Когортный анализ
Синонимы: cohort analysis, анализ когорт, когортное исследование, cohort report
NAME
Когортный анализ — аналитика и метрики
DESCRIPTION
Когортный анализ (cohort analysis) — метод анализа поведения групп пользователей (когорт), объединённых общим признаком и временным периодом. Вместо усреднённых метрик по всем пользователям, мы смотрим, как ведёт себя каждая группа во времени. Позволяет отделить реальные улучшения от сезонности и «шума».
Что такое когорта: Группа пользователей, совершивших первое действие в один период времени. Например:
- Когорта «Зарегистрировались в январе 2026»
- Когорта «Купили в Black Friday 2025»
- Когорта «Пришли из TikTok-рекламы»
- Когорта «Использовали промокод START»
Пример когортной таблицы (Retention):
| Когорта / Месяц | 0 | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|---|
| Янв 2026 | 100% | 42% | 28% | 22% | 18% | 15% | 14% |
| Фев 2026 | 100% | 48% | 33% | 26% | 21% | 18% | 16% |
| Мар 2026 | 100% | 55% | 39% | 31% | 26% | — | — |
| Апр 2026 | 100% | 62% | 44% | — | — | — | — |
Что видно из таблицы: retention каждой следующей когорты выше → продукт улучшается.
Типы когорт:
| Тип | Признак группировки | Когда использовать |
|---|---|---|
| Временная | Дата первого действия | Анализ retention и LTV |
| Поведенческая | Совершённое действие | A/B тесты, фичи |
| Сегментная | Источник трафика, гео | Маркетинговая аналитика |
| Размерная | Объём первой покупки | VIP vs Regular |
Ключевые вопросы, на которые отвечает когортный анализ:
- Улучшается ли retention со временем?
- Какая когорта приносит больше LTV?
- Окупаются ли изменения в продукте?
- Какой источник приводит «долгоиграющих» клиентов?
- Как сезонность влияет на поведение?
- Когда клиент достигает payback point?
Метрики в когортном анализе:
| Метрика | Что показывает |
|---|---|
| Retention Rate | % вернувшихся в N-й период |
| Churn Rate | % ушедших (1 − Retention) |
| LTV по когортам | Прибыль с когорты во времени |
| Payback Period | Когда CAC окупается |
| ARPU по когортам | Средний доход на пользователя |
| Activation Rate | % достигших «Ага!»-момента |
Инструменты:
- Amplitude — золотой стандарт продуктовой аналитики
- Google Analytics 4 — раздел «Retentions» и «Cohort exploration»
- Mixpanel — гибкие когортные отчёты
- Roistat — когорты с привязкой к выручке
- SQL + Metabase — кастомные дашборды
Примеры бизнес-решений на основе когорт:
- Когорта «Пришли из TikTok» имеет LTV в 3 раза ниже, чем из SEO → сокращаем TikTok-бюджет
- Когорта «Прошли онбординг до конца» имеет retention +180% → улучшаем онбординг
- Когорта «Использовали триал 14 дней» конвертирует в 40%, а «7 дней» — в 12% → удлиняем триал
Кейс WEBVISUAL: Клиент — SaaS для управления проектами (подписка от 990 ₽/мес). Было: ощущение, что продукт растёт, но общая метрика retention 24% (плохо). Построили когортный анализ по месяцам регистрации за полгода.
Что увидели:
- Когорты январь-март: retention в 3-м месяце 18-22%
- Когорты апрель-май: retention в 3-м месяце 28-32% (после редизайна онбординга)
- Когорта июнь: retention в 3-м месяце 41% (после внедрения in-app подсказок)
Инсайт: улучшения продукта реально работают, просто «размываются» старыми когортами в средних метриках. Продолжили инвестиции в онбординг. Результат за 6 месяцев: средний retention вырос с 24% до 44% (+83%), LTV вырос в 2.1 раза, churn сократился на 52%. Компания вышла на positive unit economics и закрыла раунд A на $2.5M.