Продолжаю серию статей по анализу продуктов ( Начинать ) В предыдущей статье Я углубился в анализ выручки и разбил ее на 2 составляющие — MRPU и количество клиентов.
Сегодня мы рассмотрим дальнейшие шаги анализа и разобьем количество клиентов и их динамику на составляющие.
Теперь общая схема анализа выглядит так: 
Когортный анализ помогает объяснить тенденции в клиентской базе и обеспечивает прямой мост к воронке продаж и усилиям по удержанию и возвращению клиентов.
Что такое когортный анализ? Это разбивка клиентов по датам их «прихода».
Для разных продуктов это могут быть разные события, например:
- Первая покупка
- Подписанный договор на абонентское обслуживание
- Зарегистрированная платная услуга в скачанном приложении.
- Первое зачисление денег на ваш личный счет
Хотя каждый товар может иметь свои особенности и клиентом уже можно считать того, кто заключил какой-то договор, не платя при этом никаких денег.
Если разделить всех клиентов по датам «прихода», сгруппировать их по месяцам (или неделям, дням в зависимости от типичного жизненного цикла клиентов) и подсчитать количество клиентов, которые продолжают оставаться клиентами (все еще платят, не прекратили сотрудничество).
контракт) мы получим что-то вроде этого: 
Для упрощения анализа когорты, близкие по дате начала, часто объединяют, чтобы диаграмма не выглядела как лапша.
В моем примере с привлечением клиентов все хорошо и клиентская база растет за счет привлечения новых клиентов.
При этом в какой-то момент можно вернуть старых клиентов (мы видим, что к концу периода самая старая когорта увеличивается).
В когортном анализе мы имеем ряд важных производных характеристик, на которые стоит обратить внимание:
- Размер вашей новой когорты является прямым показателем ваших усилий по привлечению клиентов.
Новые когорты формируются из новых клиентов
- Скорость распада когорты — это средняя скорость, с которой количество новых клиентов уменьшается с течением времени по мере увеличения продолжительности их жизни.
Обычно это процент, на который когорта уменьшается за время своего существования.
- Размеры «старых» когорт. В «старую» когорту обычно входят клиенты, которых вы больше не считаете новыми.
Это люди, которые по идее должны быть вашими постоянными клиентами.
Чаще всего эта когорта формирует основную часть выручки и является самой крупной по численности.
Динамика численности «старой когорты» определяет перспективность вашего продукта.
Сокращение «старой когорты» или ее стагнация — признак того, что у вас проблемы с продуктом, продажами или лояльностью.
В этом смысле обыденное значение слова «продолжительность жизни» оказывается неверной трактовкой распада когорт. Если мы говорим о 3 месяцах «средней жизни», то неверно понимать, что через 3 месяца у вас не останется клиентов.
Использование термина «средняя продолжительность жизни» становится чем-то вроде математического трюка.
Дело в том, что распад когорты характеризуется именно скоростью снижения клиентов.
И можно перевести эту скорость в термины: я теряю 50% когорты за 3 месяца.
Или еще жестче — теряю 95% когорты за 12 месяцев.
Но не исключено, что типичный период гибели всей когорты продлится годами.
Поэтому полезно четко указать в своей аналитике, какую метрику вы хотите использовать.
Использование метрики «X% за Y периодов» — хороший количественный способ сравнить качество когорт друг с другом.
Дело в том, что любая когорта – это маленький «эксперимент».
Люди в каждой когорте встречаются и знакомятся с вашим продуктом с нуля.
А историческая ретроспектива когорты показывает ваши успехи и неудачи с точки зрения адаптации, а затем и с точки зрения удержания\оттока.
Если вы методично добиваетесь улучшения характеристики Y, то это означает, что вы хорошо развиваете продукт и взаимоотношения с клиентами.
В общем, это дело вкуса; вы можете либо оперировать «средней продолжительностью жизни» в том смысле, в котором я определил ее выше, либо использовать оценку распада когорты в процентах.
Еще один хороший метод «смотра» на когорты — это анализ потока клиентской базы.
Это более наглядный коллапс данных в когортах.
Мы связываем наши когорты и их динамику следующим образом:
- Сколько новых клиентов пришло за отчетный период (только новые когорты)
- Сколько старых клиентов вернулось за отчетный период (клиенты из старых когорт, а затем возобновили отношения)
- Сколько клиентов в текущей базе (было и есть)
- Сколько клиентов покинуло старые когорты?
На этой картинке наглядно виден баланс притока и оттока клиентской базы.
И если ваш отток превышает приток, вы сразу понимаете, что у вас проблемы.
В этом примере баланс потоков клиентов сильно ориентирован на приток, и поэтому клиентская база растет быстрыми темпами.
Что нам дает разложение клиентов на когорты:
- Мы видим, как быстро обновляется наша клиентская база, какую ее часть составляют «новички», а какую часть — «старожилы».
- Если основу вашей клиентской базы составляют старые люди, а новые клиенты дают 1% к вашей базе в месяц, то как-то странно ожидать к концу года роста клиентов на 50%.
Вам придется либо увеличить входящий поток клиентов (что обычно проще), либо вернуть значительную часть ранее потерянных клиентов (что обычно сложнее).
- Если срок жизни ваших клиентов короток и вы почти не накапливаете «стариков», то это, наоборот, означает, что ваши усилия в отношении стариков должны быть на втором плане.
И вам нужно работать над увеличением продолжительности жизни клиентов, их адаптации или продолжать увеличивать входящий поток.
- Когортный анализ дает вам возможность спрогнозировать будущее состояние вашей экономики и ответить на вопрос: «Сможете ли вы выполнить план, если при тех же темпах спада вы удвоите привлечение клиентов»?
- Мы можем количественно оценить успех наших усилий по привлечению и удержанию клиентов, сравнивая темпы истощения когорты.
- По результатам анализа можно понять, где проблема в продукте по отношению к клиентской базе (привлечение, удержание, «время жизни» и т. д.).
Но ваша клиентская база может иметь разные сегменты и кластеры.
Ваш когортный анализ станет еще более продуктивным, если вы сегментируете и кластеризуете свою клиентскую базу.
В следующих паре статей я напишу о подготовке данных для когортного анализа и о прогнозировании когорт на будущее для прогнозирования динамики клиентской базы.
Теги: #когортный анализ #анализ потоков #Маркетинг #продажи #аналитика продуктов #Интеллектуальный анализ данных #Управление продукцией #Управление продажами #Бизнес-модели
-
Как Корпорации Ошибаются
19 Oct, 24 -
Как Наши Сенсоры Провели Свою Первую Зиму
19 Oct, 24 -
Свежий Троян Для Macos
19 Oct, 24 -
Плагин Thumbstrips Делает Скриншоты
19 Oct, 24 -
Как Заработать На Upwork?
19 Oct, 24
