Стандартная аналитика рекламы смотрит на срез: за прошлый месяц потратили 500 000 ₽, получили 200 лидов, CPA 2500 ₽. Но эта картина не отвечает на главный вопрос - кто из этих 200 человек купил повторно, кто принёс максимальный LTV, а кто оказался разовым случайным клиентом? Когортный анализ позволяет разрезать данные иначе: по времени первого контакта и отследить поведение каждой группы во времени.
Что такое когорта и зачем она нужна в рекламе
Когорта - это группа пользователей, объединённых общим событием в определённый период. Классический пример - пользователи, впервые пришедшие с рекламы в январе 2025 года. Это когорта января.
Когортный анализ отвечает на вопросы: - Клиенты, привлечённые через кампанию А, совершают повторные покупки чаще, чем привлечённые через кампанию Б? - Пользователи, пришедшие по брендовым запросам, остаются дольше? - Какой месяц привлечения дал наибольший LTV через 6 месяцев?
Без когортного анализа вы оцениваете рекламные каналы только по первой покупке. Это ошибка для любого бизнеса с повторными продажами.
Пример из практики. Интернет-магазин спортивного питания, бюджет 400 000 ₽/месяц в Директе. Аналитика по первой покупке показывала: РСЯ даёт CPA 900 ₽, поиск - 2100 ₽. Казалось бы, надо резать поиск и масштабировать РСЯ. Когортный анализ через 6 месяцев показал обратное: клиенты с поиска возвращались в среднем 2.8 раза, клиенты с РСЯ - 0.9 раза. LTV за 6 месяцев: поиск 8400 ₽, РСЯ 2700 ₽. Перераспределение бюджета в пользу поиска дало рост выручки на 23% при том же суммарном расходе.
Как проводить когортный анализ: инструменты
Яндекс Метрика
Метрика имеет встроенный когортный анализ в разделе "Отчёты - Когорты". Базовые возможности:
- Когортирование по дате первого визита.
- Метрики: возвраты на сайт, достижение цели, транзакции (для ecommerce).
- Период наблюдения: до 12 недель.
Ограничение: Метрика считает когорты по сессиям, а не по пользователям. Если один человек пришёл с разных устройств - это две разные "когорты" в Метрике. Для ecommerce с авторизацией точнее работать с данными из CRM.
Как запустить: 1. Отчёты - Посетители - Когорты. 2. Выберите период формирования когорты (неделя или месяц). 3. Выберите метрику для отслеживания (например, "Достижение цели - Покупка"). 4. Добавьте сегмент по источнику (Директ / РСЯ / поиск) для сравнения когорт из разных каналов.
Google Sheets + данные из CRM
Для анализа реальных денег (а не визитов) лучше работать с данными из CRM. Алгоритм:
- Выгрузите из CRM список клиентов с датой первой сделки, источником (UTM-метки), суммой всех сделок.
- В Google Sheets создайте таблицу: строки - когорты (январь, февраль, ...), столбцы - месяцы после первой покупки (месяц 0, месяц 1, ..., месяц 12).
- Заполните ячейки: средняя выручка от клиентов этой когорты в каждый месяц.
- Добавьте строку расходов на привлечение когорты.
Результат - понятная таблица, которая показывает, когда каждая когорта "окупила" затраты на привлечение.
BI-системы (DataLens, Power BI)
При объёме данных больше нескольких тысяч клиентов ручная работа в Sheets становится трудоёмкой. BI-системы автоматизируют построение когортных матриц.
Яндекс DataLens поддерживает оконные функции SQL, которые позволяют строить когортные таблицы прямо в инструменте. Понадобится подключение к базе данных (ClickHouse, PostgreSQL) или загрузка CSV.
Когортный анализ по каналам привлечения
Самый практически ценный тип когортного анализа для рекламщика - сравнение качества трафика из разных каналов.
Структура анализа:
| Канал | Когорта | CPA первой покупки | Повторные покупки/клиент | LTV 6 мес | ROMI 6 мес |
|---|---|---|---|---|---|
| Поиск Директ | Январь 2025 | 2100 ₽ | 2.4 | 9600 ₽ | +357% |
| РСЯ | Январь 2025 | 900 ₽ | 0.8 | 3200 ₽ | +256% |
| Ретаргетинг | Январь 2025 | 600 ₽ | 3.1 | 11 200 ₽ | +1767% |
В этом примере ретаргетинг показывает самый высокий ROMI несмотря на то, что работает на уже тёплую аудиторию - это типичная картина для многих ниш.
Что сравнивать в разрезе каналов:
- Retention rate (доля клиентов, вернувшихся за повторной покупкой) в месяц 1, 3, 6.
- Средний чек первой и повторных покупок.
- LTV нарастающим итогом.
- Payback period - когда когорта окупает расходы на привлечение.
Когортный анализ по типам ключевых слов
Следующий уровень детализации - сравнение когорт, привлечённых разными типами ключевых слов. Это требует корректной передачи UTM-меток и хранения их в CRM.
Типичные результаты для B2B:
- Горячие транзакционные запросы ("купить", "заказать", "цена") - высокая конверсия с первого касания, средний LTV.
- Информационные запросы ("как выбрать", "сравнение", "отзывы") - низкая первичная конверсия, но клиенты более лояльны и реже уходят к конкурентам.
- Брендовые запросы - самый высокий LTV, минимальный отток.
Если ваша автостратегия оптимизируется только по первой конверсии, она будет агрессивно выкупать трафик по транзакционным запросам и занижать ставки по информационным. Когортный анализ даёт аргументы для корректировки ставок вручную или для подстановки ценности конверсии.
Как использовать когортный анализ для управления ставками
Когортный анализ становится практически полезным, когда его результаты влияют на рекламные кампании.
Сценарий 1 - Ценность конверсии в автостратегиях.
Если вы знаете, что клиенты из поиска приносят LTV 9600 ₽, а из РСЯ - 3200 ₽, можно задать разную ценность конверсии для разных кампаний. Директ будет автоматически балансировать ставки с учётом реальной ценности, а не только первой продажи.
Настройка: в параметрах кампании - "Ценность конверсии" - установить значение, соответствующее LTV первых 3-6 месяцев для клиентов из этого источника.
Сценарий 2 - Аудитории для ретаргетинга.
Когортный анализ показывает, в каком месяце клиенты наиболее склонны к повторной покупке. Например, пик возвратов приходится на 45-60 день после первой покупки. Настройте ретаргетинговую кампанию с таргетингом на посетителей за последние 45-60 дней - это самый горячий момент.
Сценарий 3 - Отключение убыточных сегментов.
Если когорта клиентов из определённого географического сегмента или демографической группы показывает LTV ниже стоимости привлечения - это основание для корректировки ставок или полного отключения.
Заключение
Когортный анализ - это инструмент для бизнесов с повторными продажами. Если у вас разовые покупки (например, недвижимость или дорогое оборудование) - он менее актуален. Во всех остальных случаях оценивать рекламу только по первой конверсии - значит принимать решения на неполных данных.
Практические шаги для старта: - Убедитесь, что UTM-метки корректно передаются в CRM для всех каналов. - Запустите отчёт "Когорты" в Метрике и сравните retention rate для поиска и РСЯ. - Выгрузите данные из CRM и постройте таблицу LTV по месяцам привлечения. - Используйте полученные данные для настройки ценности конверсии в автостратегиях.
Если когортный анализ покажет, что один канал системно приносит более лояльных клиентов - перераспределите бюджет. Это, пожалуй, самое ценное решение, которое даёт этот инструмент.