое целое. Такие группы называются когортами. Они имеют схожие характеристики, такие как время и размер.

Компании используют когортный анализ для анализа поведения клиентов на протяжении всего жизненного цикла каждого клиента. В отсутствие когортного анализа компании могут столкнуться с трудностями в понимании жизненного цикла, который проходит каждый клиент за определенный промежуток времени. Компании используют когортный анализ для понимания тенденций и моделей поведения клиентов во времени и для адаптации своих предложений продуктов и услуг к выявленным когортам.

Ежедневно в бизнес поступает большое количество данных. Анализ таких больших объемов данных является не только сложной, но и дорогостоящей задачей, требующей привлечения специального персонала. Однако компания может разбить клиентов на более управляемые и действенные когорты.

Когда компания видит тенденции в том, как различные когорты используют ее продукцию, она может выявить проблемы в своих маркетинговых методах и определить, когда и как лучше общаться с различными группами или типами клиентов. Компания также использует данные, полученные в разбивке, для разработки стимулов, которые будут мотивировать клиентов продолжать пользоваться ее продукцией, когда они, скорее всего, перестанут ее покупать.

Типы когорт для анализа

Когорты можно разделить на следующие категории:

1. Когорты, основанные на времени

Временные когорты — это клиенты, которые подписались на продукт или услугу в определенный период времени. Анализ этих когорт показывает поведение клиентов в зависимости от времени, когда они начали пользоваться продуктами или услугами компании. Это время может быть ежемесячным или ежеквартальным, в зависимости от цикла продаж компании.

Например, если 80% клиентов, подписавших контракт с компанией в первом квартале, остаются с компанией в четвертом квартале, но только 20% клиентов, подписавших контракт во втором квартале, остаются с компанией до четвертого квартала, это говорит о том, что клиенты второго квартала не были удовлетворены. Компания могла переборщить с обещаниями во время рекламных акций во втором квартале, или конкурент может быть нацелен на тех же клиентов с лучшими продуктами или услугами.

Анализ когорт по времени помогает изучить коэффициент оттока. Например, если клиенты, подписавшиеся на продукт компании в 2017 году, отторгаются быстрее, чем те, кто подписался в 2018 году, компания может использовать эти данные для выяснения причины. Возможно, компания не выполняет свои обещания, конкурент предлагает более качественные продукты или конкурент напрямую ориентируется на ваших клиентов, предлагая им более выгодные стимулы.

Для SaaS-бизнеса показатель оттока клиентов, как правило, высок в начале определенного периода времени и снижается по мере того, как клиенты привыкают к продуктам. Клиенты, которые остаются в компании дольше, обычно любят продукт и отток происходит реже, чем в начале периода. В отсутствие когорт компания может не определить точную причину большого числа клиентов, отказывающихся от продуктов в течение определенного периода времени.

2. Когорты, основанные на сегментах

Когорты на основе сегментов — это те клиенты, которые приобрели определенный продукт или оплатили определенную услугу в прошлом. Они группируют клиентов по типу продукта или уровню услуг, на которые они подписались. Клиенты, подписавшиеся на услуги базового уровня, могут иметь иные потребности, чем те, кто подписался на продвинутые услуги. Понимание потребностей различных когорт может помочь компании разработать индивидуальные услуги или продукты для определенных сегментов.

Компания SaaS может предоставлять различные уровни услуг в зависимости от покупательной способности целевой аудитории. Анализ каждого уровня помогает определить, какие услуги подходят определенным сегментам ваших клиентов.

Например, если клиенты продвинутого уровня отторгаются гораздо быстрее, чем клиенты базового уровня, это свидетельствует о том, что продвинутые услуги слишком дороги или что услуги базового уровня просто лучше удовлетворяют потребности большинства клиентов. Понимание того, что клиенты ищут в пакете услуг, помогает компании оптимизировать свои уведомления, чтобы сосредоточиться на релевантных push-сообщениях, которые клиенты будут открывать и читать.

3. Когорты, основанные на размере

Когорты по размеру относятся к различным размерам клиентов, которые приобретают продукцию или услуги компании. Клиентами могут быть малые и начинающие предприятия, предприятия среднего размера и предприятия уровня предприятия.

Сравнение различных категорий клиентов в зависимости от их размера показывает, где совершаются самые крупные покупки. Что касается категорий с наименьшим количеством покупок, компания может проанализировать любые проблемы, связанные с предлагаемыми продуктами и услугами, и провести мозговой штурм по улучшению ситуации, чтобы повысить уровень продаж.

В бизнес-модели SaaS малые и начинающие компании обычно отторгают больше, чем компании корпоративного уровня. Малые и начинающие компании могут иметь небольшой бюджет и тестировать недорогие продукты, чтобы понять, что им подходит. Компании уровня предприятия имеют больший бюджет и, как правило, придерживаются продукта в течение более длительного периода времени.

Пример когортного анализа

Приведенный ниже набор данных представляет собой случайную выборку примерно 5 000 клиентов вымышленной компании по разработке программного обеспечения. В формулах указана дата начала работы каждого клиента, а также количество месяцев, прошедших с даты начала работы, когда клиент был в последний раз активен в программном обеспечении компании. Приведенный ниже когортный анализ является прекрасным инструментом для дифференциации различных когорт на основе времени. Обратите внимание, что другие когортные сегменты могут разделять выборки не только по времени, но и по другим характеристикам.

При беглом взгляде видно, что в июле и декабре наблюдаются лучшие показатели удержания, когда более 95% клиентов остаются до четырех месяцев. Напротив, в другие месяцы многие клиенты остаются только до двух месяцев. Возможно, это связано с акцией, которую компания проводила в эти месяцы, что привело к более высокому уровню удержания. В качестве примера можно привести летние акции компании Spotify, когда они продают 3-4 месяца обслуживания по сниженной цене.

С другой стороны, мы видим более высокий уровень оттока в апреле, когда огромное количество клиентов отсеивается после первого месяца. Здесь, возможно, произошел сбой в программном обеспечении, из-за которого большое количество клиентов отсеялось.

Объединение когорт

Ни один тип когортного анализа не является лучше другого. Скорее, компаниям следует комбинировать два или более сегментов, чтобы получить более глубокое понимание того, как клиенты поддерживают их продукты.

Например, если анализ показывает, что премиум-абоненты регистрируют более высокий уровень оттока, чем базовые абоненты, то компания может принять срочные меры для исправления ситуации. Если премиум-клиенты уходят из-за высокой стоимости продуктов, компания может пересмотреть стоимость или создать дополнительные стимулы, чтобы побудить их остаться.

Если анализ показывает, что премиум-клиенты постоянно ищут справочную документацию по аналогичным вопросам, то компания может предпринять последующие действия по телефону или электронной почте, чтобы гарантировать, что клиенты найдут удовлетворительное решение.