Когортный анализ: зачем смотреть на группы юзеров, а не на средние цифры

Когда вы смотрите на общий retention 40%, это может быть обман. Одна когорта держит 60%, другая — 20%. Когортный анализ разбивает пользователей по дате регистрации или первого события и показывает, как каждая группа ведёт себя во времени. Это помогает понять, улучшается ли продукт на самом деле или просто новые юзеры маскируют отток старых.

Базовая схема: раздели пользователей по неделям регистрации, построй таблицу (дни/недели в жизни юзера по строкам, когорты по столбцам), заполни retention в процентах. Если юзер зарегистрировался в неделю 1 и вернулся на день 7, это строка «день 7» на пересечении с когортой «неделя 1». Так видно сразу: новые когорты держат лучше? Старые деградируют? Или стабильно? Визуально паттерны прыгают в глаза.

Главное — не смешивай когорты по разным критериям одновременно. Выбери либо дату входа, либо источник трафика, либо устройство, но не всё вместе в одной таблице. Сначала смотри вход, потом углубляйся. Если в когорте меньше 50 юзеров, цифры шумные — уменьши гранулярность (например, переходи на месячные вместо недельных).

Когортный анализ работает везде: мобильные приложения, SaaS, маркетинговые воронки, подписки. Если нужна работающая метрика стабильности — не ограничивайся средним retention. Построй когортную таблицу, найди, какие группы падают быстрее всех, и начни с них.