Стандартная аналитика рекламы работает с «срезом» данных: смотришь на показатели за период и делаешь выводы. Когортный анализ работает по-другому: он следит за группой пользователей во времени. Это принципиально другой взгляд на эффективность рекламы - и он часто показывает то, что обычные отчёты скрывают.
Что такое когорта и когортный анализ
Когорта - группа пользователей, объединённых общим признаком в определённый момент времени.
Примеры когорт: - Пользователи, пришедшие из Директа в январе 2024 - Покупатели, сделавшие первый заказ в марте 2024 - Пользователи, зарегистрировавшиеся в Q1 2024
Когортный анализ - отслеживание поведения когорты во времени после формирующего события.
Вопросы, на которые отвечает когортный анализ: - Пользователи, пришедшие из кампании A, возвращаются за повторными покупками чаще, чем из кампании B? - Как меняется конверсия когорты через 7 дней, 30 дней, 90 дней после первого визита? - Какова реальная ценность покупателя (LTV) из разных источников трафика?
Зачем когортный анализ нужен для рекламы в Директе
Проблема «снимка» vs «кино»
Стандартный отчёт за месяц - это «снимок»: конверсии за 30 дней разделить на клики за 30 дней. Проблема: пользователи, пришедшие в начале месяца, имели 30 дней на конверсию. Пришедшие в конце месяца - только несколько дней. Конверсия последних систематически занижена.
Когортный анализ - это «кино»: вы смотрите, как ведёт себя одна группа пользователей в течение 7 дней, 14, 30, 60, 90 дней после первого контакта.
Понимание реального LTV
Два рекламных источника могут давать одинаковую первичную конверсию, но разный LTV.
Кампания A: первичная конверсия 3%, средний чек 2 500 руб., процент повторных покупок за 90 дней - 12%.
Кампания B: первичная конверсия 3%, средний чек 2 500 руб., процент повторных покупок за 90 дней - 31%.
На первый взгляд - одинаковые кампании. По LTV - кампания B приносит в 2,5 раза больше денег на одного привлечённого покупателя.
Вывод из стандартного отчёта: увеличить бюджет обеих кампаний равномерно.
Вывод из когортного анализа: увеличить бюджет кампании B, снизить A.
Оценка «отложенных» конверсий
В нишах с длинным циклом принятия решения (мебель, дорогая техника, B2B) пользователь может конвертироваться через 3-8 недель после первого клика. Стандартный отчёт за 7 дней покажет, что кампания работает плохо. Когортный анализ с горизонтом 60-90 дней покажет реальную картину.
Как делать когортный анализ в Яндекс Метрике
Встроенный когортный анализ в Метрике
Метрика - Отчёты - Аудитория - Когорты.
По умолчанию показывает когорты пользователей по дате первого визита. Метрика для оценки когорт - «Доля вернувшихся».
Как читать: - Столбцы - периоды после первого визита (1 день, 7 дней, 14 дней, 30 дней...) - Строки - когорты по неделям или месяцам - Значения - процент пользователей, вернувшихся в этот период
Если когорта января 2024 за 30 дней вернулась в размере 18%, а когорта февраля - 11% - январские пользователи лояльнее. Нужно разобраться, почему.
Сегментация когорт по источнику
Чтобы сравнить когорты из разных источников Директа, добавьте сегмент по источнику.
Путь: 1. Отчёт - Когорты 2. Добавить сегмент: UTM Source = yandex AND UTM Medium = cpc 3. Добавить ещё один сегмент: UTM Campaign = [название конкретной кампании] 4. Сравните поведение когорт из разных кампаний
Когортный анализ конверсий
Стандартный когортный отчёт в Метрике показывает возвращаемость. Для анализа конверсий потребуется построить кастомный отчёт.
Вариант 1 - через сегменты Метрики:
Создайте сегмент: «Первый визит из Директа в [месяц] И совершил конверсию за 90 дней».
Сравните такие сегменты для разных кампаний и периодов.
Вариант 2 - через выгрузку данных:
Выгрузите из Метрики: - Список client_id с первым визитом из нужной кампании - Список client_id, совершивших конверсию
Соедините два списка и посчитайте конверсию когорты.
Практический кейс: когортный анализ для e-commerce
SaaS-компания с бюджетом 540 тыс. руб./мес запускала две кампании: - Кампания «Брендовые запросы» - Кампания «Конкурентные запросы» (таргетинг на запросы конкурентов)
По стандартным отчётам: - Брендовые: конверсия 4,2%, CPO 890 руб. - Конкурентные: конверсия 2,1%, CPO 1 400 руб.
Вывод напрашивался: сократить конкурентную кампанию, увеличить брендовую.
Когортный анализ за 90 дней: - Брендовые: 8% пользователей стали платящими клиентами. LTV за 90 дней - 3 200 руб. - Конкурентные: 22% пользователей стали платящими клиентами (многие сравнивали варианты). LTV за 90 дней - 8 400 руб.
При CPO 1 400 руб. и LTV 8 400 руб. конкурентная кампания была самой выгодной. Высокий CPO маскировал высокую долгосрочную ценность.
Когортный анализ для разных типов бизнеса
E-commerce с повторными покупками
Ключевые вопросы: - Какой процент покупателей из каждой кампании совершают повторную покупку за 90 дней? - Каков средний чек первой и повторных покупок? - Как меняется средний интервал между покупками?
Как использовать: перераспределяйте бюджет в пользу кампаний, привлекающих покупателей с высоким LTV.
E-commerce с разовыми покупками
Ключевые вопросы: - Как быстро конвертируются когорты из разных кампаний? - Какова конверсия за 7, 14, 30 дней? - Конверсия за 30 дней значительно выше, чем за 7? Значит, нужно расширить окно атрибуции.
Подписочные модели (SaaS)
Ключевые вопросы: - Конверсия из трафика Директа в платную подписку: сразу и через 14 дней (после триала)? - Retention: что процент пользователей из когорты остаётся активными через 1, 3, 6 месяцев? - Churn: уходят быстрее пользователи из одних кампаний, чем из других?
Как построить простой когортный анализ вручную
Если встроенный отчёт Метрики не даёт нужного уровня детализации, используйте Excel/Google Sheets.
Шаг 1. Экспорт данных
Из Метрики выгрузите: client_id (или User ID), дата первого визита, источник (utm_campaign), дата конверсий.
Для этого используйте отчёт «Посетители» с кастомными параметрами или API Метрики.
Шаг 2. Разбивка на когорты
В Excel добавьте столбец «Когорта» = год + месяц первого визита (например, «2024-01»).
Добавьте столбцы: «Конверсия за 7 дней», «Конверсия за 30 дней», «Конверсия за 90 дней».
Шаг 3. Сводная таблица
Постройте сводную таблицу с когортами по строкам и периодами конверсий по столбцам. Добавьте сегментацию по utm_campaign.
Шаг 4. Визуализация
Тепловая карта (условное форматирование в Excel) - лучший способ визуализировать когортный анализ. Зелёный - высокие значения, красный - низкие. Паттерны сразу видны.
Что делать с результатами когортного анализа
Перераспределение бюджета
Если когорта из кампании A показывает в 2 раза лучший LTV, чем из кампании B при сопоставимом CPO - увеличьте бюджет кампании A.
Пересмотр метрик оптимизации
Если вы оптимизируете кампании под краткосрочную конверсию, а когортный анализ показывает, что долгосрочно некоторые кампании лучше - пересмотрите цели.
Выявление «токсичного» трафика
Когорта с низкой возвращаемостью и низким LTV - признак трафика с плохим качеством. Это могут быть нецелевые запросы, некачественные площадки или несоответствие аудитории.
Именно поэтому когортный анализ и работа с минус-словами взаимосвязаны: нецелевой трафик дает плохие когорты, хорошие когорты возможны только при качественном трафике.
Чек-лист когортного анализа
- [ ] В Метрике доступен отчёт «Когорты» для анализа возвращаемости
- [ ] Созданы сегменты по источникам для сравнения когорт из разных кампаний
- [ ] Горизонт анализа соответствует реальному циклу принятия решения (минимум 30 дней)
- [ ] Кастомный отчёт или выгрузка данных для анализа конверсий по когортам
- [ ] Сравниваются когорты из разных кампаний по LTV
- [ ] Результаты влияют на распределение бюджета
Заключение
Когортный анализ - продвинутый инструмент, который окупается для бизнесов с бюджетом от 200-300 тыс. руб./мес и повторными покупками. Он показывает то, что скрыто за «средними по больнице» метриками.
Начните с простого: постройте когортный отчёт в Метрике для двух-трёх крупнейших кампаний Директа. Сравните возвращаемость. Если разница значимая - это уже основание для изменения распределения бюджета.
Для качественного когортного анализа нужен чистый трафик. Нецелевые запросы «засоряют» когорты и делают данные ненадёжными. ВАудитор убирает нецелевой трафик за 24-48 часов - после этого когортный анализ становится значительно информативнее.