Маркетингові кампанії з миттєвою віддачею – мрія маркетологів і навіть реальність для простих товарів, які можна купити спонтанно і в один клік. Але для складних і дорогих продуктів подібна ситуація – фантастика, і витрати на рекламу окупаються довше. Як оцінювати ефективність таких кампаній? Враховувати фактор часу і деталізувати по ньому ваших клієнтів. Для цього існує когортний аналіз, про який ми розповімо в статті.

***

Дізнатися більше про секрети успішного маркетингу можна на нашому каналі в Telegram – Secretmarketingua

***

Що таке когортний аналіз

Когортний аналіз – це метод дослідження, де користувачів поділяють на групи (когорти) за певними ознаками і відстежують їх поведінку за деякий проміжок часу. Такий спосіб дозволяє дивитися на дії користувачів в динаміці.

Когорта – це група людей, яких об’єднує один або кілька ознак:

• дію (покупка, реєстрація, клік), яке вони вчинили;
• проміжок часу, коли це сталося.

Саме прив’язка до часу відрізняє когорту від сегмента – більш широкого і загального поняття.

Наприклад, випускники Гарварда 2012 року – одна когорта, випускники 2018 року – інша, але всі вони відносяться до сегменту «випускники Гарварду».

За діями когорти ділять на два типи:

• Залучення – установка додатки, перший клік, реєстрація в сервісі.
• Монетизація – покупка, оплата та інші.

Когортний метод враховує такі ознаки для аналізу:

• Дія, яке об’єднує користувачів в когорту: підписка, реєстрація, покупка і інші.
• Час, за яке дія відбулася: день, тиждень або місяць, можливі і великі періоди.
• Інтервал дослідження, протягом якого відбувається спостереження за когортою.
• Показник, який впливає на бізнес: ROI, утримання клієнта, конверсія, LTV та інші.

Когортні дослідження допомагають зрозуміти, як ключові метрики відрізняються для різних сегментів. Побачити більш детальну картину по рекламної кампанії або іншим маркетинговим діям, наприклад, ребрендингу, тестування нового сайту і так далі.

Як застосовувати когортний аналіз

Когортне дослідження – не універсальний метод, для нього потрібна достатня кількість користувачів. Бажано проводити аналіз клієнтів від 1000 чоловік в базі (їх дій). Спосіб підходить для масових B2C і B2B бізнесів з довгим циклом покупки.

Що допомагає оцінити когортний аналіз:

Ефективність каналів залучення

Когортний метод покаже, з яких каналів приходять найбільш лояльні користувачі. Тоді бізнес зможе виділяти більший бюджет на ефективні канали та активніше з ними працювати. Навіщо використовувати саме когортний метод, якщо можна відразу після кампанії оцінити, скільки клієнтів ми отримали? Не все так просто.

Наприклад, з реклами в Facebook в сервіс перейшло і зареєструвалося 2000 користувачів. Маркетолог задоволений – результат є. Але 90% користувачів перестали заходити в сервіс вже через місяць. Паралельно ми залучали користувачів за допомогою розсилки, і прийшло 1000 чоловік, через місяць перестали користуватися сервісом всього 15%. Якби ми оцінювали результат відразу після кампанії, то вирішили б, що Facebook – найефективніший канал, а насправді там виявилася нецільова аудиторія.

ROI

Для довгого циклу покупки повернення інвестицій в рекламу – справа не швидка. У великих B2B угодах, в нерухомості, для електронних сервісів, які можуть трансформувати весь бізнес, прийняти рішення про покупку можна одразу після першої реклами. Треба набратися терпіння і дивитися результати через деякий час.

Наприклад, рекламна кампанія пройшла в січні, тоді користувач K вперше дізнався про сервіс Altcraft Platform і вперше зайшов на сайт. Для вивчення можливостей і прийняття рішень в компанії, де працює користувач K, потрібен час. Тільки через 4 місяці користувач запросив демо у команди сервісу, а через 5 компанії підписали договір. Якби ми вважали ROI за наступний місяць після кампанії, то вирішили б, що вона провальна. Когортний аналіз показав, що це не так.

Відстеження і прогноз LTV

LTV (довічна цінність клієнта) вважає дохід від клієнта за весь період, поки він користується нашими продуктами або послугами. Метрика показує, чи виправдовують себе витрати на залучення нових клієнтів. Коли ми знаємо, як довго залишається з нами користувач і скільки на нас витрачає, то можемо розрахувати ці дані для схожих когорт.

Результати тестування

Когортний аналіз покаже, як зміниться конверсія після оновлень для А / Б-тестів не за час тестування, а в довгій перспективі. Може виявитися, що вдалий елемент залучив більше користувачів, але вони не зовсім цільові: випадково кликнули, пройшли реєстрацію, але не стали використовувати сервіс.

Активність користувачів

Когортне дослідження допоможе дізнатися, через який час клієнт перестає активно користуватися продуктом або взагалі йде. Попереджений – озброєний: з даними про «критичні» точках можна заздалегідь попрацювати з користувачем.

Наприклад, аналіз показав, що 70% користувачів втрачають інтерес до сервісу через 3 місяці. Тоді компанії потрібно звернути увагу на цей період: зробити розсилку з реактивацией, запропонувати бонус і так далі.

Як провести когортний аналіз

1. Визначаємо мету і пов’язану з нею метрику, яку будемо відстежувати за час аналізу. Метрики – це основа для когортного аналізу.

Наприклад:

Мета – визначити найуспішніший канал продажів для мобільного застосування. Метрикою вважаємо конверсію – реєстрацію. У перспективі розглядаємо, як змінювався Retention Rate (коефіцієнт утримання клієнтів), щоб зрозуміти, скільки з зареєстрованих користувачів залишилися в додатку.

2. Визначаємо когорти, які будемо вивчати.

Візьмемо клієнтів, які зробили покупку з реклами в Instagram, Facebook, реклами в Яндексі і Google за червень – це 4 різні когорти.

3. Проводимо аналіз різних когорт за вибраний проміжок часу.

Розглянемо результат всіх чотирьох когорт за 3 місяці після місяця реєстрації. Оцінимо, скільки користувачів залишалися активними після реєстрації в кожен з місяців.

Когортний аналіз проводять в Google Таблиці або Microsoft Excel. Але розбиратися, як зробити метрику правильно (формулу для її розрахунку) в таблиці, доведеться самостійно. В Google Аналітиці когортне дослідження автоматизовано, але можливості для поділу на когорти обмежені: можна відстежити тільки перша дія користувача в певному проміжку часу.

Приклад когортного аналізу в Google Аналітиці

Більш детально і наочно проводити когортний аналіз вміють платформи автоматизації маркетингу. У Altcraft Platform когортний аналіз доступний для когорт користувачів, які зробили дію за тиждень або місяць. Розглядати активність користувачів в звіті можна по:

• кількістю унікальних кліків;
• кількістю унікальних відкриттів;
• співвідношенню унікальних кліків до відкриттів;
• співвідношенню унікальних відкриттів ознаку до відправленої пошти;
• співвідношенню унікальних кліків до відправленої пошти.

Дані візуалізуються у вигляді графіка і таблиці.

Приклад когортного аналізу в Altcraft Platform

Приклади когортного аналізу

Розберемо кілька прикладів когортного аналізу для різних метрик.

Перевірка ефективності каналів

Мета – визначити, який канал виявився найефективнішим для залучення нових передплатників розсилки. Будемо досліджувати 4 когорти по каналах залучення: вікно на сайті, реклама в Facebook, партнерські пости вконтаке. Кожна когорта розраховується з 15-30 березня – термін проведення кампанії. З усіх каналів на розсилку підписалося 3000 користувачів. Найбільше користувачів (1600) прийшли з реклами Facebook. Через 5 місяців з усіх тих, хто підписався активних залишилося 782. Розглянемо в динаміці, як проходила відписка від кожного каналу за цей термін.

За першими результатами ми могли зробити висновок, що реклама Facebook була найефективнішою в залученні передплатників. В результаті виявилося, що користувачам підписка нецікава, або, можливо, вони підписалися випадково. Через 5 місяців тільки 6% ще відкривали листи. Найякіснішу аудиторію з усіх притягнули партнерські пости ВКонтакте, 58% передплатників з цього каналу продовжували читати розсилку.

Розрахунок LTV

Мета – визначити LTV для користувачів, які прийшли в додаток для доставки продуктів додому в 2020 році. Для цього розглядаємо 3 когорти – клієнтів, які зробили перший замовлення в січні, лютому або березні 2020 року. Вивчаємо, як змінювалося їх поведінку протягом півроку. Для кожного порахуємо ARPU – середній дохід з клієнта.

У таблиці бачимо, що найбільші суми клієнти витрачали в березні 2020 року. І починали менше замовляти вже до 4-5 місяця після першої реєстрації. З одного боку, можна вважати, що рекламні кампанії березня були найуспішнішими, якщо навіть користувачі, які прийшли раніше, стали замовляти більше в цьому місяці. З іншого боку, згадаймо, що з березня 2020 року в багатьох регіонах Росії ввели карантин, коли для багатьох доставка продуктів стала необхідністю. Тоді можна пояснити і спад активності до останніх місяців при таких же рекламних кампаніях. Карантин почали послаблювати, і користувачі знову стали ходити за покупками самі.

Тестування

Потрібно проаналізувати результат тесту дизайну нового розділу додаткових замовлень для інтернет-магазину. Є два нових дизайну A і B, також старий – Old. Виділимо їх в 3 когорти – за переходами користувачів на кожен з дизайнів тиждень з 5 по 11 липня. Далі розглянемо конверсію з кожного дизайну за 3 наступні місяці.

В результаті дизайн A отримав більше кліків за перший тиждень, але показники конверсії були нижче дизайнів B і Old. Також новий дизайн не показав значного зростання конверсії в порівнянні зі старим – можна зробити висновок, що концепція обох нових дизайнів не найвдаліша.

Висновок

Когортний аналіз – інструмент, який вимагає підготовки: довгого збору даних, розуміння, яку метрику треба досліджувати зараз, щоб поліпшити показники бізнесу в майбутньому. Але витрати варті результату – глибокого і докладного розуміння маркетингу компанії, правильного розподілу бюджету та ефективних стратегій на основі даних.

***

Дізнатися більше про секрети успішного маркетингу можна на нашому каналі в Telegram – Secretmarketingua

***

Джерело: rusability.ru