Вместе со всем, что говорят и пишут о сплит-тестировании и оптимизации конверсии, легко забыть и упустить из виду, что данная методика — в общем, далеко не единственный способ оценки эффективности проведенных изменений.
Одним из альтернативных вариантов можно назвать когортный анализ (Cohort Analysis), который хотя и не приобрел столь же большой популярности среди маркетологов и CRO-оптимизаторов, как сплит-тесты, но тем не менее, заслуживает самого пристального изучения.
Когортный анализ 101
Вероятно, вы думаете, будто когортный анализ — что-то невероятно сложное и недоступное рядовому маркетологу, но это вовсе не так. Когорта — всего лишь группа объектов, которые находятся в одинаковых условиях под действием одних и тех же факторов в течение определенного промежутка времени. Например, когортой можно назвать группу людей, родившихся в период с 1982 по 1989 год; или счастливчиков, переживших авиакатастрофу; или курящих водителей-дальнобойщиков.
В интернет-маркетинге когорта чаще всего приобретает следующую форму:
- число пользователей, подписавшихся на демо-версию продукта в марте;
- число новых клиентов в феврале;
- клиенты, привлеченные посредством email-маркетинга.
В то время как сплит-тестирование — это кросс-секционное исследование, когортный анализ подразумевает длительное, или лонгитюдное изучение (в лонгитюдном исследовании одна выборка обследуется, по меньшей мере, дважды за определенный период времени). Когортный анализ повсеместно используется в академических кругах (например, в медицине, социологии и психологии), где состояние объекта измеряют несколько раз для отслеживания изменений. Однако такой тип исследований весьма полезен и при оптимизации конверсии.
Рассмотрим пример типичного когортного анализа. Ниже на картинке изображены две группы студентов, которые закончили обучение в 2010 и 2011 годах соответственно:
Каждая группа — это отдельная когорта, поскольку общий признак здесь — год завершения обучения. С помощью когортного анализа мы можем попробовать найти корреляцию между характеристиками групп и их поведением. Ниже приведен график, на котором изображена динамика среднего дохода каждой из групп в течение 5 лет после получения диплома:
Средний уровень дохода студентов, закончивших обучение в 2010 году (голубая линия) и в 2011 (черная линия)
Один из вопросов, на который мы можем постараться получить ответ — есть ли зависимость между годом выпуска студентов и тем уровнем дохода, которого им удалось достичь? Когортный анализ позволяет изучить ситуацию глубже и выявить, какие факторы повлияли на финансовое положение испытуемых.
На какие вопросы когортный анализ способен дать ответ?
Для маркетологов когортный анализ интересен тем, что позволяет сравнить характеристики одной и той же группы интернет-пользователей в разные промежутки времени и выявить корреляцию между динамикой этих характеристик и проведенными изменениями.
Итеративность является ключевым компонентом любой программы оптимизации, поскольку пользователь, принимающий участие в исследовании в этом году, получит совершенно иной опыт, чем тот, кто участвовал в прошлом. Когортный анализ позволяет сопоставить данные обеих групп и раскрыть имеющиеся закономерности.
Алистер Кролл (Alistair Croll) и Бенджамин Йосковитц (Benjamin Yoskovitz) в своем бестселлере «Простая аналитика: как использование данных поможет вам запустить стартап максимально быстро» (Lean Analytics: Use Data to Build a Better Startup Faster) приводят интересный пример, иллюстрирующий ценность когортного анализа, взяв за основу данные гипотетического интернет-ритейлера:
| Январь | Февраль | Март | Апрель | Май | |
| Число клиентов | 1,000 | 2,000 | 3,000 | 4,000 | 5,000 |
| Средний уровень дохода с одного покупателя | $5,00 | $4,50 | $4,33 | $4,25 | $4,50 |
Просто смотря на такую таблицу, трудно сделать какой-либо вывод о том, становится ли лучше ситуация в отношении новых/старых клиентов с течением времени, потому как все данные, грубо говоря, «свалены в кучу».
Однако если вы разложите информацию так, как показано ниже, вы сможете увидеть, что в мае новые пользователи в среднем тратили гораздо больше, чем новые пользователи в январе:
Сегментируя имеющиеся у вас данные, вы получаете сведения, которые оказались бы недоступными при анализе всей совокупности сразу. В итоге, это позволяет вам провести более качественные и результативные тесты, потому что вы можете выделить тенденции изменений для каждой из групп.
Конечно, когорты могут быть использованы для поиска ответов и на множество других вопросов — все зависит от того, что вы стремитесь узнать. Вот примерный перечень:
- Каковы отличия в поведении тех покупателей, которые были привлечены в период новогодних праздников, от тех, кто был привлечен в другое время года?
- Видит ли конкретная группа (когорта) маркетинговое сообщение так же, как и другие группы?
- Как изменяется средняя стоимость показа от группе к группе с течением времени?
- Какова динамика коэффициента удержания в зависимости от канала привлечения?
- Насколько притягателен ваш продукт для новых клиентов и т. д.
Также когортный анализ позволяет получить очень важные для многих маркетологов данные — а именно, составить портрет идеального покупателя. Вот что пишет об этом Линкольн Мерфи (Lincoln Murphy), бизнес-эксперт компании Sixteen Ventures:
«Существует множество способов с пользой применить когортный анализ в своей деятельности, но один из моих любимых — составление портрета идеального покупателя.
Для начала вы должны установить параметры этого портрета, определить временные рамки, в течение которого будете проводить наблюдение, и целевые значения.
Затем, если у вас уже есть база клиентов и вы хотели бы узнать, кто из них является вашим идеальным покупателем, можете начать анализ: разделите всех своих клиентов на группы, последовательно задавая им вопросы по 7 направлениям».
Например, это могут быть следующие направления и группы:
1. Готовность к покупке
- прошлогодние клиенты, которые совершили покупку с минимальным числом контактов со стороны компании (то есть, включились в диалог с компанией сразу на нижних этапах воронки продаж);
- прошлогодние клиенты, которые подписались на ваш ресурс только после определенного числа напоминаний с вашей стороны.
2. Добровольность (интерес)
- прошлогодние покупатели, которые приобрели продукт не сразу, а только после использования демо-версии;
- прошлогодние покупатели, которые конвертировались, но не имели представления о стимулирующих акциях со стороны компании.
3. Покупательная способность
- прошлогодние клиенты, которые приобрели продукт по полной цене;
- прошлогодние клиенты, которые приобрели продукт по предоплате.
4. Потенциал к достижению успеха
- прошлогодние покупатели, которым удалось достичь первого результата через X дней после покупки;
- прошлогодние клиенты, чей NPS (индекс потребительской лояльности) равен 9-10 (высокая приверженность продукту).
5. Эффективность привлечения
- прошлогодние клиенты, чей цикл продаж составил меньше Х недель;
- прошлогодние клиенты, чья стоимость привлечения оказалась ниже определенной суммы.
6. Потенциал к расширению
- прошлогодние клиенты, которые за время использования продукта увеличили число активных аккаунтов на заданное значение;
- прошлогодние клиенты, которые открыли два и более новых отделов компании.
7. Потенциал к продвижению бренда
- прошлогодние клиенты, оставившие на стороннем сайте как минимум один положительный отзыв;
- прошлогодние клиенты, которые привели к сделке как минимум двух новых клиентов.
Анализ по этим параметрам позволит в итоге выявить когорту идеальных покупателей.
Когортный анализ и оптимизация конверсии
Когортный анализ предоставляет такую информацию, которая при сплит-тестировании обычно недоступна. Это происходит благодаря тому, что в ходе когортного анализа отслеживаются различные сегменты пользователей.
Амин Ариана (Amin Ariana), сооснователь платформы Sponsorbrite, делится секретами своего метода работы:
«Сплит-тест сравнивает две выборки генеральной совокупности на основе различных критериев для получения конкретного результата. Когортный анализ — это тот же сплит-тест, но с учетом воздействия таких величин, как место и время.
К примеру, вы выдвигаете гипотезу, что на вашем сайте красный цвет CTA-кнопки способствует большей конверсии, нежели синий. Вы организуете сплит-тест, в котором одна группа испытуемых видит страницу с красной кнопкой, другая — с синей. В результате оказывается, что группа, которая видела красную кнопку, на самом деле показала больший процент конверсии.
Но затем вы решаете провести когортный анализ. Вы сегментируете всех пользователей по месяцу их привлечения и месторасположению. После проведения серии тестов вы понимаете, что на красный цвет активно реагируют только те клиенты, которые совершили покупку в летние месяцы и проживающие у побережья. В отношении остальных групп результаты не были такими очевидными.
Далее, анализируя более детально эту когорту (которая активно реагировала на красный цвет), вы поймете причины такого смещения: люди, которые живут у побережья, в силу понятных причин становится невосприимчивы к синему цвету (они видят его каждый день), и красный для них более привлекателен.
Для всех остальных разница в цвете не несет каких-либо значительных последствий. Если бы вы полагались только на результаты сплит-теста, то сделали бы неверный вывод о предпочтительности красного цвета».
Однако когортный анализ хорош не только с точки зрения верификации данных, полученных с помощью сплит-теста, но и для генерации свежих идей для теста. По сути, вы получаете возможность взглянуть на ваших клиентов с несколько иной стороны, узнать их куда лучше.
Различия сплит- и мультивариантного тестирований, сегментирования и когортного анализа:
Сегментирование — кросс-секционное сравнение всей совокупности, разделенной на группы по каким-либо критериям (полу, возрасту, увлечениям);
A/B-тест — последовательное изменение какого-либо элемента и отслеживание реакции;
Мультивариантный анализ — изменение нескольких характеристик с целью изучения реакции.
Когортный анализ — сравнение похожих групп с течением времени.
Однако, следует заметить, что без уточняющего сплит-тестирования когортный анализ становится обычным последовательным исследованием, в ходе которого вы просто меняете какой-либо элемент на сайте, а затем на протяжении определенного времени наблюдаете за изменением показателей конверсии.
Совместное использование этих двух методик покажет вам реальную динамику вашего роста и укажет на те области, где требуется доработка.
Когортный анализ для SaaS
В секторе SaaS когортный анализ может помочь вам оптимизировать ситуацию на разных этапах воронки продаж. Помимо ежемесячной когорты, есть некоторые другие способы анализа данных, которые также приводят к весьма интересным результатам.
1. Бесплатные пробные версии продукта
Когортный анализ дает более верное представление об эффективности ваших бесплатных пробных версий продукта (free trial). Вот что на этот счет пишет уже упомянутый выше Линкольн Мерфи:
«Если вы тестируете продолжительность бесплатного периода, вы можете сравнить друг с другом когорты пользователей, которые, к примеру, получили возможность тестировать продукт бесплатно в течение 15 дней, с теми, кто использует продукт в том же формате, но уже на протяжении 30 дней. Какая из групп покажет больший процент конверсии? По какой цене они будут готовы купить продукт? Кто останется вашим клиентом по истечении 90 дней?
Данный анализ позволит вам понять, какие действия пользователей привели их к покупке вашего продукта, переходу с пробной версии на платную. Как только вы получите эту информацию, при работе с новыми клиентами вы уже будете знать, на чем стоит делать акцент».
2. Ценообразование
Существуют различные способы анализа и тестирования различных когорт в отношении ценообразования. В частности, вы можете взять когорту клиентов, использующих самый дорогой тарифный план, и попытаться выявить среди них некие общие характеристики, например, маркетинговый канал, посредством которого они и узнали о вас, время покупки и т. д.
Таким же образом можете проанализировать когорту клиентов, выбирающих предоплату за год вперед, и сравнить их с теми, кто предпочитает ежемесячный расчет. Проверьте, к какому типу компаний они принадлежат, чем привлекло их ваше предложение и когда. Обращайте внимание на все уникальные характеристики.
3. Доход
Когда вы оптимизируете такой показатель, как удержание клиента (retention), важно изучить особенности той когорты клиентов, которые приносят вам больше всего прибыли, осуществляя покупку всевозможных дополнений и расширений.
Покупатели, которые не стесняются приобретать расширенные версии продуктов и разные дополнения — лучшие клиенты. Очень полезно узнать, собственно, откуда они пришли, как долго остаются с вами, их уровень лояльности и многое другое.
Опираясь на полученную информацию, вы можете понять, насколько выгодны вам такие клиенты, стоят ли они тех затрат, которые вы несете на их привлечение.
4. Продажи
Оптимизация процесса продаж — тема весьма интересная и сложная, поскольку методов оптимизации достаточно много. Одним из них, малоизвестным, но без сомнения эффективным является процесс взращивания лидов и их последующей квалификации отделом продаж как соответствующих установленным критериям, по которым продажа может совершиться с большей степенью вероятности. Этим лидам присваивается значение SAL (с англ. Sales Accepted Leads — подтвержденный отделом продаж потенциальный клиент).
Такие лиды — цель любой компании. Если вы будете знать, какими маркетинговыми инструментами их можно привлечь, на какие слова и характеристиками продукта они обращают внимание, вы с большей вероятностью добьетесь их расположения.
Какие когорты необходимо отслеживать?
В теории вы можете отслеживать столько когорт, сколько захотите, но на практике реализации столько масштабных планов помешают такие естественные ограничители, как время и ваше внимание. Очевидно, что выбирать когорты нужно с умом и ориентируясь на конкретные правила, а вернее — вопросы, которые и нужно задать себе на этом этапе исследования.
Поскольку набор целей и измеримых показателей у каждого бизнеса могут отличаться, то и вопросы могут быть разные, например, такие:
- Изменят ли данные, которые будут получены в ходе анализа каких-либо когорт, маркетинговую стратегию и приведут ли к генерации свежих идей?
- Сможете ли вы четко понять, что работает, а что — нет, когда дело дойдет до разработки маркетинговой стратегии?
- Какие цели необходимо достичь в этом году? Поможет ли анализ выбранных когорт выполнить все поставленные задачи?
Линкольн Мерфи поделился, каким когортам он уделяет самое пристальное внимание (не факт, что этот перечень подойдет вам, но если вы владеете SaaS-агентством, то какие-то идеи вам удастся почерпнуть):
«Конечно, Customer Heath (с англ. — здоровье клиента, то есть его покупательная способность и т. д.). Мне интересно изучить когорту тех покупателей, которые, во-первых, много покупают, а во-вторых, имеют все шансы, чтобы стать адвокатами бренда. Это также те клиенты, дела которых идут весьма неплохо и которым требуется, возможно, совсем немного внимания.
Далее меня интересуют действительно активные пользователи. Однако такая характеристика, как «активный пользователь» (тот, кто активно использует ваш сервис и продукты) несколько размыта. На самом деле вам нужны клиенты, которые не просто активны, но и добиваются желаемого результата. Именно на таких пользователей и стоит обратить внимание и изучить более детально.
Не менее важна ключевая позиция (стик-пойнт). Есть такие позиции (временной отрезок, функциональный критерий, результат и т. д.), при достижении которых клиент с большей степенью вероятности останется вашим покупателем на протяжении долгого времени (как правило, этот период — средняя жизнь клиента (customer lifetime)). Ситуация, когда какая-либо когорта клиентов не может достичь подобного состояния (не совершает нужные действия или не получает желаемого результата), требует вашего вмешательства. Если стик-поинт — это определенный отрезок времени, и вы видите, что часть клиентов еще его не достигла, этих пользователей вы просто не включаете в список активных юзеров. Сделать вы ничего не можете: просто наблюдаете.
Ну и наконец, потенциальный доход. Многие SaaS-компании сегментируют клиентов на основе текущих доходов, но при этом не рассматривают такую характеристику, как потенциальный доход. Возможность проанализировать когорту клиентов, чей потенциальный доход больше текущего в десятки раз, гораздо более интересно».
Райан Фэрли (Ryan Farley), сооснователь проекта LawnStarter (сервис заказа садовников онлайн), одной из самых эффективных когорт называет удержание клиента каналом привлечения. Например, в компании Райана знают, что клиенты, привлеченные через email, задерживаются куда дольше, чем пришедшие с контекстной рекламы. Это понимание дает им право вполне обоснованно увеличить расходы на привлечение клиентов через инструменты email-маркетинга по сравнению с другими каналами.
Заключение
Если говорить обычным языком, то когорта в маркетинге — это группа пользователей, которые разделяют один и тот же опыт на протяжении конкретного промежутка времени. К примеру, это могут быть люди, которые стали вашими клиентами в феврале, либо подписались на вашу демо-версию продукта в марте. Отслеживание динамики показателей подобных когорт наряду с привычными методами тестирования может дать поистине феноменальные результаты и раскрыть ваших клиентов с совершенно неожиданной стороны.
Другое дело, что подобные возможности могут легко вскружить голову, поэтому подходить к выбору когорт для исследования нужно с особой тщательностью.
Высоких вам конверсий!
По материалам conversionxl.comImage source: Eric Flexyourhead
