Сначала фиксируем набор метрик на уровне когорты: источник, кампания, креатив, первый визит, CAC, D7/D30 LTV, retention и маржа. Если смотреть только на средний LTV по аккаунту, алгоритм скроет провалы внутри сегментов.
Дальше проверяем пары показателей:
— CTR и LTV: высокий CTR часто привлекает «дешёвый» интерес, но не всегда платящих пользователей.
— CPC и LTV: низкий CPC сам по себе ничего не доказывает, важен итоговый доход на когорту.
— CR в лид или покупку и LTV: рост конверсии может ухудшать качество аудитории, если оптимизация идёт только на верхнюю воронку.
Для поиска корреляций используйте не одну сводную таблицу, а срезы по окнам времени и сегментам. Смотрите распределение, медиану и выбросы; один перегретый источник легко создаёт ложную связь. Если связь держится в нескольких когортах и не исчезает при разрезе по устройству, гео и плейсменту, это уже рабочая гипотеза.
Автоматизируем рутину, масштабируем результат: собирайте данные в один датасет, считайте коэффициенты и помечайте аномалии автоправилом. Аналитика показала аномалию, разбираем техническую причину. Если показатель улучшает CAC, но режет LTV, оптимизируйте не ставку, а качество трафика.
Кампания на автопилоте
@campaign_autopilot_arb
Как искать связь между трафиком и LTV, не путая корреляцию с шумом
Этот пост опубликован в Telegram-канале Кампания на автопилоте (@campaign_autopilot_arb). Все его публикации — на странице канала.
Открыть в Telegram