Когортный анализ: как найти сегменты, которые реально дают прибыль, а не шум

Когортный анализ: как найти сегменты, которые реально дают прибыль, а не шум

Когорта — это не просто источник трафика, а группа пользователей с одинаковым признаком входа: дата первого касания, канал, креатив, оффер. Если смотреть только на средний ROI по всем разам, можно пропустить сегмент с высокой LTV и терпеть убыточный, но громкий поток. Считаем инкрементальность: прибыльность оценивается не по клику, а по поведению когорты во времени.

Базовая схема такая:
— фиксируем признак сегментации: источник, кампанию, лендинг, гео, device;
— строим окна 1/7/14/30 дней и сравниваем не только выручку, но и маржу после возвратов;
— считаем retention, repeat rate и CAC payback по каждой когорте;
— отдельно смотрим uplift относительно контрольной группы, иначе легко перепутать корреляцию с эффектом.

Главная ошибка — агрегировать данные до уровня аккаунта. Тогда дорогой сегмент с коротким циклом покупки выглядит хуже, чем он есть, а дешёвый сегмент с низким чеком маскирует реальную просадку. Данные — это новая нефть, но только если их правильно очистить: исключите дубли, возвраты, офлайн-досчёт и разрыв атрибуции между кликом и заказом. Только после этого сравнивайте когорты между собой.

Фильтр простой: если когорта не окупается в целевом окне и не показывает растущий LTV, её не масштабируют. Разбираем механику окупаемости через когорты, а не через среднюю температуру по кабинету.