Сегментация без догадок: когортный анализ в Amplitude для B2B RevOps

Сегментация без догадок: когортный анализ в Amplitude для B2B RevOps

Если вы в 2026 году пытаетесь объяснить рост/падение выручки в терминах воронки, чаще всего не хватает одного: понятных когортных ответов на вопрос «что делается с людьми после регистрации/первого касания и где они откручиваются». Ниже — практический рецепт, как построить когортный анализ в Amplitude так, чтобы он работал для B2B RevOps (маркетинг + продажи + customer success).

Шаги на этой неделе:

1) Выберите единый “якорь” события
— Определите 1 главное событие, от которого мы строим когорты: например, `Lead created`, `SQL qualified` или `Demo completed` (что ближе к вашему RevOps-циклу).
— Убедитесь, что событие логируется одинаково у всех команд и не зависит от канала (иначе вы получите когорты “по ошибке”).

2) Настройте когортный разрез по “нормальному” периоду
— В Amplitude откройте раздел когорт (Cohorts).
— В качестве когортного разбиения возьмите дату первого `якоря` (событие в момент “появления” в системе).
— Установите шаги ретенции/движения по дням или неделям (для B2B обычно неделя стабильнее: меньше шума).

3) Определите “здоровый” набор метрик (не одну)
Вместо одной метрики добавьте 2–3, чтобы не попадать в ловушку «рост выглядит хорошо, но это просто изменение вхождения».
— Метрика A: Retention/активность — например, доля пользователей, у которых после `якоря` случилось `Meeting held` или `Proposal sent`.
— Метрика B: Conversion следующего шага — доля, которая дошла до `Qualified` или `Opportunity created`.
— Метрика C: Time-to-event — среднее/медиана времени до следующего события (если есть в вашем датасете).
Важно: метрики выбирайте по реальному процессу продаж/успеха, а не по “маркетинговым суррогатам”.

4) Добавьте сегменты, которые реально объясняют поведение
Сегменты должны быть вопросом к бизнесу, а не набором “каких-то атрибутов”.
Сделайте 3 среза:
— Account size (размер компании / сегмент выручки)
— Geography/регион (если влияет на SLA ответов)
— Source/канал первого касания (если он у вас стабильно атрибутируется; если нет — замените на “sales motion”: inbound vs outbound, self-serve vs assisted)

5) Введите контроль “качественного” и “количественного” эффекта
Чтобы отличить изменение спроса от изменения качества обработки, сравните:
— Cohort size по неделям (сколько людей/компаний попало в `якорь`)
— И отдельно — долю достижения метрик A/B
Если размер когорты растёт, а доля падает — это чаще проблема качества воронки/скорости реакций. Если наоборот — проблема верхней части спроса или трекинга.

6) Проверьте, что атрибуты не ломают когортность (частая ошибка)
Быстрая проверка в Amplitude:
— Сравните значения атрибутов сегментов для событий внутри когорты.
— Если, например, `Source` “переезжает” (сегмент меняется между событиями), значит вы используете атрибут не как “истину на момент первого касания”, а как “текущее предположение”.
Решение: храните источник на момент `якоря` отдельным параметром события (например, `source_at_anchor`), а не полагайтесь на последующие пересчёты.

7) Зафиксируйте действие и метрику в терминах RevOps
Финальная часть — чтобы аналитика дала план на неделю:
— Выберите 1 сегмент с наибольшим отклонением (например, enterprise-аккаунты теряют до `Meeting held`).
— Назначьте гипотезу процесса (например, задержка ответа SDR) и выберите следующую метрику для подтверждения (time-to-event до `Meeting held`).
— Сравните 2–3 последовательные недели когорт: это быстрый способ увидеть эффект без долгих экспериментов.

Результат, который вы получите
На выходе у вас будет карта “попали в процесс → что сделали дальше → где отваливаются” в разрезе ключевых сегментов. Это гораздо лучше поддерживает RevOps-обсуждения, чем одиночные графики по неделям, особенно в условиях privacy-first атрибуции и снижения роли last-click.

Если хотите, напишите, какой именно “якорь” вы используете (demo/lead/qualified) и какие 2 события для шагов после него — я предложу точную связку метрик для вашей B2B воронки в Amplitude.

— @AmplitudeCookbookRu