Статьи
Статьи

Когортный анализ в юнит-экономике

  • unit economics,
  • cohort analysis

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.

Сказать спасибо и оказать поддержку будущему контенту.

50/год

  • Доступ к закрытым материалам
  • Возможность комментирования материалов
  • Доступ к Реально Заданным Вопросам
  • Помочь мне донести идею Data Driven до большего числа людей

Для доступа к комментариям и содержанию материалов, оформите подписку.
Если вы уже клиент, то просто входите.