Когортный анализ — быстрый взгляд на поведение пользователей

Успешные маркетинговые кампании имеют одну общую черту: они идеально адаптированы к целевым группам. Но найти и охватить эти целевые группы может оказаться непростой задачей для интернет-маркетологов. Без интенсивного изучения поведения пользователей в рамках комплексного веб-анализа вы можете только догадываться, приносят ли запланированные маркетинговые шаги желаемый эффект. Например, полный набор данных обычно служит основой, на которой можно узнать, с каких устройств посетители заходят на сайт. Другой подход к веб-анализу известен как когортный анализ. Здесь вместо того, чтобы собирать различную информацию для анализа сразу, для анализа выделяются различные группы (когорты). Критерии когорт могут довольно сильно различаться, о чем мы поговорим ниже.

На протяжении десятилетий концепция когортного анализа играет важную роль в статистических исследованиях в области социальных наук и демографии. Когорты (от латинского «cohors», что означает «толпа») — это группы людей, которые имеют общие демографические характеристики. Например, это может быть год рождения или год начала трудовой деятельности, или определенные исторические события, такие как инаугурация президента. Часто используется термин «поколение». При проведении когортного анализа (также называемого «когортным исследованием») изучаются изменения в поведении определенных групп людей за определенный период времени. Собрав данные, вы можете либо:

• Получить точное представление о базовых когортах (внутрикогортное исследование), чтобы проанализировать, например, развитие рождаемости и изменение потребительского поведения (либо за длительный период, либо на случайной основе).
• Провести сравнение хотя бы с одной другой группой людей (межкогортное исследование), чтобы получить полезные сведения о поведенческих различиях.

В конце 19 века статистики Карл Беккер (1874) и Вильгельм Лексис (1875) заложили основу для анализа определенных групп населения. Благодаря достижениям демографа Паскаля Уэлптона (1949), эти подходы, известные как когортный анализ, наконец, получили международную известность. Целью исследования Уэлптона был анализ роста рождаемости в США после Второй мировой войны. Сегодня этот процесс все чаще используется для исследований в медицине, политике и рыночной экономике.

Когортные исследования могут проводиться двумя разными способами: вы можете собрать когорты вместе и сопровождать их в будущем (проспективное когортное исследование), или вы можете получить доступ к данным из прошлого, чтобы проанализировать настоящее (ретроспективное когортное исследование). Для того чтобы иметь возможность провести один из этих типов когортного анализа, необходимо предпринять следующие шаги:

1. Определите вопрос и цель исследования: чтобы получить необходимую информацию, нужно задавать правильные вопросы. Только когда у вас есть конкретные представления о содержании и цели исследования, вы можете создать необходимую структуру исследования.
2. Определите события в когортах: второй шаг — определить события, в которых возникают когорты, поскольку они могут привести к ответу на вопрос исследования.
3. Определите соответствующие когорты: теперь вы определяете, какие и сколько когорт должны стать частью исследования. Также можно разделить или уточнить сформированные когорты.
4. Провести когортное исследование и оценить его: если нужные когорты найдены, вы можете провести соответствующий тип исследования (проспективное/ретроспективное, меж/внутри когортное исследование) и интерпретировать полученные данные.

Изменения в поведении, которые вы хотите получить, проводя когортный анализ, определяются тремя факторами или эффектами. Их оценка и взвешивание являются основными задачами интерпретации:

• Когортные эффекты
• Эффекты возраста
• Эффекты периода

Когортные эффекты — это поведенческие различия и изменения между разными когортами. В целом их можно объяснить существованием различных социальных и экологических влияний. Возрастные эффекты, с другой стороны, — это изменения, которые можно объяснить увеличением возраста людей и связанными с ним установками. Наконец, эффекты периода представляют собой изменения поведения, которые являются результатом изменения условий окружающей среды — независимо от поколенческих и социально-демографических факторов.

Исходя из этих трех эффектов, вы можете заметить какие-либо четкие тенденции, касающиеся поведения отдельных групп. На основе этих тенденций вы можете использовать их для разработки будущих прогнозов или стратегий решений. Главная задача — отделить друг от друга эффекты возраста, когорты и периода, которые могут встречаться в каждом результате. Если включить их в когортный анализ в качестве идентификационных проблем, можно найти четкую причину поведенческих изменений.

Анализ рынка и соответствующих целевых групп является важной частью стратегического планирования, которое предшествует каждой маркетинговой кампании. В интернет-маркетинге все большее внимание уделяется поведению пользователей. Миллионы данных, которые уже собраны, служат прочной основой для дальнейшего планирования, но сначала эту информацию необходимо всесторонне оценить. Если вы хотите пойти на шаг дальше, чем просто получение знаний о поведении среднестатистического пользователя, и хотите организовать посетителей в зависимости от конкретных критериев, вам определенно стоит воспользоваться когортным анализом. Для наблюдения за поведением новых и существующих клиентов или распознавания региональных тенденций эта процедура уже давно является незаменимым инструментом в электронной коммерции.

Когортный анализ позволяет очень точно проверить, насколько успешны ваши маркетинговые кампании, о чем свидетельствует следующий пример:

Вы, владелец интернет-магазина, решили провести полный редизайн и сменить макет. Чтобы проверить, как новый дизайн воспринимается покупателями, вы должны просмотреть зарегистрированные транзакции и разделить покупателей на существующих (когорта 1) и новых (когорта 2). Через два месяца вы смотрите на результаты и замечаете, что количество транзакций уменьшилось. Без дополнительной информации вы могли бы сказать, что новый макет был принят не очень хорошо. Если взглянуть на отдельные показатели обеих когорт, можно выявить два других сценария:

1. Когорта 1 (существующие покупатели) совершила больше транзакций, чем до редизайна магазина. Напротив, группа 2 (новые покупатели) совершила меньше покупок.
2. Когорта 2 (новые покупатели) совершила больше покупок, чем раньше. Когорта 1 (существующие клиенты) совершила меньше сделок.

Приведенный выше пример демонстрирует преимущества применения когортного анализа, которые заключаются в том, что он гораздо более гибок и конкретен, чем простой анализ поведения среднего пользователя. Благодаря мощным возможностям современных инструментов, таких как Google Analytics, в отношении сбора данных, теперь можно проводить различие между новыми и существующими клиентами; инструменты помогают проверять поведение более сложных когорт. В категоризацию можно включить, например, возраст и местоположение клиентов или используемое устройство. Вы также можете получить доступ к необходимой информации, чтобы реагировать на потребности отдельных групп клиентов.