Почему Когорта не равно Сегмент?
Ответ прост: когорта включает в себя параметр времени.
Как это? Разберем на простых примерах.
Источник: тыц
Представим себе, что у нас стриминговый сервис, какой-нибудь "Fluflex", и миллиона полтора пользователей. И мы весьма ошарашены этим достижением, но ничего кроме цифры 1 500 000 мы про своих пользователей не знаем. И, например, нам пришла в голову светлая мысль: "Понять, а откуда больше всего пользователей к нам приходит?"
Казалось бы, что проще? Посмотреть трафик, посчитать в разере источников и у кого больше, тот и молодец.
Посмотрим, так ли это, когда в игру вступает неумолимо прекрасное Время.
Сформулируем задачу: "Какое количество пользователей зарегистрировались с рекламной компании на Yandex и оформили подписку за апрель 2022 года?"
Допустим, прямой ответ на вопрос - 700 000 пользователей, но с этой цифрой, как и с цифрой в 1 500 000 мало что можно сделать.
Так, мы явно можем выделить группы и получить больше информации:
- те, кто зарегистрировались;
- те, кто зарегистрировались с рекламной компании на Yandex;
- те, кто оформил подписку;
Все, что выше - это пользовательский сегмент, параметр по которому происходит группировка или сегментация - это целевое действие, окрашенное брендом или нет, и подписка.
Все, что ниже - когорты.
- те, кто зарегистрировались за апрель;
- те, кто зарегистрировались с рекламной компании на Yandex за апрель;
- те, кто оформил подписку за апрель;
Допустим, нам необходимо понять, а вообще игра стоила свеч или нет? И мы к нашему вопросу про зарегистрированных пользователей от рекламной компании прибавляем метрику $, которые нам принесли пользователи. И анализируем когорты пользователей, скомпанованные по месяцам за интересующий нас период.
| Когорта | Размер | 1 | 2 | 3 | 4 |
|---|---|---|---|---|---|
| Январь | 250 | 50% | 90% | 112% | 143% |
| Февраль | 300 | 14% | 34% | 96% | - |
| Март | 150 | 10% | 25% | - | |
| Апрель | 400 | 8% | - | - | - |
Благодаря когортам, мы видим, что могучая кучка пользователей, которые зарегистрировались в январе, на четвертый месяц после, то есть, в апреле, вывели нас в плюс. Тогда как если бы мы посмотрели на ситуацию "в лоб", то мы бы получили неудовлетворительную картину и посчитали бы, что рекламная акция была неудачной.
Второй, мне кажется, очень интересный вопрос: "Как когортный анализ помогает в определении портрета пользователя"?
Вернемся к нашим 1 500 000 пользователей.
Что обычно делают, чтобы нарисовать портрет пользователя? Выделяют акцентуации или яркие признаки аудитории, чаще всего: гендер, возраст, частота покупок, средний чек. И получают, что пользователь - на 56% женщина 40+ со склонностью к спонтанным покупкам.
И что с этим делать? Это вообще портрет?
Источник: тыц
С помощью когортного анализа, а точнее, с помощью приземления определенного пользовательского поведения ко времени (даты, периоды, сезоны) и сравнительного их анализа, можно получить очаровательные результаты, которые позволят вам узнать вашего пользователя более детально, а значит, вполне успешно прогнозировать его действия, а затем и провоцировать их.