⌘286. Когортний аналіз
Коли ми аналізуємо дані та робимо висновки з результатів аналізу, часто забуваємо, що для їхньої точності варто обовʼязково перевіряти і правдивість даних.
У B2B-компаніях, з якими я стикаюся найчастіше, зазвичай довгий цикл угоди – від місяця до 6 чи навіть 12.
Як же зрозуміти вплив маркетингу на генерацію нових клієнтів?
Дуже великою помилкою буде робити помісячну воронку. І це я дуже прошу всіх запамʼятати:
в січні отримали 10 заявок
в січні отримали 8 SQL
в січні отримали 2 нових клієнтів
– це дані, які у жодному разі не можна змішувати.
Ми реально отримали 10 заявок в січні, але 8 SQL могли зʼявитися із заявок в листопаді-грудні, а 2 нових клієнти із заявок взагалі в серпні чи вересні. Тут не можна робити висновки або рахувати конверсію.
І саме тут нам із тобою на допомогу приходить когортний аналіз. Мій найулюбленіший з усіх аналізів.
Щоб ним користуватися, достатньо зрозуміти, що ми рахуємо не помісячно, а когортами. Кожну дію з лідом ми привʼязуємо до дати отримання заявки.
Тобто якщо в січні ми отримали заявку, в лютому поспілкувалися з лідом та перевели на етап SQL, а в травні підписали договір та отримали оплату – ми вносимо всі ці зміни в січень (коли отримали заявку).
Щоб розуміти якість когорти, ми додаємо простий показник для кожного місяця, де рахуємо, який % від усіх отриманих заявок вже у фінальному статусі (програно чи виграно). Я рекомендую дивитися на показники когорт з якістю від 75% і вище.
Відповідно, розклавши дані нашого бізнесу за такими когортами, ми з тобою точно побачимо реальну конверсію між етапами, реальну вартість залучення SQL та вартість залучення клієнта в розрізі послуг та джерел.
І вже на основі цього спокійно можна робити висновки та розробляти стратегії майбутніх періодів.
#менеджмент
@chumandriy
27
11
9July 9, 2026 3K 4 31
