Когортный анализ — это метод исследования поведения пользователей в динамике по какому-либо параметру. Для исследования пользователей объединяют несколько групп — когорт — по нужному параметру.
Рубрика «когортный анализ»
Как обсчитать когортный анализ в 9 шагов
2025-03-21 в 8:15, admin, рубрики: python, аналитика данных, когортный анализКак собрать когорты пользователей в виде графиков в Grafana [+docker-образ с примером]
2019-08-21 в 9:32, admin, рубрики: Grafana, mysql, Блог компании PromoPult, веб-аналитика, визуализация, визуализация данных, когортный анализ, когорты пользователей![Как собрать когорты пользователей в виде графиков в Grafana [+docker-образ с примером]](https://www.pvsm.ru/images/2019/08/21/kak-sobrat-kogorty-polzovatelei-v-vide-grafikov-v-Grafana-docker-obraz-s-primerom.png "Как собрать когорты пользователей в виде графиков в Grafana [+docker-образ с примером] - 1")
Как мы решили задачу визуализации когорт пользователей в сервисе Promopult c помощью Grafana.
Promopult — мощный сервис с большим числом пользователей. За 10 лет работы число регистраций в системе перевалило за миллион. Те, кто сталкивался с подобными сервисами, знают, что этот массив юзеров далеко не однороден.
Кто-то зарегался и «уснул» навеки. Кто-то забыл пароль и зарегался еще пару раз за полгода. Кто-то несет деньги в кассу, а кто-то пришел за халявными инструментами. И хорошо бы с каждого получить некий профит.
На таких больших массивах данных, как у нас, анализировать поведение отдельного юзера и принимать микро-решения бессмысленно. А вот отлавливать тренды и работать с большими группами — можно и нужно. Что мы, собственно, и делаем.
Аналитика воронки продаж
2018-07-14 в 16:08, admin, рубрики: growth hacking, бизнес-модели, воронка продаж, когортный анализ, маркетинг, Управление продажами, Управление продуктомРассмотрев когорты в целом, теперь мы можем перейти к их изучению в части привлечения новых клиентов. Привлечение новых клиентов одна из ключевых дисциплин в управлении и развитии продукта, т.к. Именно от потока входящих клиентов зависит вся ваша выручка и способность контролировать рынок и побеждать конкурентов.
Поток новых клиентов не появляется из воздуха, его количество зависит от ваших маркетинговых усилий. Привлечение клиентов это корректный процессинг потенциальных клиентов со стадии контактов до стадии продаж. Входящие в когорты новые клиенты на самом деле финальный этап воронки продаж. Костяк этапов в воронке продаж выглядит так:
В чем состоит главная цель ваших маркетинговых усилий? Вы должны на правильном рынке, обратится к правильным людям, чтобы они с наименьшими усилиями купили наибольшее число ваших товаров и услуг и стали ваши постоянными клиентами. Воронка продаж показывает, насколько успешно вы проходите по этим этапам взаимоотношений и на каком этапе теряете больше всего потенциальных клиентов.
Собираем когортный анализ-анализ потоков на примере Excel
2018-07-03 в 8:07, admin, рубрики: data mining, Excel, анализ продукта, бизнес-модели, когортный анализ, Управление продажамиВ прошлой статье я описал использование когортного анализа для выяснения причин динамики клиентской базы. Сегодня пришло время поговорить про трюки подготовки данных для когортного анализа.
Легко рисовать картинки, но для того, чтобы они считались и отображались правильно “под капотом” нужно проделать немало работы. В этой статье мы поговорим о том, как реализовать когортный анализ. Я расскажу про реализацию при помощи Excel, а в другой статье при помощи R.
Хотим мы этого или нет, но по факту Excel это инструмент анализа данных. Более “высокомерные” аналитики будут считать, что это слабый и не удобный инструмент. С другой стороны по факту сотни тысяч людей делают анализ данных в Excel и в этом отношении он легко побьет R / python. Конечно, когда мы говорим о advances analytics и машинном обучении, мы будем работать на R / python. И я был бы за то, чтобы большая часть аналитики делалась именно этими инструментами. Но стоит признать факты, в Excel обрабатывают и представляют данные подавляющее большинство компаний и именно этим инструментом пользуются обычные аналитики, менеджеры и product owners. Вдобавок Excel трудно победить в части простоты и наглядности процесса, т.к. вы мастерите свои расчеты и модельки буквально руками.
И так, как же нам сделать когортный анализ в Excel? Для того, чтобы решать подобные задачи нужно определить 2 вещи:
-
Какие данные у нас в начале процесса
-
Как должны выглядеть наши данные в конце процесса.
Как я применил когортный анализ участвуя в соревновании по сбросу веса
2017-11-30 в 6:42, admin, рубрики: gtd, когорт анализ, когортный анализ, когортыВсё началось с того, что я бросил вызов и принял участие в соревновании. Дело в в том, что вес у меня заоблачный и, конечно, хочется его серьезно сбросить.
Раньше был опыт избавления от 20 кг, но потом, из-за отсутствия мотивации, много вернулось обратно. В этот раз, чтобы мотивация была серьезной, я бросил вызов другому человеку и взялся за дело.
Читать полностью »
Когортный анализ показывает картину, совершенно отличную от нашего привычного восприятия
2017-10-12 в 14:32, admin, рубрики: devops, когортный анализ, метрики, оптимизация процесса разработки, принятие решений, управление, Управление продуктом, управление разработкойПозвольте мне перенести Вас на некоторое время назад. Представьте, что Вы стоите вместо со мной у одной из досок и пытаетесь объяснить коллегам Вашу новую концепцию метрик. Если сказать про мои чувства в тот момент — это было отчаяние. Я со всей отчётливостью понимал, что к сожалению, мои слова не смогли дойти до собеседников. Никто из участников встречи совершенно не воспринял ни одной моей мысли. Они мне не верили.
Не верили не потому, что я не логично изложил суть или сказал что-то глупое. Нет. С этой точки зрения всё было хорошо. “То, что ты предлагаешь — это действительно интересно и инновационно, но… давай-ка мы все-таки сделаем всё по-старому”. Как же обидно было это слышать.
Я разрабатывал систему метрик, ориентировать на которые должны были несколько тысяч человек. Представьте, что Вы совершенно чётко осознаете, что люди вокруг вас упорно и настойчиво, всеми своими силами стремятся упасть в глубочайшую яму, цена падения в которую невероятно высока. Вы просто не имеете права допустить, чтобы это произошло, понимаете? Просто не имеете права!
Но в тот момент я как собачка смотрел преданными глазами на коллег и ничего не мог сказать. Знаете, есть несколько выдающихся человек в мире, которые мне очень нравятся. И один из них — Илон Маск. После очередного неудачного запуска ракеты Фалькон в его компании царило полное уныние. Несмотря на то, что день был очень тяжелым, несмотря на 20 часов, проведенных на ногах и постигший его удар, Маск выступил перед компанией, поддержал сотрудников и завершил свою речь словами: “Сам я никогда не сдамся. Никогда!”
Слова Маска тогда сами собой всплыли у меня в голове: “Я не сдамся!”.
Читать полностью »
5 идей по игровой аналитике
2016-09-13 в 15:36, admin, рубрики: core loop, devtodev, KPI, retention, rolling retention, tutorial, аналитика, Блог компании ВШБИ — Менеджмент игровых интернет-проектов, воронки, геймдизайн, игровой цикл, игры, когортный анализ, манжеты геймдизайна, разработка игр, разработка мобильных приложений… которые можно почерпнуть из вебинара наших партнеров из detodev. Этот вебинар проводился 25 августа вместе с друзьями с отличного портала по геймдизайну GDCuffs на тему “Аналитика в играх”. Про игровую аналитику рассказывали Сергей Гимельрейх, учредитель в ORC WORK, Александр Пашин, Senior Game Designer в Silly Penguin и ведущий аналитик devtodev Василий Сабиров, который кстати скоро будет проводить отдельный мастер-класс по игровой аналитике для слушателей нашей программы «Менеджмент игровых интернет-проектов».
Под катом вы найдете конспект ключевых идей с вебинара, а также ссылку на видео.
Рост хоккеистов: анализируем данные всех чемпионатов мира в текущем веке
2016-05-24 в 4:00, admin, рубрики: cohort analysis, cohort effect, data mining, exploratory data analysis, IIHF, R, визуализация данных, когортный анализ, когортный эффект, открытые данные, Программирование, регрессия, рост спортсменов, сборная России, спортивная аналитика, хоккей, чемпионат мира по хоккею 2016, метки: IIHF, регрессия, рост спортсменов, сборная России, хоккей, чемпионат мира по хоккею 2016
На днях завершился очередной чемпионат мира по хоккею.
За просмотром матчей родилась идея. Когда в перерывах телевизионная камера показывает уходящих в раздевалку игроков, трудно не заметить, насколько они огромные. На фоне тренеров, функционеров команд, сотрудников ледовой арены, журналистов или просто фанатов они, как правило, выглядят очень внушительно.
Вот, к примеру, восходящие звезды финского хоккея, Патрик Лайне и Александр Барков, вместе с преданными поклонниками
И я задался вопросами. Действительно ли хоккеисты выше обычных людей? Как изменяется рост хоккеистов со временем в сравнении с обычными людьми? Есть ли устойчивые межстрановые различия?
Новый функционал Google Analytics: когортный анализ
2015-07-23 в 14:35, admin, рубрики: google analytics, Блог компании RealWeb, веб-аналитика, интернет-маркетинг, когортный анализ, контекстная реклама, Управление e-commerceЭксперт по web-аналитике с мировым именем Авинаш Кошик сокрушается в своём блоге о том, что правило 80/20 срабатывает, увы, и для аналитики. 80% пользователей используют лишь 20% доступных инструментов. А задумывались ли вы о том, что, пожалуй, самая мощная система web-аналитики доступна абсолютно бесплатно? Более того, вместе с ней доступна масса экспертизы на русском и английском языках, которая поможет освоиться с инструментом и создать аналитическую систему, «заточенную» именно под ваш бизнес. Работа с аналитикой — одно из ключевых направлений деятельности в компании. Важно правильно поставить вопрос, своевременно увидеть признаки проблемы, собрать максимум информации и только потом принимать решение на основе анализа. Даже, если проблем нет и вы рады динамике абсолютно всех показателей, не стоит останавливаться — нужно узнать о причинах успеха, чтобы закрепить его.
