Когортный анализ

Что такое когортный анализ

Когортный анализ — это способ изучать поведение групп пользователей, которые начали взаимодействовать с продуктом в один и тот же период времени. Например, все пользователи, которые зарегистрировались в приложении в марте 2024 года — это одна когорта. Вместо того чтобы смотреть на всех пользователей как на одну большую массу, когортный анализ разбивает их на «группы по дате входа» и отслеживает, как каждая группа ведёт себя со временем.

Представь, что ты устраиваешь вечеринку и хочешь понять, кто из гостей остаётся до конца. Ты не просто считаешь всех гостей сразу — ты разделяешь их на группы: кто пришёл в 19:00, кто в 20:00, кто в 21:00. Потом смотришь, какая группа дольше остаётся, кто уходит быстрее. Когортный анализ делает то же самое — только с пользователями.

Этот метод помогает увидеть, не просто «сколько людей пришло», а «как они ведут себя со временем». Это как смотреть на историю жизни каждой группы, а не только на её текущее состояние.

Зачем нужен когортный анализ

Когортный анализ помогает понять, что именно влияет на удержание пользователей — а не просто считать общие цифры, которые могут вводить в заблуждение. Например, если у тебя резко выросла регистрация, но при этом люди быстро уходят — обычные метрики покажут «успех», а когортный анализ покажет: «новые пользователи не возвращаются». Это важная разница.

Он полезен, потому что:

• Показывает, насколько хорошо продукт удерживает пользователей со временем.
• Помогает понять, какие маркетинговые кампании привлекают качественных клиентов.
• Позволяет сравнивать разные группы: например, пользователей из Instagram vs. Google Ads.
• Указывает на проблемы в онбординге — если люди уходят через день, значит, им не объяснили, как пользоваться продуктом.
• Делает аналитику реалистичной: ты видишь, что происходит с конкретными людьми, а не со «средним пользователем» — которого в реальности нет.

Как это работает

Когортный анализ работает по простой логике: группируй, отслеживай, сравнивай.

Шаг 1: Определи когорты

Выбери временной интервал — например, неделя или месяц. Каждая группа пользователей, которая начала использовать продукт в этот период — отдельная когорта.

Шаг 2: Выбери метрику

Что ты хочешь измерить? Чаще всего — удержание: сколько человек вернулись через 1, 7, 30 дней после первого использования.

Шаг 3: Собери данные

Система записывает, кто и когда зашёл в первый раз. Потом отслеживает, кто вернулся через день, неделю, месяц.

Шаг 4: Построй таблицу

В строках — когорты (по дате входа), в столбцах — временные интервалы. В ячейках — процент пользователей, которые вернулись в этот период.

Шаг 5: Анализируй

Если когорта, которая пришла в январе, через 30 дней удерживает 40% пользователей, а когорта из февраля — только 20%, значит, что-то изменилось: возможно, ухудшился онбординг или пришло больше «случайных» пользователей.

Виды когортного анализа

• Временной. Самый распространённый. Группы по дате первого действия — например, пользователи, зарегистрировавшиеся в марте. Используется для анализа удержания и жизненного цикла клиента.
• Поведенческий. Группы по действиям — например, пользователи, которые купили первый товар, или сделали три действия в приложении. Помогает понять, какие поведения ведут к лояльности.
• Платежный. Группы по первому платежу — например, пользователи, которые заплатили в первый месяц. Показывает, как долго они продолжают платить.

Обычно используют именно временной анализ — он самый простой и даёт чёткую картину. Поведенческий и платежный применяют, когда нужно глубже понять причины удержания.

Простой пример

Допустим, ты запустил мобильное приложение для ежедневных упражнений. В январе ты привлёк 1000 пользователей — они начали заниматься. Через неделю 450 из них вернулись. В феврале пришло тоже 1000, но через неделю вернулись только 280.

Ты думал: «Всё хорошо, пользователей стало больше!» — но когортный анализ показал: новые пользователи уходят быстрее.

Тогда ты проверил, что изменилось: в феврале ты упростил регистрацию — теперь люди заходят без email, просто через Google. Но они не получают напоминания и не понимают, как пользоваться приложением.

Ты добавил короткое видео-руководство на первый экран — и через месяц удержание в февральской когорте выросло с 28% до 40%.

Без когортного анализа ты бы не заметил эту проблему — потому что общее число пользователей росло. А с ним ты понял: качество важнее количества.

Как начать

1. Выбери один продукт или функцию, которую хочешь улучшить — например, удержание пользователей в мобильном приложении.
2. Определи когорты по дате первого действия — например, все, кто зашёл в приложение с 1 по 7 января.
3. Используй бесплатный инструмент — Google Analytics, Amplitude или даже Excel. Загрузи данные о дате первого входа и последующих визитах.
4. Построй таблицу удержания — для каждой когорты посчитай, сколько пользователей вернулись через 1, 7 и 30 дней.
5. Сравни когорты между собой — если одна группа удерживается хуже, ищи причину: реклама? онбординг? технические ошибки?

Частые вопросы

Чем когортный анализ отличается от обычной аналитики?
Обычная аналитика показывает «сейчас»: сколько пользователей онлайн сегодня. Когортный анализ показывает «как менялось»: как ведут себя люди, которые пришли месяц назад. Это как сравнить фото и видео — один кадр против целой истории.

Можно ли обойтись без когортного анализа?
Да, если ты только запускаешь проект и у тебя мало пользователей. Но как только их станет больше 100–500 — без когортного анализа ты будешь действовать наугад. Ты не поймёшь, почему люди уходят.

Кому в первую очередь стоит разбираться в когортном анализе?
Продукт-менеджерам, маркетологам и основателям стартапов. Если ты отвечаешь за то, чтобы пользователи не уходили — этот инструмент твой главный помощник.