1. Як проводити когортний аналіз в email-маркетингу?
2. Як інтерпретувати таблицю?
3. Висновки на підставі когортного аналізу
4. Визначення часу життя передплатника
5. Навіщо когортний аналіз в email-маркетингу?

Когортний аналіз передбачає поділ користувачів на групи (когорти) та подальше вивчення поведінки цих груп з часом. Параметри, за якими формуються когорти, визначаються, виходячи з знань цільової аудиторії і поставлених цілей і завдань. Цінність когорти полягає в тому, що потрібні дані групуються за певними характеристиками, які не перемішуючись. Це дозволяє в подальшому аналізувати зв'язок між динамікою цих показників і проведеними змінами і досить точно прогнозувати подальші зміни в поведінці тієї чи іншої когорти.

У email-маркетингу доцільно створювати когорти (сегменти) передплатників за датою їх потрапляння в базу. Надалі відстеження динаміки відкриттів по когортам дозволить визначити частку залучення користувачів, що зареєструвалися в різний час, і виявити найбільш активні когорти. За допомогою когорт ви зможете працювати з даними, які раніше були недоступні при аналізі сукупної статистики, якісніше інтерпретувати результати тестів, виявляти тенденції в змінах для кожної групи. Але, найголовніше, когортний аналіз дозволить визначити час життя передплатників (CLT - Customer Life Time) і своєчасно коригувати email-стратегію.

Як проводити когортний аналіз в email-маркетингу?

сервіс DashaMail проводить когортний аналіз автоматично. Якщо ж ви вирішите робити його самостійно, то скористайтеся наступним покроковою інструкцією:

1. Створіть когорти користувачів за датою підписки (в когорту потрапляють користувачі, які підписалися в одному місяці).
2. Підготуйте статистику про те, скільки користувачів з кожної когорти відкривали розсилки в кожному місяці, наступному за підпискою.
3. З отриманих даних сформуйте таблицю, яка виглядає наступним чином:

Когортний аналіз вручну - досить трудомісткий процес. Але варто витраченого часу і зусиль, оскільки допоможе поглянути на ряд процесів email-маркетингу зсередини.

Як інтерпретувати таблицю?

У стовпці «Приріст» міститься інформація про те, скільки людина підписалася в базу в конкретному місяці. По горизонталі знаходиться шкала часу, в осередках вказана статистика откриваеми розсилок в цьому місяці для обраної когорти. Вона диференційована за кольорами: від червоного (найнижча откриваеми) до зеленого (найвища откриваеми). Виберемо точку перетину, наприклад, лютий 2017 по вертикалі і січень 2017 по горизонталі і побачимо результат 33,56%. Це означає, що що 33,56% клієнтів, які підписалися на розсилки в січні, потім відкривали листи в лютому. Рухаючись по горизонталі вправо до травня, бачимо істотне падіння активності до 20,41%, яке бажано врахувати в подальшій стратегії розсилок.

Висновки на підставі когортного аналізу

Наочне представлення даних в результаті когортного аналізу дозволяє виявляти закономірності в розвитку бізнесу. В наведеному вище прикладі видно, що передплатники, які прийшли в квітні 2017, довше залишаються активними, ніж залучені в листопаді 2016 року. Якщо не змінювався джерело залучення передплатників, можна сміливо говорити про сезонне сплеску інтересу до продукту компанії. Якщо ж змінювалася стратегія збору бази передплатників, то тест виявився вдалим, судячи з отриманими результатами.

Крім того, ключовою ефект когортного аналізу полягає в можливості відслідковувати реакції груп передплатників на зміни в розсилках і використовувати це для підвищення ефективності розсилок.

Розглянемо кейс, де когортний аналіз наочно відображає результати змін в розсилках. У серпні 2017 року інтернет-магазин змінив стратегію розсилок, збільшивши їх частоту і додавши розсилки у вечірній час. В результаті видно різке зростання активності передплатників в серпні 2017 року за всіма групами:

Варто зазначити, що статистика по кожній окремій розсилці в даному кейсі істотно не змінилася (в деяких випадках дещо знизилася), проте когортний аналіз показав, що залученість передплатників зросла.
Що ще можна змінити в розсилках і відстежити результат подібним чином?

• Змінити дні тижня і час проведення розсилок.
• Додати розсилку по які відкрили передплатникам з новою темою листа.
• Змінити співвідношення продавців і тематичних розсилок.

Визначення часу життя передплатника

Найбільш істотний внесок когортного аналізу в розробку стратегії email-маркетингу полягає в тому, що з його допомогою можна визначити час життя передплатника (CLT - Customer Life Time). По суті, це той проміжок часу після попадання користувача в базу, протягом якого він активний в розсилках. Точкою закінчення часу життя вважається дата останнього взаємодії - відкриття або кліка. Чому важливо знати CLT?

По-перше, ми можемо впливати тільки на те, що вимірюємо. Якщо не відслідковувати час життя передплатника, то і збільшувати його буде складно. Крім того, виходячи із середнього часу життя передплатників, слід вибудовувати всю стратегію email-маркетингу для того, щоб домагатися максимального відгуку від своєї аудиторії. Знаючи CLT, ви зможете адекватно розуміти і оцінювати поведінку користувача, робити найбільш підходящі для його терміну активності пропозиції як в регулярних, так і тригерних розсилках, вчасно запустити кампанію реактивації або відправити на "карантин" і т.д. Для наочності розглянемо приклад:

Когортний аналіз по базі передплатників оптового інтернет-магазину показує, що залученість передплатників в розсилки компанії падає з кожним місяцем в 1,5-2 рази. Цикл життя передплатника складає приблизно 2-3 місяці. Саме в цей період часу необхідно за допомогою листів довести передплатника до замовлення, а потім запустити автоматичну реактіваціонную ланцюжок або відправити на "карантин".

Когортний аналіз і час життя передплатника допоможуть прогнозувати ключові метрики прибутку бізнесу в цілому. Наприклад, знаючи кількість залучених в березні передплатників з часом їх життя, рівним 3 місяців, можна спланувати продажу від даної когорти протягом всієї весни.

Навіщо когортний аналіз в email-маркетингу?

Перерахуємо, що ви зможете робити, використовуючи когортний аналіз в email-маркетингу:

• визначати час життя передплатника;
• своєчасно проводити реактивацію передплатників, в тому числі в автоматичному режимі;
• сегментувати звичайні розсилки по часу додавання передплатників, адаптуючи контент для нових передплатників і тих, хто вже перестає читати ваші розсилки, підвищуючи тим самим ефективність email-маркетингу;
• аналізувати ефективність каналів залучення передплатників;
• тестувати гіпотези і змінювати стратегії в розсилках (змінювати співвідношення тематичних і продають листів, варіювати частоту і час проведення розсилок, додавати нові тригери і т.д.) і коректно інтерпретувати результати проведених тестів;
• виявляти закономірності в бізнесі, включаючи сезонність;
• прогнозувати продажу з email-розсилок.

Все це коштує того, щоб трохи попрацювати і докопатися до нових істин в ваших розсилках.
Потрібна допомога в email-маркетингу? Напишіть нам в DashaMail , Допоможемо! Чи вміємо «готувати» email-маркетинг, допомагаємо зі стратегією, шаблонами, контентом і розсилками в цілому.