Когортный анализ показывает, какая доля покупателей возвращается за повторной покупкой — и когда именно они уходят навсегда. Если коротко: это инструмент, который превращает ощущение «у нас хорошая база клиентов» в конкретную цифру. И эта цифра чаще всего неприятно удивляет.
По данным BS&Co (2026), анализ базы из 156 000 клиентов показал: около 80% покупают один раз и исчезают. Когортный анализ — один из самых наглядных способов увидеть этот факт заранее, пока он не похоронил рекламный бюджет.
Что такое когортный анализ и как он работает
Когортный анализ — это метод группировки клиентов по общему признаку (как правило, дате первой покупки) и отслеживания их поведения на протяжении времени. Он позволяет понять, как ведёт себя конкретная «волна» покупателей, а не усреднённый клиент из всей базы.
Ключевое отличие от обычной статистики: средние показатели по всей базе маскируют проблемы. Если январская когорта возвращается в 40% случаев, а августовская — только в 12%, среднее значение покажет «нормальный» результат. Когортный анализ покажет, что с летними клиентами что-то пошло не так.
Как это выглядит на практике: вы берёте всех покупателей, совершивших первую покупку в январе. Через 30 дней смотрите, сколько из них купили снова. Через 60, 90, 180 дней — то же самое. Результат визуализируется в виде таблицы удержания, где по строкам идут когорты (месяц первой покупки), а по столбцам — периоды наблюдения.
Почему удержание важнее, чем кажется: математика
Согласно исследованиям Фредерика Рейхельда и Bain & Company, рост удержания клиентов на 5% увеличивает прибыль на 25–95%. Происходит это потому, что постоянные клиенты увеличивают частоту покупок и средний чек, не требуя пропорционального роста маркетинговых расходов.
Теперь посмотрим на цифры привлечения. По данным исследования SimplicityDX (2025), в e-commerce в среднем теряется около $29 на каждом новом покупателе — с учётом всех затрат на маркетинг и возвраты. В 2013 году этот показатель составлял $9. LoyaltyLion фиксирует, что затраты на привлечение нового клиента выросли на 222% за последние годы.
Удержать существующего клиента обходится в 5–25 раз дешевле, чем привлечь нового — в зависимости от отрасли и модели бизнеса.
Как читать когортную таблицу удержания
Когортная таблица выглядит так: в строках — группы клиентов по месяцу первой покупки, в столбцах — периоды (месяц 0, месяц 1, месяц 2 и т.д.). Ячейки показывают процент клиентов, совершивших покупку в данный период.
Паттерн «свободного падения» — кривая уходит вниз без остановки. Каждая новая когорта теряет всё больше клиентов на каждом этапе. Это сигнал проблемы с самим продуктом или опытом после покупки — письма и скидки здесь не помогут.
Паттерн «плато» — кривая падает в первые 1–2 месяца, затем стабилизируется на определённом уровне. Хороший знак: у вас есть «ядро» лояльных покупателей. Задача — увеличить высоту плато.
Паттерн «улучшения когорт» — новые когорты показывают более высокое удержание на тех же временных промежутках, чем старые. Это значит, что ваши изменения в продукте или маркетинге работают.
По данным Promodo (2024–2025) на реальных данных интернет-магазинов: самые активные когорты формируются в ноябре–декабре, но в январе активность резко падает — бренды не поддерживают вовлечённость после праздничного сезона.
Какие когорты строить в первую очередь
Не все когорты одинаково полезны. Начинать стоит с тех, которые дают наибольший управленческий сигнал.
Когорта по дате первой покупки — самая базовая и самая важная. Показывает, как меняется удержание в зависимости от периода привлечения. Позволяет сравнить клиентов, пришедших через разные каналы или акции.
Когорта по каналу привлечения — сравниваете удержание клиентов из Google Ads, Meta, email-рассылок, органического поиска. По данным Saras Analytics (2025), клиенты из разных каналов показывают существенно разное поведение: клиенты из органического поиска удерживаются значительно лучше, чем из платной рекламы.
Когорта по первому купленному продукту — какие товары приводят к повторным покупкам, а какие заканчиваются одной транзакцией. Это меняет логику мерчандайзинга и продуктового фокуса.
Метрики когортного анализа, которые реально важны
Retention Rate (коэффициент удержания) — это доля клиентов из когорты, совершивших покупку в заданный период. Формула: (Клиенты с повторной покупкой / Клиенты когорты) × 100%.
По данным ecorn.agency (2025), средний Retention Rate в e-commerce составляет около 25%. Для сравнения: в SaaS-компаниях — 90%, в телекоммуникациях — 80%. Низкое значение в e-commerce объясняется природой рынка, но это не значит, что с ним не нужно работать.
Repeat Purchase Rate (частота повторных покупок) — доля покупателей, совершивших более одной покупки. По данным Finsi (2026), средний показатель для DTC-брендов составляет 25–30% за 12 месяцев. Бренды-лидеры достигают 40% и выше.
Окно повторной покупки — критически важный параметр. По данным BS&Co (2026), около половины повторных покупок происходит в течение первых 30 дней после первой, а примерно три четверти — в течение 90 дней. После этого окна вернуть клиента кратно сложнее.
Метод «Правило 30-90»: если в течение 30 дней после первой покупки клиент не вернулся — запустить реактивационную коммуникацию. Если в течение 90 дней — перевести в сегмент «спящих» и работать иначе.
Как настроить когортный анализ без сложных инструментов
Уровень 1: Google Analytics 4. В разделе Retention есть базовые когортные отчёты. Показывают удержание по неделям и месяцам. Подходит для старта — бесплатно, данные доступны сразу.
Уровень 2: Excel или Google Sheets. Выгружаете транзакции из CRM или платформы (Shopify, WooCommerce), строите сводную таблицу. По строкам — когорта (год-месяц первой покупки), по столбцам — месяц наблюдения. Занимает несколько часов, но даёт полный контроль над данными.
Уровень 3: Специализированные инструменты. Klaviyo, Metrilo, Saras Analytics, Lifetimely — дают автоматические когортные отчёты, сегментацию и интеграцию с e-commerce платформами.
Минимальная выборка: аналитики рекомендуют не менее 200–300 клиентов в когорте. Если месячная когорта содержит 30 человек, результаты будут нерепрезентативными.
Что делать с результатами: три сценария
Сценарий 1: Удержание падает ниже 15% к третьему месяцу. Проблема в опыте после первой покупки. Аудировать: качество доставки, упаковку, коммуникацию после заказа. Запустить приветственную цепочку писем с предложением второй покупки в первые 14 дней.
Сценарий 2: Одна когорта существенно лучше других. Изучить, что было особенного в этот период: промоакция, новый продукт, канал привлечения, сезон. Попытаться воспроизвести условия.
Сценарий 3: Клиенты из одного канала удерживаются лучше. Перераспределить бюджет в пользу этого канала. По данным Saras Analytics (2025), бренды с DTC-оборотом $20+ млн тратят в 5–8 раз больше на привлечение, чем на удержание. Когортный анализ помогает обосновать смену этой пропорции.
FAQ: часто задаваемые вопросы
Чем когортный анализ отличается от RFM-анализа?
RFM группирует клиентов по текущему поведению: Recency (давность), Frequency (частота), Monetary (сумма). Когортный анализ отслеживает динамику во времени — как меняется поведение группы с одинаковым «стартом». Они дополняют друг друга: когорты показывают «когда теряем», RFM — «кого пора реактивировать».
Какой Retention Rate считается нормальным для интернет-магазина?
По данным ecorn.agency (2025), средний показатель для e-commerce — около 25%. Для многих категорий результаты выше 30% считаются сильными, однако нормы существенно зависят от товарной категории: для косметики или FMCG это достижимо, для мебели или бытовой техники — физически труднее. Важнее всего сравнивать с собственной динамикой: рост с 18% до 24% за год — уже значимый прогресс.
Нужно ли строить когорты каждый месяц?
Оптимальная частота — раз в квартал для стратегического анализа, раз в месяц для отслеживания конкретных инициатив. Если вы только что запустили изменения в онбординге или продуктовую акцию — смотрите данные через 30 и 60 дней после запуска.
Какой минимальный размер базы нужен для когортного анализа?
Аналитики рекомендуют начинать от 200–300 клиентов в одной когорте. Если ваш магазин небольшой, объединяйте когорты поквартально вместо помесячных.
Что значит, если все когорты показывают одинаково плохие результаты?
Это сигнал структурной проблемы, а не тактической. Дело не в рассылках и не в скидках — нужно пересматривать сам продукт, ценообразование или позиционирование. Когортный анализ здесь выступает как диагностика, указывающая на то, что лечить нужно глубже.
