Когортный анализ: как увидеть реальное удержание клиентов во времени

Средние метрики часто успокаивают раньше времени. Выручка растет, база пополняется, рассылки дают заказы — но через два месяца оказывается, что новые клиенты почти не возвращаются, акция привела разовых покупателей, а повторные продажи держатся на старой лояльной базе.

Когортный анализ нужен именно для таких ситуаций. Он показывает не просто «сколько клиентов купили в марте», а что произошло с конкретной группой клиентов после первой покупки, регистрации, установки приложения или вступления в программу лояльности. Для CRM-маркетолога это способ увидеть, где на самом деле улучшается удержание, какой канал приводит качественных клиентов и в какой момент нужно включать коммуникации.

Зачем CRM-маркетологу когортный анализ

Обычный отчет показывает результат за период: выручку, количество заказов, активных клиентов, средний чек. Это полезно, но такой отчет смешивает клиентов с разной историей: новых, постоянных, вернувшихся после паузы, участников акции, гостей новой точки, подписчиков старой базы.

Когортный анализ разделяет эту массу на группы и показывает динамику каждой группы отдельно. Поэтому он помогает отвечать на вопросы, которые не видны в среднем отчете:

• клиенты, привлеченные в январе, возвращаются лучше или хуже клиентов, привлеченных в феврале;
• акция дала долгосрочных покупателей или только разовый всплеск;
• новая welcome-цепочка улучшила вторую покупку или просто совпала с сезонным спросом;
• клиенты из программы лояльности копят ценность быстрее, чем клиенты без карты;
• в какой момент после первой покупки чаще всего начинается отток;
• какие каналы приводят клиентов с нормальной жизненной ценностью, а какие — дешевые первые заказы без повторов.

Для CRM это особенно важно, потому что работа с базой почти всегда растянута во времени. Первое касание редко показывает реальную ценность клиента. Нужно смотреть, что происходит через 7, 30, 60 или 90 дней после стартового события.

Что такое когортный анализ простыми словами

Когорта — это группа клиентов, которых объединяет одно стартовое событие или общий признак в определенный период. Например:

• клиенты, которые сделали первую покупку в январе;
• гости, которые вступили в программу лояльности на открытии новой кофейни;
• покупатели, пришедшие из конкретной рекламной кампании;
• пользователи, которые впервые заказали доставку после промокода;
• клиенты, которые купили товар из одной категории в один месяц.

Когортный анализ — это наблюдение за такой группой во времени. Мы берем когорту и смотрим, как меняется ее поведение: сколько клиентов вернулось, сколько заказов они сделали, сколько выручки принесли, как быстро перестали покупать.

Главное в методе — временная ось. Не просто «кто эти клиенты», а «что с ними происходит после старта».

Чем когорта отличается от сегмента и RFM

Сегмент — это срез базы по признаку на конкретный момент. Например: «клиенты из Москвы», «покупали кофе за последние 30 дней», «средний чек выше 1500 рублей», «есть согласие на push-уведомления».

Когорта тоже может быть сегментом, но у нее есть стартовая точка и наблюдение во времени. Например: «клиенты, впервые купившие в марте» — это когорта. Дальше мы смотрим, сколько из них вернулись в апреле, мае и июне.

RFM-анализ отвечает на другой вопрос: в каком состоянии клиент сейчас по давности, частоте и сумме покупок. Он помогает выделить лояльных, спящих, новых или ценных клиентов. Когортный анализ показывает, как группы клиентов приходят к этим состояниям со временем.

Проще:

Эти методы не заменяют друг друга. В сильной CRM-аналитике они работают вместе: когорта показывает динамику, RFM помогает выбрать действие для конкретных клиентов, сегментация задает условия для сценариев.

Какие данные нужны для когортного анализа

Для базового когортного анализа не нужен сложный набор данных. Но данные должны быть связаны с конкретным клиентом, иначе анализ превратится в общий отчет по заказам.

Минимальный набор:

• уникальный идентификатор клиента: номер карты лояльности, телефон, email, ID в CRM или CDP;
• дата стартового события: первая покупка, регистрация, вступление в программу, первый заказ доставки;
• даты повторных событий: заказы, визиты, открытия приложения, списания бонусов;
• сумма заказов или другая денежная метрика;
• канал или источник привлечения, если нужно сравнивать качество трафика;
• точка продаж, город, категория товара или тип оффера, если это важно для бизнеса.

Для CRM-маркетинга особенно полезно добавить данные о коммуникациях: получал ли клиент welcome-цепочку, push, SMS, email, бонус на вторую покупку, реактивационное предложение. Тогда когорты можно сравнивать не только по факту покупки, но и по сценариям, которые на них воздействовали.

В PremiumBonus такие данные можно использовать в одном контуре: клиентская база, программа лояльности, сегменты, коммуникации и аналитика связаны между собой. Это важно для когортного анализа, потому что стартовое событие, повторные покупки и дальнейшие сценарии не должны жить в разных отчетах без общего ID клиента.

Какие метрики смотреть по когортам

Метрика зависит от задачи. Если цель — удержание, смотрите активность и повторные покупки. Если цель — окупаемость привлечения, добавляйте выручку и LTV. Если проверяете программу лояльности, смотрите не только покупки, но и использование бонусов.

Основные метрики:

• удержание клиентов — какая доля когорты остается активной через каждый период;
• повторная покупка — сколько клиентов сделали второй, третий и следующие заказы;
• выручка на клиента — сколько денег приносит средний клиент из когорты;
• LTV — какую ценность набирает когорта за выбранный срок;
• средний чек — растет или падает стоимость заказа у клиентов когорты;
• частота покупок — как часто клиенты возвращаются;
• отток — когда клиенты перестают проявлять активность;
• доля клиентов с коммуникациями — помогает понять, какие сценарии могли повлиять на результат.

Не стоит смотреть только одну метрику. Когорта может хорошо удерживаться, но приносить мало выручки. Или наоборот: давать высокий первый чек, но быстро исчезать. Для CRM-решений важна связка: удержание, повторная покупка, выручка и стоимость воздействия.

Пример когортной таблицы

Допустим, сеть кофеен хочет понять, как возвращаются клиенты после первой покупки. Когорты собраны по месяцу первой покупки, а в ячейках указана доля клиентов, которые сделали хотя бы одну повторную покупку в следующие месяцы.

Как читать таблицу:

• строки показывают разные группы клиентов по месяцу первой покупки;
• столбцы показывают, что происходило с каждой группой через одинаковое количество месяцев после старта;
• сравнивать нужно не «январь с мартом в календаре», а одинаковый возраст когорты: месяц 1 с месяцем 1, месяц 2 с месяцем 2;
• если мартовская когорта резко хуже остальных, нужно искать причину: акция привела случайных клиентов, изменилась география, был слабый оффер на вторую покупку, ухудшилось качество сервиса или не сработала коммуникация после первой покупки.

В такой таблице видно то, что средний отчет скроет. В марте мог быть рекорд по новым клиентам, но если они почти не вернулись, рост базы не означает рост устойчивой выручки.

Как применять когортный анализ в CRM-маркетинге

Когортный анализ ценен не сам по себе, а как вход в решения. Его задача — подсказать, где менять сценарии, офферы, каналы и правила работы с базой.

Проверить качество привлечения

Можно сравнить когорты по каналам первой покупки: реклама, органический поиск, партнерская акция, промокод, рекомендация друга. Если один канал дает дешевых клиентов, но через 60 дней они почти не покупают, стоимость привлечения может быть обманчиво низкой.

Найти момент для второй покупки

Если видно, что большинство клиентов возвращается на 10–14-й день, коммуникацию на вторую покупку не нужно отправлять на третий день. Если падение начинается после 21-го дня, сценарий удержания лучше запускать до этого момента, а не когда клиент уже ушел в долгую паузу.

Оценить welcome-цепочку

Сравните когорты до и после запуска welcome-сценария. Если после запуска выросла доля второй покупки в первый месяц, это хороший сигнал. Но вывод лучше проверять аккуратно: могли повлиять сезонность, ассортимент, акция или изменение трафика.

Понять эффект программы лояльности

Можно сравнить клиентов, вступивших в программу лояльности в разные месяцы, и смотреть, как быстро они делают повторные покупки, копят и списывают бонусы, переходят в более ценные группы. Если участники программы возвращаются чаще, но средний чек падает из-за постоянных скидок, механику нужно пересматривать.

Управлять реактивацией

Когорты показывают, когда клиентская группа начинает терять активность. Это помогает не запускать реактивацию вслепую. Для доставки один нормальный цикл может быть 14 дней, для магазина мебели — месяцы. Без когорт легко принять естественную паузу за отток или, наоборот, опоздать с коммуникацией.

Сравнить точки, города и категории

Если ресторанная сеть открыла новую точку, когортный анализ покажет не только первый поток гостей, но и повторные визиты. Для магазинов можно сравнить клиентов, впервые купивших разные категории: одни категории приводят к повторным покупкам, другие остаются разовыми.

Что делать с выводами когортного анализа

Когортная таблица не должна оставаться красивым отчетом. После анализа нужно сформулировать гипотезу и перевести ее в действие.

Примеры:

• если когорта из промоакции плохо возвращается, проверить оффер: возможно, скидка привела клиентов без интереса к регулярной покупке;
• если вторая покупка чаще всего происходит на 12-й день, настроить коммуникацию на 9–10-й день;
• если клиенты из одной точки хуже удерживаются, проверить сервис, ассортимент, скорость обслуживания или локальные предложения;
• если когорта после запуска бонусной механики возвращается чаще, сравнить прирост выручки с расходом на бонусы;
• если клиенты из SMS быстро покупают, но чаще отписываются, пересмотреть частоту и роль канала.

Важно: когортный анализ показывает закономерность, но сам по себе не доказывает причину. Чтобы убедиться, что результат дала именно коммуникация, оффер или программа лояльности, нужны тесты, контрольные группы и сравнение с похожими клиентами без воздействия.

Частые ошибки в когортном анализе

Самая частая ошибка — собрать таблицу и сразу принять любое отличие за вывод. В когортах много нюансов: размер группы, сезонность, акции, изменение продукта, разные каналы привлечения.

Что особенно опасно:

• слишком маленькие когорты: несколько десятков клиентов могут дать случайные скачки;
• смешение разных стартовых событий: регистрация, первая покупка и первое списание бонусов — разные точки отсчета;
• сравнение разных возрастов когорты: нельзя честно сравнивать третий месяц январской когорты с первым месяцем мартовской;
• игнорирование сезонности: декабрьские покупатели могут вести себя иначе не из-за CRM, а из-за праздничного спроса;
• фокус только на процентах удержания: иногда важнее выручка, маржа или частота заказов;
• вывод причинности без проверки: если после рассылки когорта стала активнее, это еще не значит, что рост вызвала только рассылка;
• отсутствие единого ID клиента: без связки заказов, каналов и профиля клиента когорты будут неточными.

Хороший когортный анализ не пытается объяснить всё одной таблицей. Он помогает найти место, где нужно копать глубже.

Когда когортный анализ особенно полезен

Метод стоит применять, когда у бизнеса есть повторные действия клиентов и достаточно данных для сравнения. Он особенно полезен для программ лояльности, ресторанных сетей, кофеен, доставки, магазинов с повторными покупками, электронных продаж, сервисов подписки и приложений.

Когортный анализ нужен, если:

• есть регулярный приток новых клиентов;
• важна повторная покупка;
• работает программа лояльности;
• есть несколько каналов привлечения;
• запускаются CRM-сценарии и нужно оценивать их эффект;
• бизнес хочет понимать не только продажи сегодня, но и ценность клиента через несколько периодов.

Если покупка почти всегда разовая и повторного поведения нет, метод будет менее полезен. В таком случае лучше смотреть воронку, источники, конверсию и экономику сделки.

Внутренние ссылки по теме

• RFM-анализ — чтобы оценивать текущее состояние клиентов по давности, частоте и сумме покупок.
• Сегментация клиентов — чтобы превращать выводы аналитики в рабочие группы для коммуникаций.
• Удержание клиентов — чтобы связать когорты с задачей повторных покупок и снижения оттока.
• LTV — чтобы смотреть не только возвраты, но и накопленную ценность клиента.
• Реактивация клиентов — чтобы использовать когорты для выбора момента возврата.
• A/B-тесты в CRM-маркетинге — чтобы проверять гипотезы, найденные в когортном анализе.
• Контрольная группа — чтобы отделять эффект коммуникации от естественного поведения клиентов.

FAQ

Чем когортный анализ отличается от сегментации?

Сегментация делит клиентов по признакам: город, чек, активность, категория покупок, канал. Когортный анализ добавляет время: он смотрит, что происходит с группой клиентов после общего стартового события.

Какой период брать для когорты?

Зависит от цикла покупки. Для кофеен и доставки подойдут недели или месяцы. Для магазинов с редкими покупками — месяцы или кварталы. Главное — сравнивать когорты на одинаковом возрасте: например, 30 дней после первой покупки с 30 днями после первой покупки.

Можно ли делать когортный анализ в CRM?

Да, если CRM хранит историю клиентов, заказов, коммуникаций и позволяет связывать события с одним клиентским профилем. Если отчетов не хватает, данные можно выгрузить в таблицу или BI-систему.

Какие метрики важнее всего?

Для CRM обычно важны удержание, повторная покупка, частота заказов, выручка на клиента и LTV. Но набор метрик зависит от задачи: для реактивации важен момент падения активности, для привлечения — окупаемость и ценность клиентов из разных каналов.

Нужен ли когортный анализ малому бизнесу?

Да, если есть повторные покупки и хотя бы несколько месяцев истории. Малому бизнесу не обязательно строить сложную систему: иногда достаточно таблицы по месяцам первой покупки и повторным заказам, чтобы увидеть, когда клиенты перестают возвращаться.