Когортный анализ: как читать когорты и принимать решения о масштабировании
Общий отчёт по retention за месяц показывает ровную линию. Разбить тех же пользователей на недельные когорты — и внутри обнаруживается, что retention стабильно падает от недели к неделе, просто это незаметно в усреднённой цифре.
Коротко
- Когортный анализ группирует пользователей по общему признаку (дата установки, источник трафика) и отслеживает их поведение отдельно от остальной базы.
- Усреднённые метрики по всей базе маскируют тренды — падение качества новых когорт легко спрятать за счёт накопленной массы старых лояльных пользователей.
- Сравнивать нужно не только когорты по времени, но и по каналу привлечения — главный инструмент диагностики UA.
- Типичная ошибка — делать выводы по когорте младше 7–14 дней: данных недостаточно для статистической значимости.
Зачем когорты, если уже есть retention в отчёте
Стандартный отчёт показывает агрегированную цифру за период — например, «retention D7 за последний месяц — 14%». Это среднее по всем пользователям, установившим приложение в разные дни, из разных каналов, с разным качеством. Если в начале месяца был запуск нового канала с плохим трафиком, а в конце — оптимизация, которая улучшила ситуацию, агрегированная цифра покажет «среднюю температуру», в которой не видно ни ухудшения, ни улучшения. Когортный анализ разбивает пользователей на группы по признаку установки и показывает динамику метрики отдельно для каждой группы — так тренды становятся видимыми, а не усреднёнными.
Какие разрезы когорт наиболее полезны для UA
По дате установки
Базовый разрез — недельные или дневные когорты для отслеживания тренда качества новых пользователей.
По каналу привлечения
Сравнение когорт из разных источников при равной «выдержке» — главный инструмент решения, какой канал масштабировать.
По креативу или кампании
Более глубокий разрез, полезный при достаточном объёме данных внутри канала.
По версии продукта
Сравнение когорт до и после апдейта показывает реальный эффект изменения, а не совпадение с сезонностью.
Что искажает выводы при чтении когорт
- Делать выводы по когорте младше 7–14 дней — она ещё не «созрела», особенно если ключевое событие происходит не в первую неделю.
- Игнорировать размер когорты — 50 установок дают статистически шумный результат.
- Сравнивать когорты из разных сезонов без поправки — retention системно отличается по месяцам для многих категорий.
- Смотреть только на retention, не сопоставляя с монетизацией — высокий retention при низком ARPU может быть менее ценным.
Как использовать когорты для решения о масштабировании
Прежде чем увеличивать бюджет на канал, нужно посмотреть, как ведёт себя его когорта на горизонте, сопоставимом с циклом монетизации продукта (обычно 14–30 дней), а не по данным за первые 2–3 дня после установки. Если несколько последовательных недельных когорт показывают стабильный или растущий retention и ROAS — это основание масштабировать бюджет. Если когорты показывают ухудшение тренда от недели к неделе даже при стабильном CPI — это сигнал остановиться и разобраться в причине.
Средняя метрика по всей базе скрывает тренд. Когортный разрез по дате и каналу — минимальный набор, без которого решение о масштабировании UA-бюджета принимается вслепую.