Когортный анализ в маркетинге: зачем нужен и как сделать
Когортный анализ — это способ сравнивать группы клиентов, которые пришли в одно и то же время или из одного источника, и смотреть, как они ведут себя дальше: возвращаются ли, сколько покупают, когда уходят. Когорту чаще всего собирают по месяцу первой покупки, а результат оформляют в таблицу-«лесенку». Он нужен, чтобы увидеть то, что прячут средние цифры: улучшается ли удержание, какие каналы рекламы приводят клиентов, которые покупают повторно, и окупается ли привлечение на длинной дистанции. Для анализа достаточно выгрузки заказов из CRM и таблицы.
Что такое когорта и когортный анализ
Когорта — это группа людей, объединённых общим событием в одном периоде. В маркетинге таким событием обычно становится первая покупка, регистрация или первая заявка. Все, кто впервые купил в марте, — мартовская когорта; все, кто впервые купил в апреле, — апрельская.
Дальше каждую когорту отслеживают отдельно: сколько её участников вернулось через месяц, через два, через полгода, сколько денег они принесли за это время. Ключевая идея — сравнивать клиентов не «всех вместе», а по «возрасту» их отношений с компанией. Покупатель, который пришёл вчера, и покупатель, который с вами год, ведут себя по-разному, и смешивать их в одну среднюю бессмысленно.
Когорту можно строить не только по дате. Полезные варианты — по рекламному каналу первого касания, по первому купленному товару, по региону, по акции, на которую пришёл клиент.
Зачем когортный анализ бизнесу
Средние показатели обманывают. Допустим, общая выручка от повторных покупок растёт. Кажется, что удержание улучшается. Но когортная таблица может показать другое: старые клиенты продолжают покупать по инерции, а каждая новая когорта возвращается всё хуже. Рост идёт за счёт прошлого, а проблема уже есть и нарастает.
Когорты отвечают на вопросы, на которые не отвечают обычные отчёты:
- Улучшилось ли удержание после того, как вы изменили сервис, упаковку или сценарий допродаж?
- Какой рекламный канал приводит клиентов, которые покупают снова, а какой — разовых охотников за скидкой?
- Через сколько месяцев клиент в среднем окупает затраты на своё привлечение?
- В какой момент клиенты массово перестают возвращаться — и что происходит в этот момент?
Последний пункт особенно важен для рекламы. Если вы считаете окупаемость только по первой покупке, часть кампаний выглядит убыточной, хотя приводит клиентов с высокой повторяемостью. Когорты показывают полную картину — это продолжение логики юнит-экономики во времени.
Как построить когортную таблицу пошагово
Шаг 1. Выгрузите заказы. Нужны идентификатор клиента, дата заказа, сумма и, если есть, источник первого обращения. Данные лучше брать из CRM, а не из веб-аналитики: важны именно покупки конкретных людей, а не визиты на сайт.
Шаг 2. Определите для каждого клиента дату первой покупки. По ней клиент попадает в когорту — например, «2026-03».
Шаг 3. Для каждого заказа посчитайте «возраст». Это номер месяца от первой покупки: первая покупка — месяц ноль, заказ через месяц — месяц один и так далее.
Шаг 4. Соберите сводную таблицу. В строках — когорты, в столбцах — месяцы жизни клиента, в ячейках — число клиентов когорты, которые сделали покупку в этом месяце. Получится «лесенка»: у старых когорт много столбцов, у свежих — мало.
Шаг 5. Переведите абсолютные числа в доли. Разделите каждую ячейку на размер когорты в месяце ноль. Так когорты разного размера становятся сравнимыми. Вторая полезная таблица — накопленная выручка на одного клиента когорты по месяцам.
Шаг 6. Раскрасьте. Условное форматирование цветом по значению сразу покажет, где удержание выше, а где проседает.
Как читать таблицу: три направления
По строке — как ведёт себя одна когорта со временем. Обычно доля вернувшихся резко падает после первого месяца, а затем выходит на «плато». Высота этого плато — ваше реальное ядро постоянных клиентов.
По столбцу — как меняются когорты от месяца к месяцу. Сравните, например, долю вернувшихся на третьем месяце у когорт разных периодов. Если значение растёт, изменения в продукте или сервисе работают. Если падает, что-то испортилось: качество, доставка, аудитория, которую приводит реклама.
По диагонали — события в конкретном календарном месяце. Если все когорты одновременно просели в одном и том же календарном месяце, причина внешняя: сезон, сбой на сайте, проблемы с поставками, действия конкурентов.
Когорты и реклама в Яндекс Директе
Самое практичное применение для рекламодателя — когорты по источнику. Разбейте клиентов по каналу первого касания: поиск Директа, Рекламная сеть Яндекса, карты, органика, рекомендации. Для этого источник должен сохраняться в CRM вместе с заявкой — обычно его передают через UTM-метки.
Дальше сравните накопленную выручку на клиента по каналам через несколько месяцев. Часто выясняется, что канал с самой дешёвой первой заявкой приводит людей, которые больше не возвращаются, а канал подороже — клиентов, которые покупают снова и снова. Решение о бюджете по цене первой заявки и решение по когортам могут оказаться противоположными.
Второй сценарий — оценка акций. Клиенты, пришедшие на большую скидку, нередко возвращаются хуже, чем пришедшие на обычное предложение. Когорта «пришёл по акции» против когорты «пришёл без акции» показывает, стоила ли акция потраченных денег. Чтобы связать такие выводы с деньгами в рекламе, нужна сквозная аналитика или хотя бы аккуратная ручная сверка CRM и рекламных отчётов.
Неочевидная ошибка: сравнивать свежие когорты со старыми «как есть»
Свежая когорта ещё не успела прожить столько месяцев, сколько старая. Если сравнивать накопленную выручку когорт без учёта возраста, новые всегда будут выглядеть хуже — просто потому, что у их клиентов было меньше времени на повторные покупки. Отсюда ложные выводы вроде «последние кампании приводят слабых клиентов».
Сравнивать нужно только одинаковые «возрасты»: третий месяц с третьим месяцем, шестой с шестым. Неполные ячейки — текущий, ещё не закончившийся месяц — лучше вообще не показывать или помечать отдельно, иначе последний столбец каждый раз будет «проваливаться».
Вторая ловушка — слишком маленькие когорты. Если в месяц приходит несколько десятков клиентов, случайные колебания будут выглядеть как тренды. В этом случае объединяйте когорты по кварталам или смотрите на накопленную картину, а не на отдельные ячейки.
Третья — сезонность. Декабрьская когорта магазина подарков и мартовская когорта того же магазина — разные люди с разными причинами покупки. Сравнивать их напрямую некорректно; честнее сравнивать декабрь с прошлым декабрём.
Чек-лист: что нужно для когортного анализа
- Заказы хранятся в CRM или учётной системе с привязкой к клиенту.
- У каждого клиента сохраняется источник первого обращения.
- Дубли клиентов склеены по телефону и почте.
- Размер когорты позволяет делать выводы, а не ловить шум.
- Сравниваются только одинаковые месяцы жизни когорт.
- Незавершённый текущий месяц исключён или помечен.
- По итогам анализа есть конкретное решение: какой канал усилить, что изменить в сервисе, какую акцию не повторять.
Когортный анализ хорошо дополняет RFM-анализ: когорты показывают динамику групп, а RFM — текущее состояние каждого клиента.
| Когорта по признаку | Что показывает | Какое решение помогает принять |
|---|---|---|
| Месяц первой покупки | Динамику удержания во времени | Работают ли изменения в сервисе и продукте |
| Рекламный канал | Повторные покупки и выручку по источникам | Куда перераспределить рекламный бюджет |
| Первый купленный товар | Какие товары приводят постоянных клиентов | Что продвигать как «входной» товар |
| Акция или оффер | Качество клиентов, пришедших на скидку | Повторять ли акцию |
| Регион | Различия в удержании по географии | Где расширяться, где менять условия доставки |
Хотите понять, какие кампании приводят клиентов, которые возвращаются? Разберём вашу рекламу в Директе и покажем точки роста.
Подробнее об услугеОпубликовано 2026-09-26, обновлено 2026-09-26
Частые вопросы
- Это сравнение групп клиентов, которые пришли в одно время или из одного источника. Каждую группу отслеживают отдельно: сколько людей вернулось через месяц, два, полгода и сколько денег они принесли. Так видно то, что скрывают средние цифры.
- Чаще всего — по месяцу первой покупки. Для рекламы полезны когорты по каналу первого касания, по первому купленному товару, по акции, на которую пришёл клиент, и по региону.
- Лучше всего — из CRM или учётной системы: нужны идентификатор клиента, дата и сумма каждого заказа и источник первого обращения. Веб-аналитика здесь менее удобна, потому что считает визиты, а не покупки конкретных людей.
- Он показывает, какие каналы приводят клиентов, которые покупают повторно. Канал с самой дешёвой первой заявкой может приводить разовых покупателей, а более дорогой — постоянных. Решение о бюджете по когортам бывает противоположным решению по цене заявки.
- Потому что они прожили меньше месяцев и у их клиентов было меньше времени на повторные покупки. Сравнивать нужно одинаковые месяцы жизни когорт, а незавершённый текущий месяц исключать или помечать.
- Когорты показывают, как меняется поведение групп клиентов во времени. RFM даёт снимок текущего состояния каждого клиента по давности, частоте и сумме покупок. Методы дополняют друг друга.