Вы когда-нибудь запускали новое приложение или сервис?
В первую неделю — рост, всё летит, пользователи регистрируются пачками. Вы уже думаете: «Я гений! Скоро миллион!»
А через месяц смотрите в статистику — и там пустота. Пользователи пришли. И ушли.
Вы не знаете, когда они ушли. Вы не знаете, почему. Вы просто видите, что их больше нет.
В этом посте мы разберём инструмент, который показывает, когда и почему пользователи уходят. Он называется когортный анализ.
❓ О чём этот пост
Сегодня мы разберём:
- Что такое когортный анализ и зачем он нужен
- Кто такие когорты и как их собирать
- Как считать удержание (Retention)
- Как находить слабые места в продукте
- Как прогнозировать выручку по когортам
📌 Глава 2. КОГОРТНЫЙ АНАЛИЗ
Или как увидеть, где вы теряете деньги
1. Что такое когорта и с чем её едят
Слово «когорта» звучит страшно. На самом деле это просто группа людей, которые сделали одно и то же действие в одно и то же время.
Простыми словами. Когорта — это компания. Группа людей, которые пришли к вам в одном месяце, в одной неделе или в один день.
Примеры когорт:
- Все пользователи, которые зарегистрировались в январе 2025 года.
- Все пользователи, которые совершили первую покупку в марте.
- Все пользователи, которые установили приложение 15-го числа.
Зачем это нужно? Потому что пользователи из разных когорт ведут себя по-разному.
Те, кто пришёл в январе, могли уйти через неделю. А те, кто пришёл в феврале, остались на месяц. Если вы смотрите на всех пользователей одной кучей, вы этого не видите. Вы видите только «среднюю температуру по больнице». А когортный анализ показывает, где именно у вас проблемы.
2. Аналогия из жизни. Когорты в школе
Представьте, что вы директор школы.
У вас есть пять классов: 5-й, 6-й, 7-й, 8-й, 9-й. Это и есть когорты по году поступления.
Вы смотрите на успеваемость.
- В 5-м классе средний балл — 4.5.
- В 6-м — 4.2.
- В 7-м — 3.8.
- В 8-м — 3.5.
- В 9-м — 3.2.
Если бы вы смотрели на всю школу в целом, вы бы увидели средний балл 3.8. И ничего бы не поняли.
А с когортами вы видите: чем старше класс, тем хуже успеваемость. Значит, проблема не в отдельных учениках, а в системе образования. Может быть, программа слишком сложная. Или учителя перегружены.
То же самое в продукте. Когортный анализ показывает, где именно у вас протекает труба.
3. Главная метрика когортного анализа — Удержание (Retention)
Удержание (Retention) — это доля пользователей, которые вернулись в продукт через определённое время.
Объясняю на пальцах.
1 января к вам пришли 100 человек.
- На следующий день (2 января) вернулись 40 человек. Значит, Retention на день 1 = 40%.
- Через неделю (8 января) вернулись 20 человек. Retention на день 7 = 20%.
- Через месяц (1 февраля) вернулись 10 человек. Retention на день 30 = 10%.
Что это значит? Из 100 человек, которые пришли 1 января, через месяц осталось только 10.
Если вы не знаете, когда они уходят, вы не можете их удержать.
4. Как выглядит когортная таблица (главный инструмент)
Когортная таблица — это просто. Строки — это когорты. Столбцы — это дни или недели. На пересечении — процент удержания.
Вот пример. Мы смотрим на три когорты и смотрим, сколько процентов пользователей осталось в каждый день.
Январская когорта (пришли в январе):
• День 1 — удержалось 35%
• День 7 — удержалось 15%
• День 30 — удержалось 6%
Февральская когорта (пришли в феврале):
• День 1 — удержалось 42%
• День 7 — удержалось 22%
• День 30 — удержалось 10%
Мартовская когорта (пришли в марте):
• День 1 — удержалось 38%
• День 7 — удержалось 18%
• День 30 — удержалось 7%
Апрельская когорта (пришли в апреле):
• День 1 — удержалось 45%
• День 7 — удержалось 25%
• День 30 — пока неизвестно (месяц ещё не закончился)
Что мы здесь видим?
- В январе удержание на день 1 — 35%. Это плохо. 65% ушли на следующий день.
- В феврале стало лучше — 42%. Может быть, вы что-то улучшили.
- В марте снова упало до 38%. Может быть, вы запустили рекламу и привлекли нецелевую аудиторию.
- В апреле — 45%. Вы на правильном пути.
А ещё мы видим, что апрельская когорта ещё не дожила до дня 30. Мы можем следить за ней в реальном времени.
5. Что такое «смертельные дни» и как их найти
У каждого продукта есть дни, когда пользователи уходят массово.
- В играх это часто день 1 и день 7.
- В доставке еды — день 1 (попробовали и забыли).
- В подписках — день 30 (попробовали и не продлили).
Это называется смертельные дни. Это точки, где ваш продукт теряет пользователей быстрее всего.
Как их найти? Посмотрите на свою когортную таблицу. Найдите день, в котором процент падает сильнее всего.
Пример.
- День 0 — удержание 100%
- День 1 — удержание 80% (падение 20%)
- День 2 — удержание 65% (падение 15%)
- День 3 — удержание 35% (падение 30%)
- День 4 — удержание 30% (падение 5%)
- День 5 — удержание 28% (падение 2%)
Здесь смертельный день — день 3. В этот день вы теряете 30% пользователей.
Что происходит в день 3? Может быть, заканчивается пробный период. Может быть, пользователи не прошли онбординг. Может быть, у них не открылась нужная функция.
Вы должны знать свой смертельный день. И работать именно над ним.
6. Удержание и выручка. Связь, которая решает всё
Теперь самое важное. Удержание напрямую влияет на деньги.
Представьте два продукта.
Продукт А. 100 пользователей в месяц. Удержание на день 30 — 10%. То есть через месяц остаётся 10 человек.
Продукт Б. 100 пользователей в месяц. Удержание на день 30 — 20%. Остаётся 20 человек.
Кажется, разница небольшая. Всего 10%.
А теперь посчитайте выручку за год.
Продукт А. Каждый месяц приходит 100 пользователей. Через месяц остаётся 10. Через два — ещё меньше. За год вы накопите примерно 500 активных пользователей.
Продукт Б. Каждый месяц приходит 100 пользователей. Через месяц остаётся 20. За год — около 1000 активных пользователей.
Выручка в два раза выше! А удержание отличается всего на 10%.
Это главный вывод. Даже небольшое улучшение удержания даёт огромный рост выручки. Потому что пользователи, которые остаются, приносят деньги каждый месяц.
7. Когорты и юнит-экономика. Связь с LTV
LTV — это сколько денег приносит один пользователь за всё время.
Когортный анализ помогает считать LTV правильно.
Как это работает?
- Берёте когорту пользователей. Например, январь 2025.
- Смотрите, сколько они принесли денег за первый месяц. За второй. За третий.
- Суммируете. И делите на количество пользователей в когорте.
Пример.
Когорта января — 1000 человек.
- За первый месяц они принесли 100 000 рублей.
- За второй — 50 000.
- За третий — 25 000.
- За четвёртый — 10 000.
Итого за 4 месяца — 185 000 рублей.
Делим на 1000 пользователей. Получаем LTV = 185 рублей.
Зачем это нужно? Чтобы понять, сколько вы можете тратить на привлечение одного пользователя.
Если вы тратите на привлечение 50 рублей, а LTV — 185, вы в плюсе. Если тратите 200 рублей, а LTV — 185, вы в минусе.
Когортный анализ даёт вам точный LTV, а не «среднюю температуру по больнице».
8. Модель найма. Сколько пользователей нужно привести сегодня
Теперь мы подходим к самому интересному — к планированию.
У вас есть цель по выручке. Допустим, 10 миллионов рублей в месяц.
Вы знаете, что один пользователь в среднем приносит 100 рублей в месяц (это ARPU).
Значит, вам нужно 100 000 активных пользователей.
Но пользователи уходят. Каждый месяц вы теряете, например, 10% активной базы (это Churn).
Вопрос. Сколько новых пользователей нужно приводить каждый месяц, чтобы к концу года у вас было 100 000 активных?
Ответ даёт модель найма.
Вы строите прогноз:
- В январе у вас 10 000 пользователей.
- В феврале 10% уйдут. Останется 9 000. Чтобы было 11 000, нужно привести 2 000 новых.
- В марте снова 10% уйдут. И так далее.
Когортный анализ даёт вам данные для этого прогноза: уровень удержания, темп оттока, выручка на пользователя.
9. Как считать когортный анализ в Excel (простая инструкция)
Вам не нужен дорогой софт. Можно всё посчитать в Excel или Google Таблицах. Вот как это делается.
Шаг 1. Соберите данные. У вас должен быть список пользователей с датой регистрации и датой каждого их действия (покупка, визит, активность).
Шаг 2. Определите когорты. Например, по месяцам регистрации. Или по неделям.
Шаг 3. Для каждой когорты посчитайте количество активных пользователей в каждый период (день 1, день 7, день 30).
Шаг 4. Разделите количество активных на общее количество в когорте. Получите процент удержания.
Шаг 5. Постройте таблицу. Строки — когорты. Столбцы — периоды.
Шаг 6. Нарисуйте график. По оси X — дни. По оси Y — удержание. Смотрите, где падение.
Всё просто. Если у вас есть Excel, вы справитесь за час.
10. Кейс. Почему доставка еды теряет клиентов
Разберём реальный пример.
Сервис доставки еды заметил, что выручка падает. Они провели когортный анализ.
Вот что они увидели.
Сентябрьская когорта:
• День 1 — удержалось 60%
• День 7 — удержалось 30%
• День 30 — удержалось 15%
• День 90 — удержалось 8%
Октябрьская когорта:
• День 1 — удержалось 55%
• День 7 — удержалось 25%
• День 30 — удержалось 12%
• День 90 — удержалось 5%
Ноябрьская когорта:
• День 1 — удержалось 50%
• День 7 — удержалось 20%
• День 30 — удержалось 10%
• День 90 — удержалось 4%
Видите закономерность?
Удержание падает с каждой новой когортой. Каждый месяц становится хуже. Сентябрьские пользователи остаются дольше, чем ноябрьские.
Что случилось?
Они запустили рекламную кампанию, которая привлекла много новых пользователей. Но эти пользователи оказались нецелевыми. Они просто попробовали скидку и ушли.
Они выиграли в количестве — проиграли в качестве.
Решение.
Они поменяли рекламу. Стали привлекать только тех, кто готов платить полную цену. Удержание выросло до 65% на день 1 и 25% на день 30. Выручка пошла вверх.
11. Когорты по поведению, а не только по дате
Мы привыкли делить на когорты по дате регистрации.
Но есть и другой способ — по поведению.
Примеры поведенческих когорт:
- Пользователи, которые прошли онбординг VS те, кто не прошёл.
- Пользователи, которые сделали первую покупку в первую неделю VS те, кто не сделал.
- Пользователи, которые загрузили аватарку VS те, кто оставил профиль пустым.
Зачем это нужно? Чтобы понять, что именно влияет на удержание.
Вы можете обнаружить, что пользователи, которые загрузили аватарку, остаются в 3 раза дольше. Значит, нужно сделать процесс загрузки аватарки более простым и заметным. Это называется продуктовая интуиция, подкреплённая цифрами.
12. Чек-лист. Что вы должны запомнить
Давайте пройдёмся по главному. Эти 7 пунктов — ваш минимум знаний о когортном анализе. Запишите их себе.
✅ Когорта — это группа пользователей, которые совершили одно действие в одно время. Например, зарегистрировались в январе.
✅ Когортная таблица показывает удержание по каждой группе отдельно. Это лучше, чем средние цифры.
✅ Удержание (Retention) — это доля пользователей, которые вернулись в продукт через день, неделю или месяц.
✅ Смертельные дни — это моменты, когда уходит больше всего пользователей. Найдите их и работайте над ними.
✅ Улучшение удержания на 10% может удвоить выручку через год. Это мощнее, чем привлечение новых пользователей.
✅ Когортный анализ нужен для точного расчёта LTV — сколько денег приносит один пользователь за всё время.
✅ Модель найма помогает понять, сколько новых пользователей нужно приводить каждый месяц, чтобы выполнить план.
🧩 Самостоятельное задание
Теперь попробуйте применить знания на практике.
Представьте, что у вас есть сервис подписки.
В январе пришло 1000 пользователей. Из них:
- На второй день вернулись 400.
- На седьмой день — 200.
- На тридцатый — 80.
В феврале пришло 1500 пользователей. Из них:
- На второй день вернулись 600.
- На седьмой день — 350.
- На тридцатый — 150.
Вопросы:
- Рассчитайте удержание на день 1, день 7 и день 30 для каждой когорты.
- Какая когорта удерживается лучше?
- Что это может значить для бизнеса?
Попробуйте посчитать — это займёт 5 минут, но даст вам понимание, как работают когорты.
📌 Что дальше?
В следующем посте мы разберём юнит-экономику.
Это когда мы считаем, сколько денег приносит один пользователь и сколько стоит его привлечь. Самая важная тема для любого бизнеса.
Если материал был полезен — ставьте 🔥 и подписывайтесь на канал.
Здесь вы найдёте ещё много разборов про цифры, финансы и экономику.
До встречи в следующем посте! 👋