Когда вы запускаете продукт, изменяете его либо проводите рекламную кампанию, нередко возникает вопросец: как эти деяния влияют на поведение ваших клиентов? Рассматривать и предугадать его — и, соответственно, лучше осознавать ваших юзеров — дозволяет таковой способ, как когортный анализ.
Егор Абрамов, вкладывательный директор Fort Ross Ventures ведает, как при помощи когортного анализа проверить здоровье собственного бизнеса и почему он станет вашим козырем в разговоре с инвестором.
Что такое когортный анализ и для чего он нужен стартапу
Егор Абрамов
Ключ к осознанию когортного анализа
Представьте для себя поликлинику, в какой есть три отделения: реанимация, стационар и морг. В первом отделении температура пациентов около 38–39, во 2-м — 36, в 3-ем — около 4. Все вначале попадают в реанимацию. Оттуда пациенты могут передвигаться в стационар либо в морг, а из стационара лишь один путь — в морг (ну, таковой вот у нас хоспис), но в стационаре они при всем этом проведут больше времени.
Ваша учетная система доносит для вас, что средняя температура по поликлинике — 37. И если она, допустим, завтра понизится до 36.8, то неясно, что случилось: или стационар пополнился, или морг.
Неувязка тут в том, что вы не осознаете customer journey собственных юзеров от реанимации до морга. А желали бы осознавать, чтоб осознать эффективность работы поликлиники (чем выше средний срок жизни пациентов и поближе к норме их температура — тем лучше).
Когортный анализ — это метод осознать то, как ведут себя ваши юзеры от момента первой встречи до расставания.
Сходу стоит обмолвиться, что идеальнее всего этот способ применим для бизнесов, которые работают с личными клиентами (B2C) или с малым делом (B2SMB), просто поэтому что клиентов обязано быть довольно много, хотя бы несколько 10-ов новейших любой месяц.
Верно проведенный когортный анализ дает для вас две важные метрики здоровья бизнеса: ценность всякого клиента и изменение данной для нас ценности с течением времени.
Что такое когорты
Когорта — это набор юзеров, которые пришли к для вас в один и этот же просвет времени. Промежутком быть может денек, неделька, месяц, квартал и т.д. Длина промежутка зависит от вашего бизнеса. К примеру, в случае не так давно вышедшей мобильной игры вы, возможно, выберете недельный просвет, а в случае уже развитого финтех-бизнеса — быстрее всего, месячный.
По таковой когорте можно выслеживать разные вещи, самое обычное — это число активных юзеров и то, сколько выручки они принесли.
Отдельное внимание здесь стоит уделить тому, что вы осознаете под активными юзерами. Обычно активный — это таковой клиент, который пользовался вашим продуктом хотя бы один раз за некий фиксированный просвет времени. Итак вот, для когортного анализа идеальнее всего, чтоб этот просвет времени совпадал с когортным промежутком.
Допустим, мы смотрим на месячные когорты. В январе 2019 года к для вас пришла (другими словами купила что-то) тыща новейших юзеров. Дальше вы отслеживаете, что эта определенная тыща юзеров делает в феврале, марте, апреле и т.д. К примеру, может оказаться, что в феврале активными остались 840, в марте — 700, а в апреле — 650 юзеров.
Кроме количества клиентов, вы также отслеживаете то, сколько выручки они вам сгенерировали. Допустим, средний чек оказался около 100 рублей.
Дальше вы повысили стоимость новейшей подписки — и делаете то же самое для когорты от февраля 2019 (к примеру, пришли 1200 человек, а через три месяца остались 720 и т.д.). И они приносили некий иной размер выручки любой месяц со средним чеком в 105 рублей.
Другими словами в итоге выясняется, что вырос средний чек, но также вырос и отток клиентов. И вы сейчас сможете задаться вопросцем: а стоит дальше увеличивать стоимость услуг либо это для себя дороже?
Это только одно из вероятных наблюдений, которые можно создать в когортном анализе.
Базисные метрики когортного анализа
На примере наших 2-ух когорт от января и от февраля мы употребляли две метрики: средний чек (ARPU) и отток в процентах в месяц (churn).
Иная пользующаяся популярностью метрика — это срок жизни клиента (снова больничная аналогия). Под сроком жизни (lifetime) обычно понимается таковой просвет времени, который средний клиент проводит с вами. Обычной (но неточный) метод найти срок жизни — это поделить единицу на отток (Lifetime = 1 / churn).
Но пожалуй, самой главной метрикой когортного анализа является ценность клиента (LTV, Lifetime value).
На самом деле, LTV — это выраженная в деньгах ценность, которую для вас приносит средний клиент.
Самый обычный (и самый неточный) способ подсчета LTV — взять срок жизни и помножить на средний чек (другими словами LTV = Lifetime x ARPU). В этом подходе мы делаем мощные неявные догадки, что все клиенты однообразные и ведут себя как их среднее и что средний чек сохраняется с течением времени. Не считая того, очередное предположение — что мы верно подсчитали срок жизни методом деления единицы на отток (отток постоянен), что никогда не соответствует реальности.
Наиболее добросовестный метод расчета этих метрик базируется на том, что вы должны каким-то образом спрогнозировать динамику каждой вашей когорты от текущего состояния и до отдаленного грядущего.
Вправду, ведь у вас, быстрее всего, не будет ни одной полной когорты: из тыщи человек наверное через 1–2 года останутся 300–500, и эти оставшиеся, быстрее всего, будут наиболее приклнны вашему продукту (раз они остались), чем те, кто удрал в 1-ый месяц.
Другими словами показатель оттока — это величина, изменяющаяся с течением времени. А наиболее «юные» когорты будут и того короче. И для того, чтоб осознать, сколько же средств принесет для вас определенная когорта в последующие 2–3 года, для вас необходимо будет как-то экстраполировать данные, но это уже иная история.
Как употреблять когортный анализ
Все эти пользовательские метрики употребляются как снутри бизнеса, так и для общения с инвесторами.
Вот несколько фаворитных вопросцев инвесторов, на которые можно ответить лишь при помощи когортного анализа:
Вопросец: Какова ваша юнит-экономика либо отдача ваших рекламных издержек?
Ответ: Отдача = LTV / CaC, где CaC — стоимость вербования юзера, LTV — ценность. Другими словами если вы платите 1,5 тыщи рублей за юзера, который приносит для вас 3 тыщи за свою жизнь, то ваша отдача — 2 рубля на рубль маркетинга.
Вопросец: Вы становитесь с течением времени наиболее либо наименее эффективны?
Ответ: когорта от января 2018 года демонстрировала LTV / CaC = 1,7x, а от января 2019 года уже LTV / CaC = 2х
Вопросец: Почему так происходит?
Ответ: Средний срок жизни (читай — лояльность) наших клиентов повысился за этот год на 12%, а стоимость вербования снизилась на 10%. Мы планируем к тому же средний чек поднять — и наша юнит-экономика еще улучшится.
Вопросец: почему я должен отдать для вас инвестиции по таковой высочайшей оценке?
Ответ (приз): Поэтому что на один вложенный рубль вы получите сейчас два рубля на выходе, а завтра будете получать еще более. Ведь наш LTV с течением времени вырастает, а CaC — понижается. Попытайтесь отыскать иной таковой бизнес.
Что еще принципиально знать
При почти всех плюсах когортного анализа у него есть один большенный минус: когда речь входит о агрегированных показателях вроде срока жизни и LTV, это просит расчетов и догадок, которые могут быть и неверными.
Главнее всего тут осторожность, осознание ограничений точности подхода и честность (хотя бы с самим собой), чтоб не начать принимать бизнес-решения на основании очень жизнеутверждающих или некорректных предпосылок.
Но в целом я скажу так: плох тот инвестор, который не просит когорты для анализа, и плох тот бизнес, который этот анализ создать не может.
Источник: