Растущий рост: проведите собственный когортный анализ с помощью этого открытого исходного кода

Когортный анализ, удержание и отток являются одними из ключевых показателей в построении компании.

Но это не просто очередная статья о когортном анализе. Если вы опытный специалист по данным, который уже понимает важность темы и хочет пропустить введение, вы можете перейти к симулятору, где вы сможете научиться проводить когортный анализ и моделировать рост стартапа на основе удержания, оттока и ряда других факторов или анализируйте свои собственные журналы PayPal с помощью программного обеспечения, исходный код которого я открыл.

Однако если вы не понимаете, что это одни из самых важных показателей, продолжайте читать.

Введение в когортный анализ

Во-первых, давайте разберемся, о чем мы говорим, с определением когортного анализа. Вкратце, когорта — это группа субъектов с общей определяющей характеристикой . Может быть, это их возраст, может быть, их национальность, может быть, это их город рождения и т. д.

Возраст является особенно хорошим примером. Часто мы называем тех, кто родился между 60-ми и 80-ми годами, представителями «поколения X», а тех, кто родился между 80-ми и 90-ми годами, — представителями «поколения Y». Каждая когорта, каждое поколение имеют свои определяющие характеристики .

Точно так же любая компания может группировать и анализировать своих клиентов по когортам. Обычный и очень полезный способ анализа ваших клиентов — группировать их по дате, когда они начали пользоваться вашим сервисом .

Что, если бы я спросил вас: « Какая часть вашего дохода в прошлом месяце пришлась на клиентов, которые начали работать с вами год назад? «Есть ли вообще? Новые пользователи могут выглядеть хорошо, но сами по себе подписки не приносят дохода. Ты знаешь ответ? Если нет, будет полезно узнать о когортном анализе.

Когорты, удержание и анализ оттока

Если вы проанализируете свой доход по когортам, вы сможете определить (ежемесячно), какая часть вашего дохода приходится на новых пользователей, а какая — на старых . Кроме того, вы можете сделать следующий шаг и прогнозировать будущие доходы, связанные с удержанием и учетом оттока клиентов, со значительно более высокой степенью точности.

Итак, мы установили, что когорта — это группа людей с общей определяющей характеристикой. Отсюда мы продолжим на примере, изучая показатели нашего нового модного стартапа в области облачных вычислений. Начнем с анализа только одной когорты. В данном случае мы рассмотрим клиентов, которые начали работать с нами в январе 2012 года.

Первый важный показатель, который нам нужно рассчитать, — это удержание : сколько наших новых январских пользователей все еще были с нами в феврале? Скажем, у нас было 100 подписчиков в январе, и только 20 решили отменить свои подписки, и в феврале у нас осталось 80 подписчиков. Базовый анализ удержания говорит нам, что уровень удержания составляет 80%. Теперь предположим, что 8 клиентов решили отменить подписку в феврале. Итак, в марте у нас 80-8=72 пользователя. Поскольку 72/80 = 90%, у нас было 90% удержание через 2 месяца для нашей когорты января 2012 года.

Некоторые люди рассчитывают удержание как функцию от начального размера когорты, но я предпочитаю рассчитывать удержание как функцию предыдущего месяца для каждой когорты.

Уровень оттока — еще один важный показатель. Его можно определить с точки зрения удержания: отток = 1 — удержание. Таким образом, 80% удержания подразумевает 20% отток. Другими словами, это скорость, с которой клиенты покидают ваш сервис.

Возвращаясь к нашему запуску облачных вычислений, давайте проанализируем идеальный (читай: нереальный) случай : коэффициент удержания 100%. Это означает, что никто из наших клиентов не покидает сервис — никто не отменяет его вообще. Допустим, наша компания получает 1000 новых клиентов в месяц. Через 24 месяца у этой компании 24 000 активных клиентов. Не так уж плохо. К сожалению, этот сценарий практически невозможен — 100% удержание существует только в раю для стартапов.

Теперь давайте будем более реалистичными и скажем, что в нашей компании уровень удержания составляет 90%. Другими словами , каждая когорта ежемесячно теряет 10% своих клиентов. Опять же, мы предполагаем, что каждый месяц у нас появляется 1000 новых клиентов.

В этом случае, получив 1000 новых пользователей в январе 2012 года, мы потеряли 100 клиентов в феврале, 90 в марте, 81 в апреле и так далее. Давайте посмотрим, как выглядит этот график.

С 1000 новых пользователей в месяц при уровне удержания клиентов 90%, у нас есть около 9000 активных пользователей в месяц через 24 месяца. Сравните это со 100% удержанием, и вы получите всего 37,5% от идеального случая (24 000 клиентов).

Проще говоря: снижение коэффициента удержания на 10% привело к снижению общего числа активных пользователей на 62% через 24 месяца .

Основные выводы: низкие показатели удержания ограничивают рост , а использование программного обеспечения для когортной аналитики полезно для понимания ваших показателей удержания .

Растущий рост

Есть несколько способов увеличить рост: увеличение маркетингового бюджета, оптимизация конверсий и создание реферальных программ — все это может способствовать вирусному росту. Давайте проанализируем случай вирусного роста, при котором количество новых клиентов зависит от общего количества активных клиентов компании. Другими словами: чем больше клиентов в системе, тем больше людей, направляющих новых клиентов, равно больше новых клиентов .

Предположим, что компания стремительно растет с постоянным (К) коэффициентом 0,20 и формула, которую мы применили для расчета количества новых клиентов, выглядит следующим образом:

Теперь давайте визуализируем тот же пример, что и раньше (1000 новых пользователей в месяц при 90% удержании), но на этот раз мы добавим вирусный рост (с K = 0,20).

Из этого графика когортного анализа можно сделать два ключевых вывода: во-первых, постоянный коэффициент 0,20 привел к увеличению общего числа активных клиентов на 1000% (~90 000) через 24 месяца; а во-вторых, спустя 24 месяца система все еще растет – она еще не достигла точки насыщения .

Таким образом, чтобы компенсировать наш уровень удержания в 90%, нам нужно создать механизмы для ежемесячного роста нашего роста .

Теперь, в этот момент, вы могли бы сказать: «Вау, Алехандро: вирусный рост явно важнее, чем удержание. Посмотрите, как это повлияло на нашу клиентскую базу!»

На что я бы ответил: «Не так быстро».

Разберем еще один случай. Наш старый добрый стартап по облачным вычислениям, но с коэффициентом удержания 50%. Мы остановимся на 1000 новых пользователей в месяц и коэффициенте вирусного роста K = 0,20. Но, несмотря на виральность, наша компания работает очень плохо, теряя 50% наших клиентов в каждой когорте каждый месяц.

Спустя 24 месяца у нашей компании всего 3 000 активных клиентов вместо 90 000 — разница в 30 раз! Удержание действительно является ключевым.

Но почему удержание имеет такой мощный эффект? Вкратце: поскольку вирусный рост зависит от количества активных клиентов, поэтому, если мы сохраним наших пользователей дольше, у нас будет больше рефералов .

Резюме:

• Вообще говоря, отток ограничивает рост.
• Удержание увеличивает вирусный рост.
• Хорошее удержание и вирусный рост являются предпосылками для масштабирования компании до миллионов или даже миллиардов пользователей.

Заключительное слово об анализе скорости оттока

Довольно часто клиенты отказываются от услуги в течение первого месяца использования, а не позже. Вот почему в следующем моделировании я предоставляю вам два коэффициента удержания: коэффициент удержания в первый месяц и коэффициент долгосрочного удержания. Использование этих параметров в наших расчетах приведет к более точным результатам.

Заключение

Цель этого руководства по когортному анализу заключалась не в том, чтобы дать вам подробный урок о метриках и когортной аналитике; на самом деле, другие обсуждали сложность этой статистики гораздо глубже. Вместо этого я хочу пробудить вас к важности этого типа анализа и, что более важно, показать читателям их собственные примеры когортного анализа доходов и коэффициенты оттока с помощью моего программного решения для когортного анализа с открытым исходным кодом.

Если есть только один вопрос, который может вас разбудить, то это следующий:

Какая часть вашего фактического дохода приходится на пользователей, которые начали работать с вами год назад?

Как провести собственный когортный анализ

Теперь твоя очередь! Есть два способа проанализировать удержание и отток клиентов:

1. Загрузите свои данные PayPal в инструмент, который я развернул . Для полного раскрытия информации обратите внимание, что при использовании этого инструмента ваш файл журнала будет временно помещен на сервер для обработки (удален, как только данные будут отображены). Впрочем, при желании вы всегда можете…
2. Загрузите открытый исходный код и разверните инструмент самостоятельно . README содержит подробные инструкции о том, как это сделать. Если у вас нет учетной записи PayPal, вы можете легко взломать код для анализа других типов учетных записей.

Кроме того, вы можете поиграть с нашим симулятором и визуализировать рост стартапа на основе всех параметров, описанных выше.

Спасибо за прочтение!