Что такое когортный анализ

Проблема агрегированных метрик

Представь: в январе 2024 активных клиентов было 30. В феврале — тоже 30. Кажется, удержание 100%.

Но на самом деле: 10 клиентов ушли, зато пришло 10 новых. Агрегированная статистика скрывает отток.

Когортный анализ разбивает клиентов на группы (когорты) по времени первого действия и отслеживает их поведение во времени.

Что такое когорта

Когорта — группа клиентов, объединённых общим признаком во времени:

Когорта октября 2023 — клиенты, зарегистрировавшиеся в октябре 2023
Когорта Q1 2024 — клиенты, сделавшие первый заказ в Q1 2024

В нашей базе данных когорта = месяц регистрации (registered_at).

Таблица удержания (Retention Table)

Стандартный результат когортного анализа:

код

Когорта    │ M0  │ M1  │ M2  │ M3
───────────┼─────┼─────┼─────┼────
Oct 2023   │ 7   │  5  │  4  │  3   ← из 7 зарегистрировались в окт,
           │100% │ 71% │ 57% │ 43%     5 были активны в ноя, 4 в дек...
Nov 2023   │ 6   │  4  │  3  │  2
Dec 2023   │ 6   │  4  │  3  │
Jan 2024   │ 7   │  5  │
Feb 2024   │ 6   │  4  │
Mar 2024   │ 8   │

M0 — месяц регистрации (все клиенты: 100%)
M1 — через месяц (сколько вернулись)
M2 — через 2 месяца
И так далее

Зачем это нужно

Product: понять, после какого месяца клиенты уходят
Marketing: сравнить удержание по каналам привлечения
Finance: оценить LTV (Lifetime Value)
Operations: найти проблемные когорты

Алгоритм построения в SQL

код

1. Определить когорту каждого клиента (месяц регистрации)
2. Для каждого клиента найти месяцы его активности (транзакции)
3. Вычислить «номер месяца» относительно когорты (0, 1, 2...)
4. Посчитать количество активных клиентов по когорте и номеру месяца

Запомни

Когортный анализ = «разбей клиентов по времени первого действия и отслеживай их активность во времени». Это базовый инструмент продуктовой аналитики.