Как с помощью когортного анализа определить — чего хочет пользователь?

uploadcjo0jjxw44.png

Пошаговый мануал от E-Promo

Каждый день мы оставляем за собой след, путешествуя по просторам всемирной паутины. Пользователи ежеминутно генерируют неисчислимое количество информации, делая вклад в формирование биг даты, работа с которой сегодня является необходимостью для большинства онлайн-бизнесов.

Из-за обилия данных становится сложнее определить пользу информации для принятия окончательного решения. Нужно заручиться определённым набором инструментов, чтобы оперативно ориентироваться в массивах даты и эффективно работать с ними. Один из них — когортный анализ, об особенностях которого я расскажу в этой статье.

Необходим сайт, мобильное приложение, услуги по SEO или контекстной рекламе? Тендерная площадка WORKSPACE поможет выбрать оптимального исполнителя. База проекта насчитывает более 10 500 агентств. Сервис БЕСПЛАТЕН для заказчиков.

Что это такое

Когортный анализ — подраздел поведенческой аналитики, направленный на получение информации о паттернах и тенденциях поведения пользователя на протяжении определённого промежутка времени в рамках его жизненного цикла. Современный когортный анализ помогает не только обрабатывать данные, но и наглядно их визуализировать.

  1. Как покупатели взаимодействуют с сайтом на протяжении длительного промежутка времени?

  2. Какие паттерны пользовательского поведения существуют и в чём могут быть их причины?

  3. Какой эффект имеют на пользователей разные рекламные кампании?

Если вы задаётесь этими вопросами и не знаете, как быстро найти на них ответ — поможет когортный анализ.

Основной принцип когортного анализа — разделение данных на родственные группы (когорты) на основе перформанс-метрик или бизнес-показателей. Это отличается от классического подхода, когда массив данных рассматривается и анализируется целиком.

Чаще всего пользователи делятся на когорты в зависимости от времени целевого действия — посещение страницы, регистрация, заполнение формы, загрузка, покупка и т.д. Другими словами, когорта — это сегмент пользователей, которые совершили определённое действие в заданный интервал времени.

Простой пример деления покупателей на когорты на основе даты первой покупки:

Когортный анализ позволяет сконцентрироваться только на тех данных, которые имеют значение для определённых целей. Мы можем быстрее выявить поведенческие тренды и определить факторы, влияющие на эти тренды, рассматривая пользователей в рамках когорт на конкретных промежутках времени.

Этот метод анализа помогает определить причины оттока пользователей, оценить эффективность рекламных кампаний в долгосрочной перспективе и стратегии удержания клиентов, узнать их покупательские привычки.

Алгоритм когортного анализа

Клиент — региональный интернет-магазин профессиональной косметики.

Цели анализа — определить, как пользователи взаимодействуют с интернет-магазином на протяжении времени и выяснить причины паттернов покупательского поведения, если такие будут обнаружены.

Для анализа использовались данные из CRM: дата и сумма заказа, order ID и client ID, а также канал, по которому клиент пришёл на сайт.

Взяли интересующий нас отрезок времени, чтобы определить, к какой когорте относится пользователь. Отрезок, в нашем случае год, разбили на равные интервалы — месяцы. Когорты пользователей строили на основе даты первой покупки.

Благодаря этим данным удалось определить, сколько прибыли принесла каждая когорта в течение года.

Диаграмма помогает лучше понять информацию.

На основе полученных данных можно сделать выводы:

  • Члены каждой когорты приносят клиенту наибольшую прибыль в течение первого месяца, затем количество покупок существенно снижается;

  • Клиенты позитивно реагируют на «техники удержания», например, ремаркетинговые кампании или приуроченные к праздникам акции — это видно по пикам активности пользователей на диаграмме;

  • Существующие клиенты имеют потенциал для развития. С ними необходимо работать, чтобы увеличить прибыль, избежав затрат на привлечение новых клиентов.

Есть много сценариев, по которым можно построить когортный анализ. Всё ограничивается только доступными вам данными и смекалкой. Начать можно с простого и быстрого анализа — вы точно сможете сделать его «на коленке».

5 шагов:

  1. Подготовить данные о пользователях и покупках;

  2. Импортировать данные в Google Sheets;

  3. Привести их в порядок;

  4. Прописать формулы и создать таблицы;

  5. Наслаждаться своим великолепием.

1

Подготовка и импорт данных

Вне зависимости от того, насколько глубоким вы планируете анализ и сколько факторов хотите затронуть, ваш сет данных должен содержать:

  • Дату, на основании которой пользователь будет определён в какую-либо когорту — например, дата регистрации;

  • Дату конверсионного действия — покупки, скачивания и т.д.

2

Создание таблицы

Легче всего визуализировать таблицу, где строки — когорты, а столбцы — интервал времени, на протяжении которого пользователи совершают или не совершают необходимое действие.

Цифра в этой клетке означает, сколько пользователей, зарегистрированных с октября по ноябрь, совершило конверсионное действие.

3

Приводим данные в порядок

В первую очередь нужно отформатировать и развести данные по разным листам, чтобы процесс анализа был максимально быстрым и удобным.

Создайте лист, где будут храниться ваши исходные данные: ID пользователей, даты регистрации и конверсионных действий, столбец с нумерацией пользователей (для подсчёта количества пользователей в когорте необходимо каждому присвоить значение 1)

Таблицу с результатами анализа и диаграммами лучше вынести на отдельный лист.

4

Работа с формулами

Формула SUMIFS суммирует данные в интервале на основе разных критериев.

=SUMIFS (sum range, criteria_range1, criterion1, [criteria_range2, criterion2, ...])

Проще говоря,

sum_range = колонка с результатом (какое кол-во человек принадлежит к той или иной когорте);

criteria_range1 = диапазон поиска;

criterion1 = критерий поиска;

criteria_range2 & criterion2 = добавочные условия, которые можно использовать для определения более сложных сегментов.

Для примера выше:

sum_range = интервал, включающий всех рассматриваемых пользователей;

criteria_range1 = диапазон дат, в течение которых пользователь должен зарегистрироваться, чтобы принадлежать какой-либо когорте;

criterion1 = диапазон дат, в течение которых произошло конверсионное действие (доп. критерий отбора пользователей).

Формула должна выглядеть таким образом:

=SUMIFS('Data'!$F$2:$F$625,'Data'!$D$2:$D$625,">"&$C$1,'Data'!$D$2:$D$625,"<"&$D$1,'Data'!$E$2:$E$625,">"&A7,'Data'!$E$2:$E$625,"<"&A8)

5

Визуализация результатов

Для получения результатов останется заполнить таблицу, используя формулу (по примеру), посчитать сумму каждой когорты и построить диаграмму.

Формула проверяет данные на предмет соответствия заданным условиям: дата регистрации и конверсионного действия, и по итогу выводит сумму — количество пользователей в когорте. Диаграмма делает понятнее динамику их поведения.

Готово! Вы только что справились с когортным анализом. Теперь сможете получать полезные инсайты о вашей аудитории, не затрачивая на это много времени и сил.

Инструмент станет ещё полезнее, если добавить несколько метрик и условий, а также исследовать недельные или дневные когорты.

Полный текст статьи читайте на CMS Magazine