Когорты. Изучаем поведение.

Итак, в прошлый раз мы рассмотрели простой пример. Мы построили когорты, а затем обогатили их соцдемом (добавили характеристику Female/Male). Это позволило нам количественно оценить их базовое различие. Мы выяснили, что аудитория Male подходит нам больше: она быстрее активируется, но что важнее, она лучше вовлечена в последующих периодах.

Сегодня давайте рассмотрим, как соединять когорты с поведенческими характеристиками.

Хотя Male нам подходит лучше, но в разные периоды мы привлекаем male клиентов из разных каналов и очевидно ведут себя такие клиенты по-разному. Давайте изучим как отличается поведение разных когорт внутри сегмента Male.

Начнем с дохода.

Посмотрим как когорты генерируют аккумулятивный доход. Для этого мы возьмём все те же 4 когорты и посмотрим понедельно как каждая из них наращивают свой доход.
Male Cohorts. Accumulative Revenue.
Сам по себе доход когорты уже полезен тем, что позволяет понять, а окупается ли она вообще. (Для простоты изложения мы не будем сейчас брать в расчет себестоимость и прочие расходы. Важно показать сам подход.)

Итак, если, например, на привлечение клиентов из когорты #2 мы потратили 250,000 USD, а она за 7 недель принесла нам пока 144,980 USD, то для нас это четкий сигнал о том, что до окупаемости этой когорты еще далеко.

Также обратите внимание, что самой высокодоходной когортой является когорта #3 (доход 172,840 USD за 7 недель). Здесь можно было бы подумать, что это и есть самая перспективная ЦА для нашего бизнеса.

Однако давайте не спешить с выводами.

Очевидно, что объем дохода когорты должен зависеть от количества клиентов. Что ж, давайте посмотрим на количество клиентов в каждой когорте.
Male Cohorts. Number buyers details. 
Теперь становится ясно почему когорта #3 приносит намного больше дохода, чем, например, когорта #1. В ней просто физически больше клиентов (159 vs 77).

Картина намного интереснее, если взглянуть на когорты #2 и #4. По количеству клиентов они практически идентичны, но доходы за 7 недель уже отличаются на 27%. Здесь уже видно, что у когорты #2 клиенты лучше вовлечены, а потому их в следующие периоды переходит намного больше.

Это важный момент. Не столь важно сколько клиентов вы привлекли в нулевом периоде. Намного важнее, сколько из них будет стабильно покупать в последующих периодах.

Вовлеченность сегодня уже упоминалась несколько раз. Это важный поведенческий фактор, а потому давайте изучим ее повнимательнее.

Для начала давайте дадим ей определение. Под вовлеченностью понимается как часто клиент делает повторные покупки и/или сколько товаров он кладет в корзину при каждой покупке.

Давайте посмотрим, как же выглядит вовлеченность когорт. (Я рассчитал для каждой когорты для каждого периода медиану между покупками для тех клиентов которые покупали в соответствующих периодах) - метрика 'o_lat (MDN)'.
Male Cohorts. Future value.
Опытный маркетолог Jim Novo говорил, что здесь очень важно наблюдать за friction (трение). Трение растет - клиент начинает замедляться и время между его повторными покупками увеличивается.

Итак, на срезе выше мы видим, что сильнее всего трение нарастает в когортах #4 и #2. С 2-х дней между покупками среднее время увеличилось до 21 и 10 дней соответственно. Это означает, что вероятность того, что клиент будет и дальше иметь дело с вами существенно уменьшается. А это в свою очередь накладывает серьезное ограничение на тот future value, который вы можете заполучить от ваших отношений с такими клиентами в будущем.

Это очень важный момент. Трение определяет как скоро клиент остановится и ваши отношения с ним закончатся. Чем больше трение, тем короче период будущего в течение которого клиент будут наращивать свой LTV.

Если для вас это звучит неубедительно, давайте двигаться дальше.

По логике вещей, если трение уменьшает общее количество покупок, то отсутствие трения или его уменьшение, наоборот, должно привести к увеличению этого общего числа покупок. А раз общее количество покупок будет расти, то и current value таких клиентов начинет быстро увеличиваться.

Поэтому я рассчитал медиану количества покупок 'o_idx (MDN)', т.е. на каком количестве покупок остановились клиенты когорты в соответствующем периоде.
Male Cohorts. Current Value.
Действительно, у когорт #4 и #2 трение нарастало намного быстрее. И как результат их развитие намного менее динамичное, чем у когорт #1 и #3.

Особое внимание обратите на когорту #1. Уже в 3-м периоде медиана покупок у клиентов, которые покупали в тот период, составила 13(!) покупок. Т.е. очень быстро 50% таких клиентов нарастило количество покупок до 13.

И это очень хорошо коррелирует с тем фактом, что в тоже время (в 3-м периоде) трение сильно уменьшилось и время между покупками сократилось аж до 2-х(!) дней.

А теперь пора поставить главный вопрос: с учетом всего вышеперечисленного, какая когорта дает клиентов с самым высоким LTD (LifeTime to Date)? А какая когорта будет иметь наибольший LTV с горизонтом в 52 недели?

Давайте посчитаем LTD, оценим current value клиента каждой из когорт.
Male Cohorts. LTD (in 7 weeks).
Итак, самые доходные клиенты (самый высокий LTD) находятся в когорте #1 (LTD = 1,106 USD). Самая доходная когорта #3 при этом дает клиентов с меньшим LTD = 1,087 USD.

Важно отметить, что клиенты с самым сильным трением (когорта #4) имеют самый маленький LTD. И это при том, что когорта #4 имеет не самый маленький доход среди всех когорт за 7 недель.

А теперь посчитаем LTV (52w), оценим future value клиента каждой из когорт.

Внимание: т.к. у меня есть реальные данные за длительный период времени, то я объективно могу пересчитать LTV (52w), т.е. по сути посчитать LTD через 1 год.
Male Cohorts. LTV (52w).
Самыми ценными оказались клиенты из когорты #1. Хотя это когорта и самая немногочисленная (всего 77 клиентов), но за 52 недели она уже сгенерировала доход больший, чем когорта #4 (147 клиентов).

Более того, с 7-й по 52-ю недели разница в доходе между когортами #2 и #1 сократилась с 70% до 15%!

А все потому, что когорта #1 была с высокой степенью вовлеченности: медиана между покупками была всего 7 дней, а всего через 1 год 50% клиентов совершило 6+ покупок.

На этом у меня все. А как вы изучаете поведение когорт?

Comments

Popular posts from this blog

IV/WOE - хороший способ понять какой информацией вы обладаете

A/B-тестирование: смотреть на конверсию vs смотреть на продажи

Продуктовая аналитика: влияние продуктовых фич на ретеншн