Когортный анализ в интернет-магазине: как понять, возвращаются ли покупатели
Как собрать когорты покупателей, посчитать повторные заказы, удержание и выручку, а затем превратить отчёт в решения для CRM-маркетинга.
Когортный анализ нужен, чтобы отделить рост продаж от роста качества клиентской базы. Магазин может показывать рекордную выручку за счёт скидок и дорогой рекламы, но новые покупатели не будут возвращаться. В этом случае оборот растёт, а экономика ухудшается. Когортная таблица показывает, что происходит с клиентами после первого заказа и какие источники приводят более ценных покупателей.
Что такое когорта
Когорта — группа покупателей, объединённых событием и датой. В e-commerce чаще всего используют дату первой покупки. Например, январская когорта — все клиенты, у которых первый заказ состоялся в январе. В феврале проверяют, какая доля этой группы сделала ещё один заказ, в марте — какая доля вернулась снова.
Не путайте когорту с сегментом. Сегмент может быть постоянным: «покупатели из Москвы» или «клиенты с заказом дороже 10 000 ₽». Когорта привязана к стартовой точке и имеет возраст. Один клиент может попасть только в одну когорту по первой покупке, но дополнительно участвовать в сегментах по каналу или категории.
Когорты можно строить и по другим событиям:
- первая заявка или регистрация — для длинного цикла сделки;
- первая покупка конкретной категории — для анализа кросс-продаж;
- источник привлечения — для сравнения рекламных каналов;
- дата активации подписки — для подписочных моделей;
- первая поставка — для B2B-магазина.
Главное — не менять определение внутри одного отчёта. Если в январе стартом была оплата, а в феврале — создание заказа, выводы будут несопоставимы.
Как выглядит когортная таблица
В строках находятся когорты, а в столбцах — возраст группы. Вариант для повторных заказов может выглядеть так:
| Когорта первой покупки | Месяц 0 | Месяц 1 | Месяц 2 | Месяц 3 |
|---|---|---|---|---|
| Январь | 100% | 28% | 19% | 14% |
| Февраль | 100% | 24% | 16% | — |
| Март | 100% | 31% | — | — |
Это иллюстративный пример. В январской группе было 1 000 покупателей, 280 из них заказали снова в первый следующий месяц, 190 — во второй и 140 — в третий. Прочерк у мартовской когорты означает, что третий месяц ещё не наступил, а не нулевое удержание.
Вместо процента можно показывать среднее число заказов, выручку или валовую маржу на одного клиента. Процент удобен для удержания, деньги — для оценки ценности и окупаемости.
Основные метрики
Retention и повторная покупка
Для периода t простая формула выглядит так:
Retention(t) = клиенты когорты с покупкой в период t / размер когорты
Если клиент сделал два заказа в одном месяце, он всё равно считается одним вернувшимся клиентом. Для частоты заказов нужна отдельная метрика:
Заказы на клиента(t) = все заказы когорты в период t / размер когорты
Разделяйте эти показатели. Retention может быть стабильным, а число заказов на клиента — расти из-за более частых покупок.
Выручка и маржа когорты
Выручка отвечает на вопрос «сколько денег принесла группа», но не показывает, сколько осталось после скидок, комиссий, доставки, возвратов и себестоимости. Поэтому для решений о маркетинге добавляйте валовую маржу или вклад после переменных расходов.
Если в отчёте есть только выручка, рекламный канал с дорогими товарами будет выглядеть лучше дешёвого даже при меньшей прибыли. Для маркетплейсов это особенно опасно: удержания площадки и обратная логистика могут заметно менять результат.
LTV и окупаемость
Когортный LTV — накопленная ценность клиента за выбранный срок. Не называйте его пожизненной ценностью, если наблюдение длится только три месяца. Корректнее писать «LTV за 90 дней» или «маржа на клиента за шесть месяцев».
Сопоставляйте LTV с CAC — стоимостью привлечения клиента. Но сравнение делайте на одинаковом горизонте: CAC первого заказа и маржа за 30 дней отвечают на один вопрос, а CAC против годового LTV — на другой.
Как не испортить расчёт
Перед построением отчёта зафиксируйте правила данных:
- Что считается клиентом: email, телефон, ID аккаунта или объединённый профиль.
- Как обрабатываются гостевые заказы и дубли клиентов.
- Считаются ли отмены и возвращённые заказы.
- В какой день заказ попадает в период: создания, оплаты, отгрузки или выкупа.
- Включаются ли скидки, бонусы, доставка и налоги в показатель денег.
- Как учитываются заказы из офлайн-точек и маркетплейсов.
Как превратить таблицу в решения
Когортный анализ не должен заканчиваться красивейшим графиком. Для каждой заметной разницы сформулируйте гипотезу и действие.
- Первая покупка со скидкой даёт высокий старт, но низкий второй заказ. Проверьте качество привлечённого трафика и предложите сценарий повторной покупки без постоянного демпинга.
- Покупатели одной категории возвращаются лучше остальных. Попробуйте рекомендации сопутствующих товаров и отдельные цепочки после покупки.
- Канал привлекает много клиентов, но маржа на горизонте 90 дней низкая. Пересчитайте ставки, креативы и ограничения аудитории.
- Когорты после изменения доставки стали возвращаться реже. Проверьте сроки, стоимость и коммуникацию статуса заказа.
Сегментацию добавляйте после базовой таблицы. Сначала сравните месяцы первой покупки, затем разбейте их по каналу, категории, региону или типу клиента. Иначе маленькие группы будут давать шум и случайные всплески.
Минимальный процесс внедрения
Соберите выгрузку клиентов и заказов, присвойте каждому покупателю месяц первой покупки, а затем рассчитайте показатели по возрасту когорты. Начните с таблицы за 6–12 месяцев и обновляйте её регулярно. Когда определения стабилизируются, перенесите расчёт в BI или хранилище данных.
Проверяйте отчёт на нескольких известных клиентах вручную. Если человек с двумя заказами попал в две когорты или возврат увеличил выручку, проблема не в визуализации — нужно исправить модель данных.
Когортный анализ в маркетинге полезен не сам по себе. Он помогает увидеть, какие покупатели остаются с магазином после первой сделки, и направить бюджет туда, где растёт не только оборот, но и ценность клиентской базы.