Как правильно измерять “периодичность” (cohort-analysis) в Яндекс.Метрика

Вы когда-нибудь задумывались, почему даже при росте трафика ваши продажи не увеличиваются? Почему часть клиентов уходит через неделю, а другие возвращаются снова и снова? Возможно, вы просто не знаете, кто именно ваши самые ценные покупатели. Или, что ещё хуже — вы считаете всех их одинаковыми. В мире цифрового маркетинга, где каждый клик и каждая покупка фиксируется, игнорировать индивидуальность пользователей — значит терять деньги. Именно здесь на помощь приходит когортный анализ, или cohort-analysis — мощнейший инструмент, который позволяет увидеть поведение пользователей не как статистическую массу, а как живую историю. В этой статье вы узнаете, как правильно измерять периодичность в Яндекс.Метрике, что это значит на практике и как использовать эти данные, чтобы увеличить лояльность клиентов, снизить отток и повысить прибыль.

Что такое когортный анализ и почему он важен для бизнеса

Когортный анализ — это метод анализа поведения пользователей, при котором люди группируются не по их действиям в целом, а по времени первого взаимодействия с вашим продуктом или сайтом. Такая группа называется когортой. Например, все пользователи, которые сделали первую покупку в марте 2024 года — это одна когорта. Все, кто зашёл на сайт в апреле — другая. Их поведение затем отслеживается в течение нескольких недель или месяцев, чтобы понять, как они взаимодействуют с бизнесом со временем.

Почему это важно? Потому что средние показатели — обманчивы. Если вы видите, что в среднем 20% клиентов возвращаются через месяц, это не говорит вам ничего о том, кто именно эти 20%. Может быть, 18% пользователей возвращаются каждый месяц, а 2% — это единичные клиенты, которые зашли один раз и больше не возвращались. Или наоборот: 95% пользователей уходят после первой покупки, но 5% — ваши лояльные фанаты, которые тратят в десять раз больше. Без когортного анализа вы не увидите эту картину.

Когда речь заходит о периодичности — то есть частоте возвращений пользователей — когортный анализ становится незаменимым. Он позволяет ответить на ключевые вопросы:

• Как часто клиенты возвращаются после первой покупки?
• Сколько времени проходит между первым и вторым визитом?
• Какие когорты показывают лучшую удерживаемость?
• Что мешает пользователям возвращаться — плохой сервис, цена или отсутствие персонализации?

Допустим, вы запустили рекламную кампанию в начале месяца. Трафик вырос на 40%, но конверсия упала. Внешне это кажется катастрофой. Но если вы проведёте когортный анализ, то обнаружите: новые пользователи действительно приходят чаще, но они возвращаются реже. Причина? Они пришли из дешёвой рекламы — ищут скидку, а не качество. А старые клиенты, которые платили стабильно, остались довольны и продолжают покупать. Значит, вам нужно не просто увеличивать трафик, а улучшать качество привлекаемых пользователей. Именно так когортный анализ меняет стратегию бизнеса — от “как привлечь больше” к “как удержать тех, кто стоит денег”.

Чем когортный анализ отличается от обычной аналитики

Обычная аналитика, которую использует большинство владельцев сайтов — это общая статистика: “Сколько посетителей за сегодня?”, “Какова конверсия?” или “Где люди уходят с сайта?”. Эти данные важны, но они дают лишь мгновенный снимок. Они не показывают, как пользователи развиваются со временем.

Представьте себе ресторан. Обычная аналитика скажет: “Сегодня мы обслужили 150 человек”. Это хорошо. Но когортный анализ спросит: “А сколько из тех, кто пришёл в январе, вернулись в феврале? А в марте? Кто из них стал постоянным клиентом, а кто пришёл один раз и исчез?”

Когортный анализ работает как кино, а обычная аналитика — как фото. Одно показывает движение, развитие и тренды; другое — мгновенный кадр. Если вы хотите понять, как ваш бизнес растёт или умирает — вам нужно кино. И Яндекс.Метрика предоставляет инструменты, чтобы снять его.

Как настроить когортный анализ в Яндекс.Метрика для измерения периодичности

Теперь перейдём к практике. Как именно измерить периодичность в Яндекс.Метрике? Это не просто нажатие кнопки — это процесс, требующий чёткого понимания целей и корректной настройки.

Шаг 1: Определите, что вы хотите измерить

Перед тем как заходить в Яндекс.Метрику, ответьте на вопрос: “Что для меня значит ‘возвращение’?” Это может быть:

• Вторая покупка в интернет-магазине
• Повторный вход в личный кабинет
• Открытие страницы с новыми товарами
• Подписка на рассылку после первой регистрации

Важно: выберите конкретное действие, которое соответствует вашей бизнес-цели. Если вы продавец услуг — это может быть повторный запрос на консультацию. Если вы владелец онлайн-курса — это возвращение к уроку после первого просмотра. Нет универсального “возвращения” — только ваше определение.

Шаг 2: Настройте цель в Яндекс.Метрике

Чтобы когортный анализ работал, вы должны зафиксировать интересующее вас действие как цель. Для этого:

1. Зайдите в Яндекс.Метрику → “Цели”.
2. Нажмите “Создать цель”.
3. Выберите тип “Посетитель выполнил действие”.
4. Укажите событие: например, “Покупка завершена” или “Сформирован заказ”.
5. Присвойте цель понятное имя: “Повторная покупка”.
6. Сохраните цель и убедитесь, что она начинает фиксироваться в реальном времени.

Важно: цель должна быть точной. Если вы используете “просмотр страницы”, это может включать случайные клики. Лучше использовать события, привязанные к транзакциям или действиям с ценностью — например, “Завершение заказа” через метку E-commerce.

Шаг 3: Создайте когортную таблицу

Теперь перейдите в раздел “Отчёты” → “Когорты”. Здесь вы увидите готовый шаблон. Убедитесь, что:

• Выбрана ваша цель (например, “Повторная покупка”) — именно она будет измерять возвращения.
• Период когорты — “Неделя” или “Месяц”. Для большинства бизнесов лучше выбрать месяц, чтобы не терять статистическую значимость.
• Период анализа — минимум 3 месяца. Меньше — не имеет смысла: вы не увидите трендов.

После настройки система автоматически создаст таблицу, где строки — это когорты (группы пользователей по месяцам входа), а столбцы — временные интервалы: “Через 1 день”, “Через 7 дней”, “Через 30 дней” и т.д.

Шаг 4: Интерпретируйте данные

В таблице каждая ячейка показывает процент пользователей из когорты, которые выполнили цель в указанный период. Например:

Что видим? Когорта января показала лучшую удерживаемость — через 90 дней 51% пользователей вернулись. Когорта марта — только 38%. Это значит, что качество привлекаемых клиентов ухудшилось. Возможно, вы изменили рекламные каналы, цену или логистику — и это сказалось. Теперь вы можете сосредоточиться на поиске причины: может, реклама стала менее целевой? Или доставка задерживается?

Ключевое правило: не смотрите на абсолютные цифры. Смотрите на тренд. Если каждая новая когорта показывает снижение возвращаемости — это красный флаг. Если же когорты стабильны или растут — ваша модель удержания работает.

Шаг 5: Сравните разные источники трафика

Один из самых мощных способов использования когортного анализа — сравнение по источникам. Например:

• Пользователи из Google Ads
• Пользователи из соцсетей (Instagram, VK)
• Органический трафик
• Пользователи из email-рассылки

Создайте фильтр в отчёте “Когорты” по источнику трафика. Вы увидите, например:

• Пользователи из email-рассылки: 68% возвращаются через 30 дней.
• Пользователи из Яндекс.Директа: 32%.
• Пользователи из рекламы в Instagram: 19%.

Это не значит, что реклама в соцсетях плоха. Это значит, что люди из рассылки — более лояльные. Они уже знают ваш бренд, доверяют вам. А люди из рекламы — “холодные”. Им нужно больше времени, чтобы поверить. Это важный вывод для бюджета: возможно, стоит увеличить инвестиции в email-маркетинг и улучшать первое взаимодействие с новыми клиентами из рекламы.

Практические кейсы: как когортный анализ помог бизнесу увеличить прибыль

Теория — это хорошо. Но как это работает на практике? Давайте рассмотрим три реальных кейса.

Кейс 1: Интернет-магазин одежды

Бизнес: онлайн-магазин женской одежды. Раньше владельцы думали, что основной маркетинговый канал — реклама в Instagram. Трафик рос, но конверсия падала. Прибыль — на уровне.

После внедрения когортного анализа выяснилось:

• Пользователи из Instagram возвращались реже: только 12% через месяц.
• Пользователи, пришедшие по рекомендациям друзей — возвращались 41%.
• Пользователи, получившие скидку за первую покупку — возвращались 58%.

Вывод: реклама в Instagram привлекает “дешёвых” клиентов, которые покупают один раз и уходят. А лояльность строится на скидках и рекомендациях.

Действия:

• Увеличили программы лояльности: “Пригласи друга — получи 20% на следующую покупку”.
• Ввели email-рассылки с персонализированными предложениями после первой покупки.
• Сократили бюджет на Instagram и перераспределили его на email-маркетинг.

Результат: через 3 месяца повторные покупки выросли на 72%, а CAC (стоимость привлечения клиента) снизился на 35%.

Кейс 2: Онлайн-школа

Бизнес: платформа с курсами по digital-маркетингу. Пользователи регистрируются бесплатно, потом платят за полный доступ.

Проблема: много регистраций, мало платящих. Маркетологи думали — нужно больше трафика.

Когортный анализ показал: пользователи, которые прошли первый урок в течение 24 часов после регистрации — платили в 5 раз чаще, чем те, кто не заходил неделю.

Вывод: главный барьер — не цена, а отсутствие вовлечённости. Люди регистрируются и забывают.

Действия:

• Настроили автоматическую рассылку: “Вы ещё не прошли первый урок. Вот ссылка!” — через 1 час после регистрации.
• Добавили уведомление в личный кабинет: “Сегодня вы можете пройти урок №2 — он вдохновляет!”
• Сделали первый урок бесплатным, но интересным — с практическим заданием.

Результат: конверсия в платные пользователи выросла с 8% до 21%. Когортный анализ показал, что пользователи из первого месяца теперь возвращаются чаще — и покупают не один курс, а несколько.

Кейс 3: Сервис доставки еды

Бизнес: доставка готовых блюд. Раньше фокус был на акциях: “Первая доставка — 50% скидка”.

Когортный анализ выявил: пользователи, получившие скидку на первую доставку, возвращались реже — всего 17% через месяц. А пользователи, которые получили бесплатную доставку без скидки — возвращались 43%.

Почему? Скидка создала ожидание “всегда дешевле”. А бесплатная доставка — это ценность, которую они не хотят терять. Они чувствуют, что получают бонус — а не скидку.

Действия:

• Убрали скидку на первую доставку.
• Ввели бесплатную доставку для всех новых пользователей.
• Добавили уведомление: “Ваша бесплатная доставка доступна до конца недели — закажите!”

Результат: повторные заказы выросли на 120%. Пользователи стали платить полную цену — потому что привыкли к бесплатной доставке, а не к скидкам.

Частые ошибки при использовании cohort-analysis в Яндекс.Метрике

Даже опытные маркетологи допускают ошибки, которые делают когортный анализ бесполезным. Вот основные из них:

Ошибка 1: Неправильно определена цель

Многие считают, что “возвращение” — это просто визит на сайт. Но это не так. Пользователь может зайти, посмотреть одну страницу и уйти — это не возвращение. Это “посещение”. Важно выбирать действия, которые имеют ценность: покупка, заполнение формы, подписка, добавление в корзину.

Ошибка 2: Слишком маленькая когорта

Если вы анализируете когорту из 10 пользователей — результаты бессмысленны. Нужно минимум 100–200 пользователей в когорте, чтобы статистика была достоверной. Если вы только запустили сайт — ждите 1–2 месяца, пока наберётся достаточная выборка.

Ошибка 3: Игнорирование внешних факторов

Например, вы заметили падение возвращаемости в декабре. Но это НЕ значит, что ваша система удержания сломалась. Возможно, люди просто уехали в отпуск. Или вывели рекламные бюджеты на Новый год. Всегда сопоставляйте данные с календарем: праздники, сезонность, запуски конкурентов.

Ошибка 4: Сравнение разных типов когорт

Не сравнивайте когорту “пользователи, пришедшие в январе” с когортой “пользователи, купившие в феврале”. Это разные метрики. Когорта должна быть по времени первого взаимодействия — не покупки, а входа или регистрации.

Ошибка 5: Не даете пользователям время

Если вы смотрите на когорту “Февраль” и через 7 дней видите, что только 5% вернулись — вы не можете сделать вывод. Может быть, они придут через 14 дней. Удерживаемость строится на долгосрочных трендах — минимум 30–90 дней.

Как использовать когортный анализ для принятия решений

Когортный анализ — это не просто отчёт. Это инструмент стратегического управления.

Вот как его применять на практике:

1. Оцените эффективность маркетинговых каналов

Сравните когорты по источникам трафика. Кто лучше удерживается? Сколько стоит привлечь одного пользователя из каждого канала? Какова его LTV (Lifetime Value — lifetime value)? Это поможет перераспределить бюджет на самые эффективные каналы.

2. Оптимизируйте воронку продаж

Если пользователи не возвращаются после первой покупки — значит, что-то сломано на этапе “после покупки”. Возможно:

• Нет email-рассылки с рекомендациями.
• Нет благодарственного письма или бонуса за повторную покупку.
• Нет программы лояльности.

Когортный анализ показывает, где именно вы теряете клиентов — и что нужно улучшить.

3. Проверяйте влияние изменений

Вы запустили новый дизайн сайта? Ввели скидку для постоянных клиентов? Сменили логистику? Используйте когортный анализ, чтобы сравнить когорты до и после изменения. Это — лучший способ понять, что работает.

4. Прогнозируйте доход

Если вы знаете, что 40% пользователей из когорты “Январь” возвращаются через 60 дней, а средний чек — 3000 рублей — вы можете предсказать доход на следующий месяц. Это позволяет планировать бюджет, закупки и персонал.

FAQ

Что такое периодичность в когортном анализе?

Периодичность — это частота, с которой пользователи возвращаются к вашему продукту после первого взаимодействия. В когортном анализе она измеряется как процент пользователей из определённой группы, которые совершили целевое действие (например, покупку) через 7, 14, 30 дней после первого визита.

Стоит ли использовать когортный анализ, если у меня мало трафика?

Если у вас меньше 50–100 пользователей в месяц — анализ будет неточным. Но это не значит, что его нельзя использовать. Начните с малого: отслеживайте поведение 10–20 первых клиентов вручную. Записывайте, когда они возвращаются, что их мотивирует. Это поможет вам настроить систему, когда трафик вырастет.

Как часто нужно запускать когортный анализ?

Рекомендуется делать это раз в месяц. Это позволяет отслеживать тренды без перегрузки. Если вы запускаете крупные маркетинговые кампании — анализируйте когорты сразу после них, чтобы понять их долгосрочное влияние.

Можно ли использовать когортный анализ для мобильных приложений?

Да, но в Яндекс.Метрике это работает только для сайтов. Для мобильных приложений лучше использовать Firebase, Mixpanel или AppMetrica — они имеют аналогичные функции когортного анализа.

Что лучше: Google Analytics или Яндекс.Метрика для когортного анализа?

Обе системы позволяют делать cohort-analysis. Яндекс.Метрика удобнее для русскоязычных пользователей: интерфейс понятнее, отчёты нагляднее. Google Analytics предлагает больше интеграций с зарубежными сервисами. Для российского бизнеса — Яндекс.Метрика предпочтительнее.

Как понять, что когортный анализ работает?

Если вы начинаете принимать решения на основе данных — не просто “попробуем”, а “по данным когорт мы видим, что…” — значит, анализ работает. Если вы замечаете рост повторных покупок, снижение оттока и более точное планирование бюджета — вы на правильном пути.

Заключение: когортный анализ — это не аналитика, а стратегия

Когортный анализ — это не про цифры. Это про людей. Про то, кто они, почему приходят и почему уходят. Он позволяет перейти от абстрактной “конверсии” к реальным историям: “Марина купила платье в январе, вернулась через месяц и заказала ещё два”. Это то, что делает бизнес не просто прибыльным — но и человечным.

В Яндекс.Метрике вы получаете мощный инструмент, который раскрывает скрытые паттерны поведения. Но чтобы он работал, нужно:

• Чётко определить, что значит “возвращение” для вашего бизнеса.
• Настроить цель и когорты правильно — без спешки и ошибок.
• Смотреть не на разовые цифры, а на тренды.
• Использовать данные для действий — не просто отчёты, а стратегии.

Если вы будете регулярно анализировать когорты, через 3–6 месяцев вы заметите: ваша аудитория стала более лояльной, ваши клиенты стали дороже, а маркетинг — эффективнее. Потому что вы перестали бороться с трафиком — и начали заботиться о людях.