Рус Eng

Метка: когортный анализ

24 сентября 2016

Препарируем когорты в юнит-экономике

Последнее время сталкиваюсь с непониманием того, как использовать когорты в юнит-экономики на практике. Основной вопрос связан с тем, как учитывать доход с когорты с месячными доходами и расходами. Давайте рассмотрим эту тему.

03 февраля 2016

Когортный анализ в юнит-экономике

Меня частенько спрашивают о том, как считать юнит-экономику в реальных проектах, с учетом когорт, или интересуются почему модельная экономика не сходиться с кассой. По этому решил разобрать на примере, как считать экономику в когортах. Для начала возьмем некий модельный бизнес. Юнит-экономика которого на момент ее записи в калькулятор выглядит следующим образом.

На что стоит тут обратить внимание. Во-первых, это на то, как сформирована наша когорта. Пусть мы формируем месячные когорты. То есть берем только тех, пользователей, которые посетили наш сайт первый раз в жизни в течении месяца, по которому формируем нашу когорту. В нашем примере, мы видим UA = 5000, это означает, что наша когорта, сформированная, например, в январе содержит 5000 человек, которые посетили наш сайт впервые. К примеру, общая посещаемость сайта составила 7500 человек, а новых оказалось, только 5000, а 2500 человек это повторные посещения, людьми, которые попали в предыдущие когорты.

Во-вторых, давайте посмотрим на параметр APC = 1,56338 (это точное значение из примера). Что означает этот параметр, а то, что наши покупатели, которых 71 совершили в среднем 1,56 покупок каждый. Но важно понимать, что это не означает, что они совершили все свои покупки в январе, мало того, даже первые свои покупки они могли совершить в другие месяцы.

Еще одним интересным числом для нас является значение Revenue = 116 499,97. Многие не понимают, что это число означает, с одной стороны мы имеем месячную когорту, с другой стороны данный доход получен за время жизни когорты, за которое в среднем каждый покупатель совершил 1,56 сделок. Собственно для понимания этих параметров и написана эта статья.

Давайте посмотрим, как ведет себя наша когорта со временем, и как она влияет на основные параметры нашего калькулятора.

И так, в январе мы формируем когорту, новых посетителей 5000 — это все, кто сформировал нашу когорту, по этому вернувшихся посетителей у нас нет. Далее идет число покупок совершенных пользователями нашей когорты. И видим, что в январе было всего 50 покупок. При этом никто не совершил повторных покупок. Таким образом конверсия в первую покупку в этой когорте составляет 1%, а APC = 1. Число покупок на одного покупателя в январе ровно одному, потому что повторных покупок не было. Тогда подставляя в формулу Красинского для ARPPU

ARPPU = (Av.Price — COGS) x APC — 1sCOGS

берем 1500 (средний чек) умножаем на 1 (число покупок на покупателя) получаем 1500 рублей (в нашем примере, для простоты COGS и 1sCOGS равны нулю).

ARPU = ARPPU x C1 = 1500×1% = 15

Теперь подставим все в наш калькулятор

Обратите внимание на то, как сильно отличается наша запись от первичной. Теперь давайте посмотрим, что будет с нашей когортой в следующие месяцы.

Что мы видим, в феврале, новых посетителей у нас уже нет — так как когорта была сформирована в январе. Зато появились вернувшиеся, целых 3000. Пока все понятно. А вот с покупками дело обстоит интереснее. Мы видим, что всего в феврале было совершено 30 покупок, но 20 из них были сделаны посетителями впервые, и только 10 повторные. То есть некоторые пользователи придя на сайт в январе не приняли решения о покупке сразу, а отложили покупку на будущее, и совершили ее в феврале, в следующем месяце (например, первое посещение 31 января, а покупка 1 февраля).

Теперь давайте рассмотрим, что же произошло с конверсией в первую покупку. Напомню, что в январе она была равна 1%. Как посчитать конверсию в первую покупку в феврале, для этого мы должны сложить все первые покупки за январь и февраль для нашей когорты и поделить на величину когорты, С1 = (50 + 20) / 5000 = 1,40%. То есть наша конверсия в когорте выросла. То же самое произошло с числом повторных покупок APC. Для вычисления APC мы должны сложить все покупки, которые были совершены за эти два месяца и поделить на число покупателей в когорте, или на число первых покупок. Имеем

APC = (50 + 20 + 10) / (50 + 20) = 1,14

Как видим, на второй месяц APC нашей когорты выросло с 1, до 1,14. Так как изменилась конверсия и APC то, изменяется и величина ARPPU и ARPU. Итоговая запись калькулятора на февраль будет такой.

Таким образом мы должны рассматривать нашу когорту для каждого месяца. Получается, что-то типа такого

Хочется обратить внимание, что возврат пользователей в когорте в нашем примере затухает и в итоге новые покупатели перестают появляться. При этом повторные покупки продолжают осуществляться. В итоге, наша конверсия в первую покупку вырастает с 1% до 1,42%, APC увеличивается с 1 до 1,56, что влечет рост ARPPU и ARPU, а следовательно Revenue.

Теперь давайте обратим внимание собственно на смысл величины Revenue в нашей системе, что означает доход 116 499,97 рублей для нашей январской когорты. А означает он следующее, это величина дохода, которую принесут клиенты из нашей январской когорты на дату 30 апреля (помните, мы вели учет поведения пользователей на апрель месяц включительно). При этом в январе мы получим от нашей когорты только 25 000 рублей, за февраль еще 45 000,3 рублей, а всего на конец февраля 70 000,3 рублей. Предположим, что каждая новая когорта у нас идентична предыдущей, тогда на апрель месяц мы будем иметь такую картинку:

Это доход полученный за все время с каждой когорты.

31 октября 2015

Доход в когортах

Работая с разными командами, столкнулся с тем, что часто не понимают, что означает доход рассчитанный для когорт. Речь идет примерно о таком расчете.

В данном примере мы видим, что когорта (для упрощения, будем считать, что у нас когорты разбиты по месяцам) состоит из 50 000 посетителей, которые на сайте с конверсией 10% превратились в 5000 клиентов. Следующий важный параметр в данном расчете это APC, равный 5.

Напомню, что APC — это среднее число продаж на одного клиента за время жизни когорты. То есть, это означает, что за время жизни нашей когорты, каждый из 5000 клиентов, которые у нас имеются совершит 5 сделок. И все эти покупатели за все время принесут нам 2 600 000 рублей. Это не означает, что они принесут нам 2 600 000 рублей в месяц! Это доход с когорты за все время ее жизни (например, год).

Чтобы понять свой месячный доход мы можем предположить следующее, что если наши когорты не будут существенно меняться из месяца в месяц, то через 12 месяцев (если мы считаем, что когорта живет 12 месяцев), мы будем получать от всех когорт как раз 2 600 000 рублей, но важно понимать, что произойдет это только через 12 месяцев.

Проиллюстрирую я это на примере подписного сервиса, у которого, предположим 100 клиентов, которые оплачивают сервис 5 месяцев из 12, потом перестают. Средняя сумма оплаты 100 рублей.

Запишем наш доход в таблицу по когортам и по месяцам.

Оранжевым выделена область выхода наших когорт на точку насыщения. Хорошо видно, что первая когорта в январе принесла нам 10 000 рублей. В феврале, мы имели уже 10 000 от первой когорты и 10 000 от второй, в марте таких когорт было уже 3 и так далее. Обратите внимание, что с мая наши когорты стабильно приносят 50 000 рублей. И сумма эта не растет, это связано с тем, что наша когорта приносит только 5 платежей.

Так же важно понимать, что в реальности это число APC среднее, и кто-то может платить 3 месяца, а кто-то 7.

И так важно понимать, что в нашем расчете экономики, доход от когорты это не доход в месяц, а доход за время жизни когорты.

31 декабря 2014

Когортный анализ в GA

Последнее время набирает интерес публики к инструментам кратного роста или так называемому growth hacking. Одним из важных инструментов этого процесса является когортный анализ, который позволяет правильно оценивать вклад от изменений в бизнесе или продукте. Важность использования когорт я показал в статье про экономику магазина, однако, как выяснилось, далеко не все знают, как получить данные для такого анализа. В этой статье я хочу рассказать о том, как построить когортный отчет в Goolge Analytics.

Для начала рассмотрим, произвольный отчет. Здесь и далее я буду рассматривать произвольный сайт, к которому у меня есть доступ, сайт не имеет значения и анонимизирован, нам важно понять суть построения. Строить будем отчет по каналам, стандартный вид отчета представлен на рисунке.

Хорошо видно, что у сайта есть дневная аудитория с различных каналов. Но что нам дает этот отчет, и что означают пики и падения у графика? С чем они связаны? Может ли данный отчет дать нам ответ?

И так, в важности когорты мы определились, теперь вопрос, как выудить эту информацию из GA? Собственно нас интересуют следующие даты (общий случай): дата первого захода — формирует когорту, дата активации, дата первой оплаты (отдельно даты следующих оплат и их количество). Все это позволит нам оптимизировать потом воронку.

Чтобы получить выборку посетителей, который зашли в первый раз за выбранный период (когорту) нужно попросить GA отсегментировать аудиторию по признаку «Дата первого сеанса». Делается это в разделе Сегменты, куда можно попасть кликнув на выборку «Все сеансы». А затем нажать «+Сегмент».

В открывшейся форме указываем название сегмента — 1 когорта, и указываем дату первого сеанса. Для примера я буду строить недельные когорты. Указываю интересующие меня даты. Обратите внимание — 1 октября 2014 не понедельник.

Далее нажимаем сохранить и получаем вот такой вот график. Отображение графика делаем понедельным. И видим, что пользователи, которые пришли на сайт в 1 когорте приходили на сайт и 2 и в 3 недели и даже позже. Кроме того, они могли совершать и целевые нам действия не на первой неделе.

Аналогичным способом строим когорты для 2, 3 и 4 недель октября. И тут выходит на первый план ограничения GA. Во-первых, срезы по сегментам он может делать только за 3 месяца, чтобы построить скажем за больший период, надо смещать даты по 3 месяца и выписывать данные в ручную. Кроме того, одновременно он может посмотреть только 4 сегмента. В целом для когортного анализа это мало.

Простейший способ получить данные навести курсор мыши на график и выписать в табличку.

В итоге получим следующую информацию, столбцы это периоды, а строки это когорты. Хорошо видно, что например, 5 когорта в 1 свою неделю дала меньше аудитории,чем 3 когорта, но за 3 недели 5 когорта дала больше трафику, чем 3 когорта за 5 недель. Так же хорошо заметно что 1 когорта продолжает посещать сайт и 7 недель спустя.

Теперь мы знаем как извлекать (в общем случае) информацию из GA с помощью когорт. Далее будем учиться строить более интересные отчеты.