Когортний аналіз в eCommerce: для чого потрібен та як його створити

У цій статті фахівців з Analytics Promodo розібрали, що таке когортний аналіз, навіщо він потрібен в eCommerce, які інструменти можна використовувати та як налаштувати звіт для когортного аналізу в Google Analytics 4. 

Що таке когортний аналіз

Когортний аналіз — це спосіб групування клієнтів у сегменти (когорти) на основі спільних характеристик чи дій за певний період часу. 

‍

Когорти — це групи, які формуються на основі певних показників або дій, таких як дата першої покупки, джерело трафіку, географія або поведінка користувачів. Аналізуючи такі когорти, бізнес може відстежувати зміни у поведінці, виявляти тренди та приймати обґрунтовані рішення.

‍

Наприклад, когорта з клієнтів, які зробили першу покупку у січні, або з тих, хто зареєструвався на платформі під час літньої акції.

Навіщо потрібен когортний аналіз

Основні переваги використання когортного аналізу:

• Оптимізація маркетингових кампаній: дозволяє проаналізувати, як маркетингові рішення впливають на показники утримання клієнтів, рентабельність інвестицій (ROI), довічну цінність клієнта (LTV), витрати на залучення клієнтів (CAC) та інші важливі метрики.
  
• Виявлення трендів: дозволяє зрозуміти, як змінюється поведінка клієнтів з часом.
  
• Підвищення лояльності: допомагає знайти точки, де бізнес може покращити клієнтський досвід.Розробити способи активізації менш залучених користувачів та зменшити кількість клієнтів, які припиняють користуватися вашими продуктами чи послугами.‍
• Прогнозування доходів: допомагає оцінити, яку цінність бізнес отримує від кожної когорти клієнтів. Оптимізувати процеси, щоб збільшити коефіцієнт конверсії. Дослідити, як сезонні фактори впливають на обсяги продажів.

Як зробити когортний аналіз: покрокова інструкція для eCommerce

Щоб провести когортний аналіз в eCommerce, дотримуйтеся наступних кроків:

Збір і підготовка даних 

1. Визначте метрику, яку хочете аналізувати (наприклад, покупки, реєстрації або повторні візити).
2. Дані можна збирати в різних інструментах, наприклад: з Google Analytics 4, CRM-системи, бази даних та інші інтрументи.
3. Якщо ви використовуєте Google Analytics 4, аналіз можна робити в інтерфейсі, або експортуйте дані в BigQuery або Google Sheets для подальшого аналізу.

Групування клієнтів у когорти 

Когорти можна формувати за різними критеріями, наприклад:

• Дата першої покупки (щоб аналізувати, як змінюється поведінка клієнтів, що прийшли в різний час).
• Джерело трафіку (щоб зрозуміти, які канали приносять більш лояльних клієнтів).
• Категорія товарів (щоб оцінити, чи різниться поведінка покупців залежно від типу товарів).

В залежності від вибраного інструмента налаштування формування когорт і звіту буде відрязнятись. Наприклад: 

• В Google Analytics 4 це можна зробити в розділі «Explore» (Дослідження) → шаблон «Cohort Exploration» (Когортне дослідження).
• У Google Sheets можна використовувати зведені таблиці для групування даних.

Аналіз поведінки

Проаналізуйте зібрані дані – наприклад: оцініть, як змінюються ключові метрики:

• Частота покупок – як швидко клієнти повертаються для повторних покупок.
• Середній чек (AOV) – чи змінюється середня вартість замовлення з часом.
• LTV (Lifetime Value) – сукупний дохід, який приносить клієнт за весь час співпраці.

Порівняйте поведінку когорт – постарайте визначте закономірності, та іх причини (наприклад, чи клієнти, які прийшли через e-mail маркетинг, мають вищу довічну цінність, ніж ті, хто прийшов із реклами).Доналаштуйте візуалізацію – наприклад, використовуйте, теплові карти для кращого розуміння трендів._‍

Інтерпретація результатів

Виявляйте слабкі місця або успішні кампанії, робіть висновки та коригуйте стратегії. Наприклад:

• Якщо когорта користувачів, що прийшла під час розпродажу, повертається рідше, ніж інші, це може означати, що знижкові кампанії залучають менш лояльних клієнтів.
• Якщо клієнти з певного джерела трафіку мають вищий LTV, можливо, варто інвестувати більше ресурсів у цей канал.

Поширені помилки при проведенні когортного аналізу

1. Недостатній обсяг даних. Аналіз невеликих когорт може давати спотворені результати. Обсяг даних, необхідний для корректного аналізу, залежить від різних факторів та типу вашого бізнесу
   
   Мінімальний розмір когорти залежить від типу вашого бізнесу, рекомендуємо:
   

• E-commerce: від 500–1000 покупців у когортах.
• SaaS: від 200–500 користувачів, які підписалися або активували сервіс.
• Мобільні додатки: від 1000 активних користувачів на період. Малі когорти (наприклад, менше 50–100 користувачів) можуть давати нестабільні результати через випадкові коливання.
  
  Тривалість аналізу:
  

• Для швидких циклів (e-commerce, мобільні додатки) достатньо 1–3 місяців.
• Для довгих життєвих циклів клієнтів (SaaS, B2B) краще аналізувати 6–12 місяців. Якщо даних недостатньо, спробуйте об’єднати кілька когорт або подовжити період збору даних, щоб підвищити надійність результатів.‍

2. ‍Ігнорування зовнішніх факторів. Наприклад, сезонність або акційні кампанії можуть суттєво впливати на поведінку клієнтів.
3. Неправильний вибір метрики. Важливо аналізувати саме ті показники, які мають значення для вашого бізнесу. Для цього читайте нашу статтю про ключові KPI в eCommerce.
4. ‍Відсутність регулярного аналізу. Когортний аналіз потрібно проводити систематично, щоб вчасно виявляти тренди. Оптимальна частота залежить від KPI та потреб бізнесу у швидкості прийняття рішень. Якщо у вас є автоматизовані звіти (наприклад, у Google Analytics 4 або Google Sheets), когортний аналіз можна переглядати навіть у режимі реального часу.

Як налаштувати когортний аналіз в Google Analytics 4

1. Налаштування звіту

1. Увійдіть у свій обліковий запис GA4.
2. У лівому меню виберіть «Explore» (Дослідження).
3. Оберіть шаблон «Cohort Exploration» (Когортне дослідження).

Посилання на галерею шаблонів в Google Analytics 4 Demo Account, де ви можете створити і налаштувати звіт.

2. Налаштування основних параметрів

Ви отримаєте шаблон в якому будуть додані усі стандартні параметри.

Додавання сегментів для порівняння (Segment comparisons)

• Якщо ви хочете порівняти різні сегменти користувачів, використовуйте це поле.
  
  • Наприклад, порівняйте транзакції користувачів із різних джерел трафіку (organic, paid, referral).

Включення когорти (Cohort Inclusion):

• У полі «Cohort Inclusion» виберіть:
  
  • «First touch» (Перша взаємодія) або «First visit» (Перша сесія), якщо ви аналізуєте нових користувачів.
  • «Any event» (Будь-яка подія), якщо вас цікавлять всі взаємодії користувачів після першого контакту.

Критерій повернення користувача (Return Criteria):

• Виберіть критерій повернення. Наприклад:
  
  • «Any event» (Будь-яка подія) — якщо хочете оцінити будь-які дії користувачів.
  • «Transactions» (Транзакції) — якщо вас цікавить саме користувачі, які зробили повторну покупку.

Деталізація когорти (Cohort Granularity):

• Виберіть потрібну деталізацію:
  
  • «Daily» (Щоденна) — якщо вас цікавлять короткострокові тренди.
  • «Weekly» (Тижнева) — для середньострокового аналізу.
  • «Monthly» (Місячна) — для довгострокових трендів.

Обчислення (Calculation)

Виберіть потрібний тип обчислення:

• «Standard» (Стандартний): Розраховує лише тих користувачів, які виконали задану дію у зазначений період, незалежно від їхньої активності у попередні періоди.
• «Rolling» (Поетапний): Враховує всіх користувачів, які виконали дію як у вказаному періоді, так і в усіх попередніх періодах.
• «Cumulative» (Накопичувальний): Включає всіх користувачів, які виконали дію хоча б один раз протягом усього аналізованого періоду.

Розподіл (Breakdown) 

Дозволяє сегментувати користувачів у межах кожної когорти за певною характеристикою чи параметром. Це дає змогу отримати більш детальну інформацію про те, як різні групи користувачів поводяться з часом, порівнюючи їх між собою.

• «First user source» (Джерело першого візиту): Допомагає зрозуміти, яке джерело трафіку є ефективнішим для залучення користувачів.
• «First user medium» (Тип каналу першого візиту): Аналізує ефективність різних маркетингових каналів, таких як cpc, organic, або email.
• «First user campaign» (Кампанія першого візиту): Оцінює результативність рекламних кампаній, що залучили користувача вперше.
• «Gender» (Стать користувачів): Досліджує відмінності в поведінці аудиторії залежно від статі (male, female, unknown).
• «Platform» (Платформа першого візиту): Аналізує взаємодію користувачів залежно від пристрою (web, iOS, android).

3. Додавання метрик та показників

У правій панелі налаштуйте метрики, які ви хочете аналізувати:

«Values» (Показники):

• Додайте метрику «Transactions» (Транзакції) або інші релевантні події, які потрібно аналізувати.

«Metric Type» (Тип метрики):

• Виберіть тип метрики:
  
  • «Sum» (Сума) — для аналізу загальної кількості подій.
  • «Per cohort user» (На групу відвідувачів). Відображає відсоткове значення показника на кількість користувачів у когорті.

Які висновки ми можемо зробити з цього звіту 

Вище ми створили звіт з когортного аналізу, тож тепер маємо дані для аналізу і покажемо, які саме висновки можна зробити. 

1. Найуспішніша когорта: 8–14 грудня 2024 року

У цій когорті було найбільше транзакцій у Week 0 — 391 транзакція. Однак в наступні тижні кількість транзакцій стрімко падає до 58 транзакцій у перший тиждень, а потім до 4 і 3 транзакцій.

‍

Ми бачимо, що успішно кампанія відпрацювала в перший тиждень. Це може бути пов’язано зі святковими розпродажами чи спеціальними акціями, оскільки утримання клієнтів на наступних тижнях значно погіршилося.

‍

Рекомендація: проаналізуйте, чому когорта 8–14 грудня 2024 року була найуспішнішою. Які маркетингові кампанії чи продукти були запропоновані? Спробуйте масштабувати цей успіх на інші періоди.

2. Загальна динаміка транзакцій

У більшості когорт найбільша кількість транзакцій відбувається в Week 0. Від Week 1 і далі кількість транзакцій різко зменшується. Наприклад:

• Когорта 3–9 листопада 2024 року:
  з 328 транзакцій у Week 0 до 57 у Week 1.
  
  
• Когорта 24–26 жовтня 2024 року:
  з 49 транзакцій у Week 0 до 10 у Week 1.

Це може значити, що користувачі активно роблять транзакції одразу після першого залучення, але їхня активність швидко спадає. Можливо, ваша пропозиція чи акції цікаві для першого контакту, але довгострокова лояльність користувачів низька.

‍

Рекомендація: впровадити підписки або сервіси для постійних клієнтів. Запускати опитування для розуміння причин, чому клієнти не повертаються після першої транзакції.

3. Сезонність

Найактивніші когорти припадають на листопад і грудень (наприклад, когорта 8–14 грудня 2024 року). А в січні активність різко знижується, що свідчить про вплив сезонних акцій і недостатню активність бренду після святкового сезону. 

‍

Рекомендація: використовувати активності після святкових періодів. 

‍

Наприклад, після високої активності в період листопад–грудень запустити спеціальні кампанії для утримання клієнтів у січні («новорічний розпродаж», «подарунок за покупку» тощо). 

‍

Варто використовувати push-нотифікації чи email-розсилки з нагадуваннями та спеціальними акціями.

4. Retention Rate (утримання)

Відсоток користувачів, які повертаються в наступні тижні після першого залучення, дуже низький.

‍

Приклад (когорта 8–14 грудня 2024 року):

• Week 0 — 391 транзакція.
• Week 1 — 58 транзакцій (≈ 14.8% від Week 0).
• Week 2 — 4 транзакції (≈ 1.02% від Week 0).

Рекомендація: варто покращити стратегії для повторного залучення, такі як програми лояльності, email-кампанії, push-нотифікації. Використовувати персоналізовані пропозицій, засновані на поведінці користувача.

Інструменти для когортного аналізу

Хоча ми показали як створити звіт для проведення когортного аналізу в Google Analytics 4 (GA4), є багато різних інструментів, які можна для цього використовувати. Ось кілька популярних:

1. ‍Excel/Google Sheets: підходять для базового та глибшого аналізу даних та побудови графіків.

2. ‍Power BI/Tableau: потужні інструменти для візуалізації даних та глибшого аналізу.

3. CRM-системи (наприклад, HubSpot): допомагають сегментувати клієнтів і аналізувати їхню поведінку.

4. ‍Інші сервіси для аналітики (наприклад, Amplitude або Mixpanel): дозволяють автоматизувати збір і аналіз даних для когортного аналізу.

Кожен із цих інструментів має свої переваги, тому вибір залежить від розміру вашого бізнесу та завдань. 

Таблиця нижче допоможе оцінити переваги та цілі використання.

Висновок 

Когортний аналіз в eCommerce — це незамінний інструмент для бізнесу, який прагне бути гнучким та орієнтованим на клієнта. Він дозволяє краще розуміти своїх покупців, оптимізувати маркетингові стратегії та приймати рішення, засновані на даних.