Как использовать когортный анализ для оценки удержания подписчиков сообщества во времени?

Короткий ответ

Когортный анализ группирует подписчиков по периоду, когда они присоединились (например, по месяцу подписки), и отслеживает, какая доля каждой когорты остаётся активной/не отписывается в последующие периоды — это показывает реальное «здоровье» аудитории лучше, чем общий чистый прирост.

Как это работает подробнее

для каждой когорты (например, «подписались в январе») фиксируется число участников на старте, а затем через 1, 2, 3 месяца считается, сколько из них всё ещё подписаны и/или взаимодействуют с контентом, что требует данных на уровне отдельных пользователей, а не только агрегированных цифр.

Когорта «подписались в результате конкурса, март»: через 3 месяца осталось подписано 40% от исходного числа. Когорта «органика, март»: через 3 месяца осталось 85%. Проверка: сравнение по процентам удержания (а не абсолютным числам) обосновывает решение сократить бюджет на конкурсы ради быстрого роста подписчиков.

Что использовать на практике

• Практический подход. эта метрика особенно полезна при оценке эффекта конкурсов или массовых закупок трафика на подписку — если когорта «из конкурса» отписывается значительно быстрее органической когорты, это сигнал о низком качестве такого прироста.

Подводные камни

• Частые ошибки. делать когортный анализ только по числу подписчиков без учёта их активности (открытый, но «спящий» аккаунт тоже считается «удержанным», хотя не взаимодействует с контентом); сравнивать когорты разного размера без нормализации в проценты.