- Когортный анализ группирует клиентов по месяцу их первого заказа и сравнивает группы в одном возрасте, чего не могут месячные итоги.
- Читайте строки, чтобы следить за одной когортой во времени, столбцы — чтобы сравнивать когорты в одном возрасте, и диагонали — чтобы видеть календарные эффекты, например ноябрьскую распродажу.
- Сравнивайте когорты на одного клиента и по валовой прибыли, чтобы размер когорты и скидки на первый заказ не искажали результат.
- Когорту стоит привлекать, когда её накопленная валовая прибыль на клиента превышает CAC за приемлемый для вас срок.
Когортный анализ в e-commerce группирует клиентов по месяцу их первого заказа и следит за тем, что каждая группа покупает в следующие месяцы. Он показывает, возвращаются ли клиенты, которых вы привлекаете сегодня, и тратят ли они столько же, сколько клиенты, привлечённые раньше. Месячный итог выручки этого показать не может, потому что смешивает новых и повторных клиентов любого возраста.
Это руководство объясняет, как построить таблицу когорт привлечения, как читать удержание и накопленную валовую прибыль на клиента, какие ошибки искажают картину и что показывает ROASaurus.
Что такое когортный анализ?
Когорта — это группа клиентов с общей точкой отсчёта. В e-commerce обычно это первый заказ. Все, кто впервые купил в марте, — мартовская когорта, из какого бы канала они ни пришли.
В таблице когорт одна строка на когорту и один столбец на период с момента первого заказа. M0 — месяц первого заказа, M1 — следующий за ним месяц и так далее. Каждая ячейка отвечает на один вопрос для одной группы в одном возрасте: сколько клиентов вернулось, сколько они потратили или сколько валовой прибыли принесли.
Такая структура сравнивает клиентов одного возраста. Мартовскую когорту в её третий месяц можно сравнить с июньской когортой в её третий месяц, хотя эти месяцы приходятся на разные сезоны.
В Shopify есть встроенный отчёт когортного анализа клиентов, который так же группирует клиентов по первому заказу. Его метрики — число клиентов, удержание и продажи. Чтобы увидеть когорты по валовой прибыли, нужны ещё и расходы по каждому заказу: стоимость товара, доставка, платёжные комиссии и обработка.
Как построить таблицу когорт
- Соберите оплаченные заказы с идентификацией клиента
Каждому заказу нужен id клиента или адрес email. Без него нельзя связать второй заказ с первым. Исключите отменённые и неоплаченные заказы.
- Найдите первый заказ каждого клиента
Месяц этого заказа — когорта клиента.
- Присвойте каждому заказу возраст
Посчитайте месяцы между месяцем когорты и месяцем заказа: 0 для первого месяца, 1 для следующего и так далее.
- Сложите по когорте и возрасту
Просуммируйте заказы, выручку и валовую прибыль в каждой ячейке и посчитайте клиентов, которые заказывали.
- Разделите на размер когорты
Разделите на число клиентов в когорте, чтобы можно было сравнивать когорты разного размера.
- Выберите по периодам или накопленно
Ячейка по периоду показывает только этот месяц. Накопленная ячейка складывает все месяцы до текущего, и именно её вы сравниваете со стоимостью привлечения.
Google Analytics предлагает похожий выбор в когортном исследовании: стандартный, скользящий и накопленный расчёты. Стандартный считает каждый период отдельно, а накопленный складывает периоды до текущего. Для когорт интернет-магазина используйте ячейки по периодам для удержания и накопленные ячейки для ценности.
Как читать таблицу когорт
Вот таблица удержания для примера магазина по состоянию на начало января. Каждая ячейка показывает долю когорты, которая заказала снова в этом месяце.
| Первый заказ | Клиенты | M1 | M2 | M3 | M4 | M5 |
|---|---|---|---|---|---|---|
| Июль | 1,000 | 8% | 6% | 5% | 9% | 7% |
| Август | 900 | 8% | 6% | 10% | 7% | – |
| Сентябрь | 1,100 | 7% | 11% | 7% | – | – |
| Октябрь | 1,050 | 12% | 8% | – | – | – |
| Ноябрь | 2,400 | 5% | – | – | – | – |
Читайте строки
Строка следит за одной когортой во времени. В этом примере июльская когорта заказывает снова с долей 8% в первый месяц. К третьему месяцу доля падает до 5%, а затем подскакивает до 9% в ноябре.
Читайте столбцы
Столбец сравнивает когорты в одном возрасте. В M1 лучше всех показала себя октябрьская когорта — 12%, хуже всех ноябрьская — 5%. Но M1 октябрьской когорты пришёлся на ноябрь, месяц распродажи. Значит, часть этих 12% даёт распродажа, а не сама когорта.
Читайте диагонали
Диагональ — это один календарный месяц по всем когортам. Ноябрьская диагональ читается как 9%, 10%, 11% и 12%: все более старые когорты купили в ноябре больше. Когда диагональ выделяется, причина в том, что произошло в этом месяце: распродажа, запуск товара или проблема с доставкой. Это ничего не говорит о качестве когорт.
Настоящий вопрос — сама ноябрьская когорта. Она более чем вдвое больше остальных, но в декабре вернулись только 5% её клиентов. В том же месяце все остальные когорты вернулись с долей 7% или 8%.
Накопленная выручка и валовая прибыль на клиента
Удержание показывает, возвращаются ли клиенты. Накопленная ценность на клиента показывает, чего они стоят. Сложите всё, что когорта купила с первого заказа и далее, и разделите на число клиентов в когорте. Делайте это по валовой прибыли, а не только по выручке, потому что именно валовая прибыль окупает стоимость привлечения клиента.
За двумя линиями стоит следующее: первые заказы мартовской когорты в среднем составляли $70 при валовой марже 48%, поэтому оставляли $33.60 на клиента. Первые заказы ноябрьской когорты по полной цене составили бы $80 при той же валовой марже 48%. После скидки 20% они в среднем стали $64, а расходы остались $41.60. Валовая маржа упала до 35%, и каждый первый заказ оставлял $22.40. Скидка урезала маржу первого заказа, и меньше этих клиентов вернулось.
Когорту стоит привлекать, когда её накопленная валовая прибыль на клиента превышает CAC за приемлемый для вас срок. Месяц, когда это происходит, — период окупаемости. Для мартовской когорты это M0. Для ноябрьской это ещё не произошло. Как задать этот предел, описано в материале пожизненная ценность клиента для магазинов Shopify, а саму маржу объясняет маржинальная прибыль в e-commerce.
Типичные ошибки когортного анализа
Смешивание когорт разного размера
Когорта из 150 клиентов и когорта из 2,400 не заслуживают одинакового веса. Усредняя когорты, взвешивайте каждую по числу её клиентов. К маленьким когортам относитесь осторожно: в когорте из 150 клиентов трое клиентов, каждый из которых потратил на $200 больше, сдвигают среднее на $4.
Противоположная ошибка — сравнивать итоги когорт. У ноябрьской когорты больше всего выручки в сумме только потому, что в ней больше всего клиентов. Сравнивайте когорты на одного клиента.
Восприятие молодых когорт как худших
У когорты, начавшейся в прошлом месяце, был один месяц на покупки. Сравнивайте её только с более старыми когортами в том же возрасте. Последняя ячейка строки может быть и текущим месяцем, который ещё не закончился, поэтому она выглядит низкой, пока месяц не завершится.
Игнорирование сезонности
Когорты, привлечённые в месяц распродажи, например в ноябре, ведут себя иначе, чем когорты, привлечённые по полной цене. Сравнивайте их с тем же месяцем годом ранее, а не с предыдущим месяцем. И проверяйте диагонали, прежде чем винить когорту: если у всех когорт был слабый месяц одновременно, причина в календаре.
Игнорирование скидок на первый заказ
Скидка на первый заказ приводит клиентов с меньшей маржой, а часть из них пришла за скидкой, а не за товаром. Разделите когорты по коду скидки на первом заказе и сравните их валовую прибыль на клиента.
Потеря клиентов, оформляющих заказ как гости
Если вернувшийся клиент оформляет заказ с другим адресом email, он выглядит как новый клиент. Его второй заказ начинает новую когорту, а не считается повторным. Тогда доля повторных заказов получается слишком низкой, а число новых клиентов — слишком высоким. Поощряйте создание аккаунтов клиентов и воспринимайте долю повторных заказов как нижнюю границу.
Как использовать результаты когортного анализа
- Определите, сколько вы можете заплатить за клиента. Посмотрите накопленную валовую прибыль на клиента на приемлемом для вас сроке окупаемости, например 6 месяцев. Это ваш максимальный CAC.
- Переносите бюджет на когорты, которые повторяют покупки. Разделите когорты по первому товару, коду скидки или первому рекламному каналу и направьте больше бюджета на группы, которые продолжают покупать.
- Выбирайте время для follow-up писем. Если большинство вторых заказов приходится на второй месяц, отправляйте напоминание до него, а не после.
- Исправьте предложение на первый заказ. Если когорты со скидкой так и не догоняют, протестируйте меньшую скидку или другое предложение и сравните новые когорты через три месяца.
- Оценивайте убытки на первом заказе по окупаемости. Когорта, которая окупается в M2, может оправдать кампании ниже их ROAS безубыточности на первом заказе. Когорта, которая никогда не окупается, — нет.
Когортный анализ в ROASaurus
Отчёт по когортам в пожизненной ценности клиента ROASaurus строится из ваших заказов и расходов на товар в аналитике прибыли. Клиенты определяются по ID клиента Shopify или по email, и учитываются только оплаченные заказы.
- Когорты по неделе, месяцу, кварталу или году первого заказа, в виде матрицы или кривых, с экспортом в CSV.
- 14 метрик, среди них Customers returning (%), Cumulative orders per customer, Cumulative revenue per customer и Cumulative contribution margin per customer. Последняя метрика вычитает расходы на товар, доставку, комиссии заказа, платёжные комиссии, обработку и сквозной налог и считается до рекламных расходов. Именно она соответствует валовой прибыли на клиента в том смысле, в котором этот термин используется в руководстве. В отчёте есть и метрика Cumulative gross profit per customer, но она оставляет собранный вами налог, пока Taxes collected не установлено в значение Left out of revenue в разделе Profit › Cost settings.
- Каждая строка показывает число клиентов, CAC, R% (долю тех, у кого уже есть второй заказ) и средний первый заказ. CAC — это рекламные расходы за период когорты, делённые на всех новых клиентов, привлечённых в нём.
- Строка средних взвешивает метрики на клиента по числу клиентов в каждой когорте.
- Зелёная рамка отмечает период, в котором накопленная маржа когорты на клиента превысила её CAC: период окупаемости.
- Для месячных когорт ячейки в полоску показывают прогнозные значения на срок до 24 месяцев, построенные по кривой повторных покупок вашего магазина.
- Фильтры по первому заказу: первый товар, тип товара, поставщик, код скидки, страна, первый рекламный канал, канал продаж, источник, канал или кампания UTM, тег клиента или тег заказа.
- Доля повторных покупок по месяцу первого заказа в пределах 30, 60, 90, 180 и 365 дней. Окно, которое ещё не прошло для каждого клиента когорты, отмечено звёздочкой.
Ask AI тоже может отвечать на вопросы о ваших когортах. Он читает месячные когорты, накопленную маржинальную прибыль на клиента и месяц окупаемости CAC за вас.