Когортный анализ (Cohort Analysis): инструмент для измерения удержания, а не просто группировка

Когортный анализ (Cohort Analysis): инструмент для измерения удержания, а не просто группировка

Когортный анализ — метод, при котором пользователей объединяют в группы (когорты) по времени совершения первого целевого действия (регистрация, первая покупка, подписка) и затем отслеживают их поведение в последующие периоды. Главное отличие от сегментации: когорты фиксированы по моменту входа в воронку, а сегменты — по текущим атрибутам (пол, регион, канал). Ошибка — считать когортой любой срез по дате, например «все покупки за январь». Это временной срез, а не когорта: состав группы меняется каждый день.

Типичная ошибка в дашбордах Power BI — строить сводную таблицу «месяц к месяцу» без фиксации когорты. Например, сравнивать Retention второго месяца у пользователей января и февраля, но забывать, что у февральской когорты ещё не прошёл полный второй месяц. Или путать *повторные покупки* (общий показатель) с *удержанием когорты* (доля вернувшихся от исходной группы).

Пример из e-com 2026: средний чек падает на 6%, компания делает ставку на LTV. Дашборд Power BI с когортами по месяцам регистрации показывает, что Retention на 3-й месяц у когорты «апрель-2025» был 26%, а у «апрель-2026» — 18%. При этом общий DAU вырос — маскирует проблему. Вывод: не просто удерживать, а пересматривать онбординг и программу лояльности для новых пользователей. В Power BI это реализуется через DAX-меры с CALCULATE и FILTER по дате первой покупки, а не через стандартный график «активные по месяцам».

— @PowerBIforMarketingPro