Когортный анализ — это вид анализа, в котором исследуется специфика поведения совокупности людей, объединенных в группу по некому параметру. Параметр для формирования таких групп (или когорт) определяется, исходя из представлений о целевой аудитории и преследуемых целей. Основная ценность когорты состоит в том, что анализируемые статистические данные не сваливаются в одну кучу, а группируются по определенным характеристикам, что позволяет выявлять корреляцию между динамикой этих характеристик и проведенными изменениями и достаточно точно прогнозировать последующие изменения в поведении той или иной когорты.

Применение когортного анализа в email-маркетинге

В email-маркетинге подписчиков объединяют в когорты на основании даты их попадания в базу. Отслеживание динамики открытий по подобным когортам позволяет определить долю вовлеченности пользователей, которые зарегистрировались в различное время, а также узнать, какая из когорт активнее откликается на содержание вашей рассылки. Сегментируя таким образом имеющиеся у вас данные, вы получаете сведения, которые недоступны при анализе совокупной статистики, и раскроет ваших клиентов с совершенно неожиданной стороны. В результате вы сможете качественнее интерпретировать результаты тестов, выявлять тенденции в изменениях для каждой группы, но самое главное, когортный анализ позволит вам определить время жизни подписчиков (CLT - Customer Life Time).

Для проведения когортного анализа сначала следует разбить базу на когорты по дате подписки (в одну когорту попадают пользователи, подписавшиеся в одном месяце), а затем собрать статистику: сколько пользователей из каждой когорты открывали рассылки в каждом месяце, следующем за их подпиской. Из полученных данных формируется таблица. Сервис DashaMail.ru делает это всё автоматически, и результат выглядит следующим образом:

В столбце «Прирост» содержится информация о том, сколько человек подписалось в базу в конкретном месяце. По горизонтали находится шкала времени, в ячейках указана статистика открываемости рассылок в этом месяце для выбранной когорты. Она дифференцирована по цветам: от красного (самая низкая открываемость) к зеленому (самая высокая открываемость). В самом низу добавлена информация об общем числе отправленных писем за месяц. Наведя мышку на точку пересечения, например, февраль 2017 по вертикали и январь 2017 по горизонтали (33,56 %) говорит нам о том, что 33,56 % клиентов, подписавшихся на рассылки в январе, затем открывали письма в феврале. Двигаясь по горизонтали вправо к маю видно падение активности до 20,41%. Это уже существенное падение, которое необходимо учесть в своей стратегии рассылок. 

Использование когортного анализа в email-маркетинге позволяет:

  • определить среднее время жизни подписчика и своевременно проводить его реактивацию, в том числе в автоматическом режиме;
  • сегментировать обычные рассылки по времени добавления подписчиков, адаптируя контент для новых подписчиков и тех, кто уже перестает читать ваши рассылки, повышая тем самым эффективность email-маркетинга;
  • анализировать эффективность каналов привлечение подписчиков, используемых в течение времени; 
  • тестировать различные стратегии в рассылках (менять соотношение контентных и продающих писем, варьировать частоту и время проведения рассылок, добавлять новые триггеры и т.д.) и корректно интерпретировать результаты проводимых тестов;
  • выявлять закономерности в бизнесе, в т.ч. сезонность;
  • прогнозировать продажи с email-рассылок.

Вы нашли ответ?