- PVSM.RU - https://www.pvsm.ru -

Погружаемся в динамику клиентской базы: когортный анализ и анализ потоков

Продолжаю цикл статей по анализу продукта (начало [1])

В прошлой статье [2] я погрузился в анализ выручки и разбил ее на 2 компоненты — MRPU и кол-во клиентов. Сегодня рассмотрим дальнейшие шаги в анализе и разложим на составляющие кол-во клиентов и их динамику.

Теперь общая схема анализа выглядит так:

Погружаемся в динамику клиентской базы: когортный анализ и анализ потоков - 1

Когортный анализ позволяет объяснить тенденции, протекающие в клиентской базе и пробрасывает прямой мост в воронку продаж и действия по удержанию и возвращению клиентов.

Что такое когортный анализ? Это разложение клиентов по датам их "прихода". Для разных продуктов это может быть различные события, например:

  1. Первая покупка
  2. Подписанный контракт на абонентское обслуживание
  3. Оформленная платная услуга в скачанном приложении.
  4. Первое зачисление денег на лицевой счет

Все зависит в итоге от вашего определения, когда вы считаете, что у вас появился клиент. Логичнее всего привязываться к моменту получения дохода или появления у клиента обязательств что-то заплатить. Хотя у каждого продукта могут быть свои особенности и клиентом можно уже считать и того, кто подписал какой-то договор, еще без внесения денег.

Если мы разобьем всех клиентов по датам "прихода", сгруппируем по месяцам (или неделям, дням зависит от типичных циклов жизни клиентов) и посчитаем кол-во клиентов, кто все еще продолжает быть клиентом (все еще платит, не расторгнул контракт) мы получим примерно такую картину:

Погружаемся в динамику клиентской базы: когортный анализ и анализ потоков - 2

Для простоты анализа часто близкие по датам начала когорты объединяют, чтобы диаграмма не выглядела как лапша.

В моем примере с привлечением клиентов все хорошо и клиентская база прирастает за счет привлечения новых клиентов. При этом в какой-то момент удается вернуть старых клиентов (мы видим, что самая старая когорта увеличивается к концу периода).

В анализе когорт у нас есть ряд важных производных характеристик, на которые стоит обратить внимание:

  1. Размеры новых когорт — это прямая характеристика ваших усилий по привлечению клиентов. Новые когорты формируются из новых клиентов
  2. Скорость распада когорт — это средняя величина, с которой во времени убывают ваши новые клиенты по мере возрастания их срока жизни. Обычно это процент, на который убывает когорта за период жизни.
  3. Размеры "старых" когорт. В "старую" когорту обычно помещают клиентов, которых вы уже не считаете новыми. Это люди, кто должны в теории быть вашими постоянными клиентами. Чаще всего эта когорта формирует основной объем выручки и самая большая по численности. Динамика размера "старой когорты" определяет ваши перспективы как продукта. Сокращение "старой когорты" или ее стагнация — звоночек, что у вас проблемы с продуктом, с продажами или лояльностью.

Хочу отметить, что обычно не существует "срока жизни" клиента, т.к. чаще всего когорты дляться и дляться, просто в них становится все меньше и меньше клиентов. В этом смысле бытовое значение слова "срок жизни" оказывается неверной интерпретацией распада когорт. Если мы говорим о 3 месяцах "среднего срока жизни", то не верно это понимать, что у вас не остается клиентов через 3 месяца. Употребление термина "средний срок жизни" становится некоторым математическим трюком. Дело в том, что распад когорты характеризует именно темп убывания клиентов. И вы можете перевести этот темп в термины: я теряю 50% когорты за 3 месяца. Или еще более жесткий — я теряю 95% когорты за 12 месяцев. Но возможно, что типичный срок потери всей когорты растянется на года. Поэтому хорошо прояснять в своей аналитике, что какую метрику вы хотите использовать.

Использования метрики "Х% за Y периодов" хороший количественный способ для сравнения качества когорт между собой. Дело в том, что любая когорта — это небольшой "эксперимент". Люди в каждой когорте проходят встречу и ознакомление с вашим продуктом с нуля. И историческая ретроспектива когорт показывает ваши успехи и неудачи в отношении onboarding, а затем и в отношении retentionchurn. Если вы методически добиваетесь повышения характеристики Y, то это означает, что вы хорошо развиваете продукт и взаимоотношения с клиентами. В целом это дело вкуса, вы можете как оперировать "средним сроком жизни" в том смысле в котором я его обозначил выше, либо же использовать оценку распада когорты в процентах.

Еще одним хорошим методом "взгляда" на когорты является анализ потоков клиентской базы. Это более наглядная свертка данных в когортах. Мы соединяем наши когорты и их динамику следующим образом:

  1. Сколько пришло новых клиентов в отчетном периоде (просто новые когорты)
  2. Сколько вернулось старых клиентов в отчетном периоде (клиенты из старых когорт, то возобновил отношения)
  3. Сколько клиентов в действующей базе (были и остались)
  4. Сколько клиентов ушло из старых когорт

Погружаемся в динамику клиентской базы: когортный анализ и анализ потоков - 3

Такая картинка наглядно показывает баланс притоков и оттока клиентской базы. И если ваш отток выше притока, ты вы сразу понимаете, что у вас проблемы.
В этом примере баланс потоков клиентов сильно в сторону притоков и поэтому клиентская база растет быстрыми темпами.

Что дает нам разложение клиентов на когорты:

  1. Мы можем увидеть, насколько быстро наша клиентская база обновляется, какую часть в ней составляют "новички", а в какую "старички"
  2. Если основа клиентской базы это старички и ваши новые клиенты дают 1% к базе в месяц, то как-то странно ожидать прироста клиентов в 50% к концу года. Вы или должны увеличивать входящий поток клиентов (что обычно проще) или вернуть значительную часть ранее потерянных клиентов (что обычно сложнее).
  3. Если же срок жизни ваших клиентов короткий и у вас почти не накапливаются "старички", то это наоборот означает, что ваши усилия в отношении старичков должны быть на втором плане. И вам нужно работать над увеличением срока жизни клиента, onboaring или продолжать увеличивать входящий поток.
  4. Анализ когорт дает вам возможность прогнозировать будущее состояние вашей экономики и ответить на вопрос "Сможете ли выполнить план, если при тех же показателях распада, вы увеличите в 2 раза привлечение клиентов"?
  5. Мы можем оценить количественно успешность наших усилий по привлечению и удержанию клиентов через сравнение скорости распада когорт.
  6. По итогам анализа вы можете понять где проблема в продукте в отношении клиентской базы (привлечение, удержание, "срок жизни" и т.п.)

Я уже замечал, что пока мы находимся на анализе всех средних. Но ваша клиентская база может иметь различные сегменты и кластеры. Ваш анализ по когортам станет еще продуктивнее, если вы проведете сегментацию и кластеризацию клиентской базы.

В следующих паре статей я напишу по подготовку данных для когортного анализа и про прогнозирование когорт в будущее для прогноза динамики клиентской базы.

Автор: Бог сервера

Источник [3]


Сайт-источник PVSM.RU: https://www.pvsm.ru

Путь до страницы источника: https://www.pvsm.ru/data-mining/283760

Ссылки в тексте:

[1] начало: https://habr.com/sandbox/121807/

[2] В прошлой статье : https://habr.com/sandbox/121985/

[3] Источник: http://habrahabr.ru/sandbox/122127/