Cohort-анализ: как считать удержание без самообмана

Cohort-анализ: как считать удержание без самообмана

Cohort-анализ — это способ смотреть, как ведут себя группы пользователей, объединённые по общему признаку в один период: например, по дате первой покупки, регистрации или первого лида. В маркетинге SaaS чаще всего он нужен, чтобы понять не «сколько пользователей пришло», а **что с ними стало дальше**: вернулись ли они, активировались ли, дошли ли до оплаты.

Частая путаница — с сегментацией. Сегментация делит аудиторию по признакам «кто это» (отрасль, размер компании, тариф), а когортный анализ — по признаку «когда вошли в воронку». Это важно: одинаковый по объёму трафик в разные месяцы может давать разное удержание, и обычная сводка этого не покажет.

Типичные ошибки:
— смешивать когорты с разным стартом и делать выводы по общей средней;
— считать только регистрацию, игнорируя activation (активацию) и retention (удержание);
— сравнивать когорты без учёта канала привлечения и качества лидов;
— делать выводы по слишком короткому окну наблюдения.

Пример: если январская когорта дала 1 000 регистраций, а мартовская — 800, это ещё не значит, что март хуже. Возможно, в марте выросла доля трафика из канала с более высоким качеством: меньше регистраций, но больше оплат на 30-й день. Именно такие различия cohort-анализ и помогает увидеть.

@PaidSearchRoom разбирают это с практической стороны