Когортный анализ клиентов: почему рост продаж может скрывать отток

В августе первых покупателей стало больше, чем в июле. Хорошая новость? Возможно. Но если заметно меньшая доля из них вернулась, бизнесу приходится постоянно докупать новый поток, чтобы поддерживать общий результат.

В общей выручке это легко пропустить. Новые люди закрывают уход прежних, и график растёт. Когортный анализ предлагает другой вопрос: что произошло с людьми, которые пришли в один и тот же период?

Сначала выберите, что именно означает «вернулся»

Открыл приложение, оформил второй заказ, оплатил продление и прочитал письмо — разные события. Даже слово retention может означать разные способы подсчёта: в документации Amplitude отдельно выделены режимы Return On и Return On or After. Нельзя сравнивать проценты, пока не совпадают определения.

В этой статье используем собственное простое правило: клиент совершил второй оплаченный заказ в течение 30 суток после первого. Считаем уникальных клиентов, а не количество заказов. Если один человек купил ещё пять раз, в числителе он всё равно один.

Это показатель повторной покупки в заданном окне. Отсутствие второго заказа за 30 дней не доказывает, что человек навсегда ушёл. Для подписки отток могут определять через прекращение оплаты, для магазина — иначе. Выберите смысл под бизнес, а не красивое название показателя.

Когортный анализ на примере пяти месяцев

Данные ниже учебные. Дата среза — 23 октября 2026 года. Когорта определяется по месяцу первого оплаченного заказа. Отмены и повторные регистрации до подсчёта очищены по одному правилу.

Таблицу можно прокрутить вбок →

Август выглядит сильнее июля по притоку: 150 покупателей вместо 90. Но в нашем окне вернулось 20% против 30%. Общий рост новых заказов не отменяет вопроса к качеству повторного опыта.

Разница между 30% и 20% — 10 процентных пунктов. Относительное снижение составляет примерно треть. Это разные способы описать одно изменение; писать «стало хуже на 10%» без уточнения некорректно.

Такой расчёт ещё не объясняет причину. В августе могли прийти люди из другого канала, измениться первый товар или действовать разовая акция. Дальше нужно разделить наблюдение и гипотезу, а не объявить новый рекламный источник виноватым.

Почему сентябрю нельзя поставить ноль

Клиент, впервые купивший 30 сентября, к 23 октября ещё не прожил полные 30 суток после заказа. У майского покупателя это окно давно завершено. Если сравнить их сейчас как равных, младшая когорта будет выглядеть хуже просто из-за возраста.

Есть два рабочих способа: дождаться зрелости всей когорты или сравнивать только клиентов, для которых полное окно уже закончилось. Во втором случае знаменатель нужно подписать отдельно: это не вся сентябрьская группа. Не смешивайте оба подхода в одной строке отчёта.

Для нескольких периодов строят треугольную таблицу: у ранних групп заполнено больше интервалов, у поздних — меньше. Пустые будущие клетки не означают отсутствие покупок. В описании клиентских когорт Shopify также используется сравнение поведения покупателей после их первого заказа. Конкретные настройки отчёта нужно проверять, а не переносить название метрики без определения.

Какие данные подготовить для первого расчёта

Минимум — стабильный идентификатор клиента, идентификатор заказа, дата и время оплаты, статус и сумма. Если смотрите влияние источника, добавьте согласованную модель привязки к каналу. Один клиент не должен превращаться в трёх из-за смены устройства или разных написаний контакта.

Сохраните дату первого подходящего события и относительное время всех следующих событий. Для каждого покупателя ответьте на два вопроса: закончилось ли его окно наблюдения и был ли в нём второй подходящий заказ? Только затем суммируйте по когортам.

Не смешивайте часовые пояса и календарные месяцы с фиксированными 30 сутками. «Следующий месяц после покупки» и «30 суток после покупки» дадут разные результаты для заказа в начале и конце месяца. Ни один вариант не плох сам по себе; плохо, когда они незаметно меняются между отчётами.

Что проверять, если новая когорта возвращается хуже

Начните с трёх разрезов: канал первого обращения, первый купленный продукт и условия предложения. Проверьте, не привлекла ли акция людей, которым нужен был только разовый заказ. Посмотрите, не изменился ли путь после покупки: доставка, инструкция, поддержка, доступность следующего товара.

Связать цифры с опытом поможет карта пути клиента. А анализ отзывов клиентов даст материал для гипотез: что люди хвалят, где сталкиваются с затруднениями и почему не хотят повторять заказ. Отзывы не заменяют всю базу, но могут показать, что спросить дальше.

Не дробите маленькую выборку сразу на десятки сегментов. В группе из нескольких покупателей один дополнительный заказ резко меняет процент. Сначала проверьте устойчивость наблюдения и сопоставимость условий; для проверки изменений пригодится разбор A/B-тестов.

Где когортный анализ дополняет RFM и LTV

RFM-анализ отвечает: как выглядит клиентская база на выбранную дату и кому какое действие предложить? Когорты отвечают: как ведут себя разные поколения покупателей после общего старта? Это не взаимозаменяемые отчёты.

Вместе с повторными заказами можно смотреть накопленную выручку и согласованный денежный вклад к одному возрасту группы. Тогда станет понятнее, как окупается привлечение. Для этого нужны одинаковые правила затрат и достаточно зрелая история; опирайтесь на расчёт LTV и стоимости клиента, не подставляя выручку вместо прибыли.

Когортный анализ в Excel: сначала таблица клиентов, затем проценты

Не начинайте с цветной матрицы по строкам заказов. Сначала сделайте промежуточную таблицу, где одна строка — один клиент: ID, время первой покупки, месяц когорты, время второй покупки, дата окончания 30 суток, зрелость окна и признак возврата.

Для нашего определения возврата второй заказ должен быть позже первого и не позже первого плюс 30×24 часа. Одинаковые записи об одном заказе не являются двумя покупками. Если храните только дату без времени, нельзя точно восстановить границу в часах: выберите и подпишите допустимое календарное правило вместо скрытой подмены.

После этого группируйте клиентов по месяцу первого заказа. Числитель — уникальные клиенты с подходящим возвратом; знаменатель — клиенты, отвечающие согласованному правилу зрелости. Для целиком зрелой майской группы из примера получается 30/100=30%. Отображайте дробь процентным форматом без повторного умножения на 100.

Контроль отчёта: число клиентов во всех группах не превышает число уникальных клиентов исходной базы; один человек не попал в два месяца первого заказа; будущие окна не заполнены нулями. Возвраты на 45-е сутки сохраняются в данных, но не проходят условие 30 суток. Эта проверка защищает от ошибки, которую красивый график не покажет.

Шаблон определения метрики

Событие входа в когорту:
Период формирования группы:
Единица наблюдения: уникальный клиент:
Что считаем возвратом:
Начало и конец относительного окна:
Кто уже прожил полное окно:
Числитель и знаменатель:
Правило отмен, возвратов, дублей и часового пояса:
С какими когортами сравниваем и почему они сопоставимы:

Этот короткий паспорт полезнее, чем автоматически построенная цветная матрица без объяснения, что означает каждая клетка.

Можно ли построить когорты в обычной таблице?

Да. Для первого разбора достаточно выгрузки заказов и расчёта первого события для каждого клиента. Главное — не потерять идентификаторы и правильно проверить относительное окно. Специализированный инструмент упрощает обновление отчёта, но не выбирает бизнес-определение возврата за вас.

Что делать с клиентом, который вернулся позже окна?

Сохранить его событие, но не засчитывать в метрику с другим условием. Покупка на 45-е сутки не является повторной покупкой за 30 суток. Её можно учесть в более длинном окне, если такое окно нужно бизнесу и одинаково применяется ко всем сравниваемым группам.

Следующий шаг

Возьмите три зрелые когорты и один показатель возврата. Если проценты различаются, выпишите возможные объяснения и проверьте данные, прежде чем менять рекламу. Когортный анализ помогает увидеть проблему; решение требует отдельной проверки.