Когортный анализ: продвинутый уровень

Когортный анализ — мощный инструмент для понимания поведения пользователей во времени. Базовый retention по дням — только начало. Продвинутые техники дают глубокие инсайты.

Базовый vs Продвинутый когортный анализ

Базовый: «Какой retention у пользователей, зарегистрировавшихся в январе?»

Продвинутый: «Какой retention у пользователей из Алматы, пришедших с Instagram, которые совершили первую покупку в первые 3 дня?»

Behavioral Cohorts

Вместо когорт по дате регистрации — когорты по поведению.

Примеры: - Пользователи, совершившие 3+ покупки в первый месяц - Пользователи, использующие feature X - Пользователи, приглашённые другом

Как строить behavioral cohorts

1. Определите гипотезу: «Пользователи, которые [действие], имеют лучший retention» 2. Создайте когорту в Amplitude/Mixpanel 3. Сравните с базовой когортой 4. Если retention выше — найдите способ привести больше пользователей к этому действию

Пример анализа

Гипотеза: «Пользователи, добавившие товар в избранное в первый день, имеют выше retention»

Результат: - С избранным D30: 35% - Без избранного D30: 12%

Вывод: онбординг должен вести к добавлению в избранное.

Сегментация когорт

Разбивайте когорты по:

1. Источник привлечения — organic vs paid, Instagram vs Google 2. География — города, регионы 3. Платформа — iOS vs Android vs Web 4. Поведение — power users vs casual 5. Время — будни vs выходные, утро vs вечер

Aha-moment анализ

Aha-moment — действие, после которого retention резко растёт.

Как найти: 1. Выгрузите всех пользователей с retention 30+ дней 2. Найдите общие действия в первую неделю 3. Сравните с пользователями, которые ушли 4. Ищите корреляции

Примеры aha-moments: - Facebook: добавить 7 друзей за 10 дней - Dropbox: загрузить файл с другого устройства - Slack: отправить 2000 сообщений командой

Cohort Curves

Сравнивайте кривые retention разных когорт:

1. Временные когорты — улучшается ли retention со временем? 2. Эксперименты — когорта A/B-теста vs контроль 3. Фичи — до и после запуска фичи

Анализ LTV по когортам

LTV разный для разных когорт: - Пользователи с paid traffic могут иметь ниже LTV - Пользователи из определённого сегмента могут платить больше

Это важно для расчёта оптимального CAC по каналам.

Инструменты

- Amplitude — Behavioral Cohorts, Compass (автопоиск aha-moment) - Mixpanel — Cohorts, Impact Report - SQL + Python — для кастомного анализа

Практический чеклист

- [ ] Определите 3-5 behavioral cohorts для анализа - [ ] Сравните retention behavioral cohorts vs baseline - [ ] Найдите aha-moment вашего продукта - [ ] Сегментируйте когорты по источнику и платформе - [ ] Анализируйте LTV по когортам

Визуализация ключевых концепций

flowchart TD
    subgraph Аналитика["Ключевые метрики"]
        M1["Acquisition"]
        M2["Activation"]
        M3["Retention"]
        M4["Revenue"]
        M5["Referral"]
    end
    
    M1 --> M2 --> M3 --> M4 --> M5
    
    subgraph Инструменты["Инструменты"]
        GA["GA4"]
        AMP["...