Когортный анализ это выделение определенной группы пользователей (когорты) и анализ ее поведения во времени. Пользователей в когорте объединяет совершение действия на определенном промежутке времени.
Пример когортного анализа:
Мы разделили пользователей на три когорты, в зависимости от версии приложения которое они скачали и смотрим какой процент из них продолжает пользоваться приложением через 1, 2, 3, 4, 5 и 6 недель.
Наблюдение за когортами происходит в разные отрезки времени. Если версии выходят раз в две недели, то мы собираем данные о пользователях, скачавших первую версию в январе, а третью в феврале.
Когортный анализ дает нам понимание о качестве версий 1, 2 и 3 нашего приложения, объясняет какая из версий лучше удерживает пользователей в приложении. Без разделения на когорты мы бы получили усредненные данные по всем версиям, что бесполезно.
Отслеживаемым событием может быть прохождение туториала, покупка, сумма покупок за неделю и т.д. Данные для когортного отчета полезно предварительно фильтровать по каналу привлечения или стране.
Из инструментов мобильной аналитики только KISSMetrics поддерживает когорты по параметрам (версия продукта, канал привлечения), поэтому дальше мы будем рассматривать когорты пользователей скачавших приложений в определенную неделю. Изменения показателей при выходе новой версии можно отследить сопоставив дату выхода с неделей когорты.
Метрики роста и метрики продуктаОлег Якубенков из ZeptoLab в своем блоге доносит идею метрик роста против метрик продукта. Большинство компаний отслеживает метрики роста: количество активных пользователей в месяц (MAU) и прибыль с приложения. Проблема в том, что на метрики роста влияет и качество продукта и продвижение приложения. По ним сложно понять улучшают ли продукт наши изменения.
Наглядный пример: команда продвижения привлекает каждый месяц на 5 000 пользователей больше, а продукт менеджер в каждой версии вносит изменения снижающие доход на пользователя. Активные пользователи растут, прибыль с приложения растет, но продукт становится все хуже и только через год они пойдут вниз, хотя уже слишком поздно. Поэтому нужно отслеживать так же метрики продукта.
Метрики продукта это LTV — суммарный доход с пользователя пока он не покинет приложение и CAC — стоимость привлечения пользователя. Олег декомпозирует LTV и приводит пример агреггированного когортного отчета для приложения со встроенными покупками.
Подробнее о метриках из отчета читайте в статье.
Когортный анализ во Flurry и Google AnalyticsFlurry не поддерживает отчеты для когортного анализа, но все же можно его провести.
Для этого создайте сегменты пользователей, скачавших приложение в разные недели (Manage → Segments → Create new segment). Открываете любой отчет и фильтруете по сегменту, разные когорты сравниваете на разных вкладках браузера. Для анализа во времени, отфильтруйте отчет по нужно неделе. В Google Analytics подход такой же. Создаем Advanched Segment с понедельными Date of First Visit.
Это примерное приближение, полноценный когортный анализ во Flurry или GA не осуществить.
Если у вас нет возможности перейти на KISSMetrics или Mixpanel прочитайте статью «Когортный анализ в Экселе».
Когортный анализ в KISSMetrics и MixpanelKISSMetrics и Mixpanel поддерживают когортный анализ. В KISSMetrics он называется ‘Cohort Report’ в Mixpanel ’Retention’.
В обоих системах отчет строится по одному принципу: выбираете событие по времени наступления которого создаются когорты (Show people who did). В большинстве случае это запуск приложения. Второе событие (Then come back and did) это то действие пользователя, которое нам интересно.
Примеры пар событий:
- «запуск приложения → запуск приложения» возвращаемость когорт пользователей, разбитых по неделе скачивания, в приложение по неделям.
- «запуск приложения → покупка» покупки совершенные когортами по неделям.
- «запуск приложения → завершение туториала» процент пользователей завершивших туториал по неделям после скачивания.
KISSMetrics умеет строить когорты по параметрам, например, не неделя установки а первая версия скачанного приложения. А Mixpanel создавать сложные когорты с фильтрацией по параметру (канал привлечения, модель телефона, страна, ...).
Я рекомендую Mixpanel. У KISSMetrics нет библиотеки под Android и возможности отфильтровать когортный отчет по каналу привлечения. Тем более Mixpanel можно использовать бесплатно, разместив их банер в подвале сайта.
И к сожалению, инструменты не позволяют построить отчет с суммой покупок за неделю (для LTV) его придется собирать вручную.
Ежемесячные отчеты по мобильному приложениюРекомендую сразу после прочтения письма придумать отчет по примеру Олега и собрать данные. Составляйте этот отчет раз в месяц и рассылайте руководству и всей команде. Не забудьте отмечать в отчете выход новой версии. Через некоторое время вы заметите зависимость между цифрами и не будете изменять продукт в слепую. Да и просто посчитать CAC и LTV — полезное занятие.
Обязательно прочтитеЭто письмо — введение в когортный анализ, чтобы разобраться до конца обязательно прочитайте:
Более сложная и глубокая серия статей на английском с примерами применения на практике ’Cohort or Not Cohort’, ’Cohort Analysis for Engagement’ и ’Cohort Analytis to Improve Revenue’.
Еще по темеВидео «Построение когортных отчетов в MixPanel».
Andrew Chen — “How to measure if users love your product using cohorts and revisit rates”.
Joshua Porter — “Cohort Analysis — Measuring Engagement Over Time”.
Ash Maurya — “3 Rules to Actionable Metrics in a Lean Startup”.
Dan Martell — “Cohort Metrics for Startups Revealed – Part I: Plain English”.
Dan Martell — “Cohort Metrics for Startups Revealed – Part Ii: Aged Groups”.
