Кохорти по придобиване срещу кохорти по задържане

Преди да влезете в отчетите на GA4, е важно да разграничите двата основни типа кохорти в ecommerce анализа. Кохортите по придобиване групират клиентите според момента, в който за първи път са конвертирали или посетили магазина ви. Кохортите по задържане проследяват как същите тези групи се държат в следващите периоди.

Кохортите по придобиване отговарят на въпроси като: клиентите, привлечени по време на Black Friday, имат ли по-висока стойност на клиента за целия период (LTV) от тези, придобити през януари?

Кохортите по задържане помагат да разберете: какъв процент от клиентите, купили през март, са направили повторна поръчка до 90 дни?

За customer cohort marketing и двете гледни точки са важни. Кохортите по придобиване показват кои кампании носят стойностни клиенти. Кохортите по задържане разкриват дали post-purchase преживяването ви ги кара да се връщат. Заедно те са основа за решения, базирани на LTV.

Как да изградите кохорти в GA4

GA4 предлага вграден cohort exploration, който прави кохортния анализ за ecommerce далеч по-достъпен, отколкото беше в Universal Analytics. Ето как да настроите базов кохортен отчет.

Настройка стъпка по стъпка

1. Отворете Explore в GA4 и изберете Cohort exploration от шаблоните.
2. Дефинирайте критериите за включване в кохортата. За кохорти по придобиване използвайте събитията first_visit или first_open. За кохорти, базирани на покупка, изберете purchase.
3. Задайте критерий за връщане. Обикновено това е ново purchase събитие при retention анализ или друго активно engagement събитие.
4. Изберете детайлност на кохортата: дневна, седмична или месечна. За повечето онлайн магазини със среден обем поръчки седмичната разбивка работи най-добре.
5. Добавете разбивки по traffic source, campaign или device category, за да сегментирате кохортите смислено.

Съвет: Започнете със седмични кохорти за период от 12 седмици. Така ще имате достатъчно данни, за да видите тенденции, без анализът да се замъгли от ежедневни колебания.

Най-важните метрики

• Retention rate: процентът потребители от всяка кохорта, които се връщат.
• Cumulative revenue per user: общият приход, който всяка кохорта генерира с времето.
• Repeat purchase rate: колко клиенти са направили повече от една покупка.
• Time to second purchase: средният брой дни между първата и втората поръчка.

Как се чете кохортна таблица

Кохортната таблица показва периодите по редове, а следващите периоди по колони. Всяка клетка съдържа стойност на метрика, най-често retention rate или приход, за конкретната кохорта в конкретния времеви отрязък.

Първата колона (Period 0) показва началното поведение. Следващите колони са Week 1, Week 2 и т.н. Ако четете по ред, виждате как се представя една кохорта във времето. Ако четете по колона, сравнявате различни кохорти на една и съща „възраст".

Какви модели да търсите

• Подобрение по вертикала означава, че усилията ви за задържане дават резултат. По-новите кохорти се представят по-добре от по-старите.
• Спадът по хоризонтала е нормален, но наклонът е важен. Рязкото пропадане често подсказва проблем в onboarding-а или в продукта.
• Сезонни пикове в отделни редове подсказват влияние на външни фактори. В България това често се вижда около Великден, Коледа или Никулден.
• Аномалии в отделни клетки често водят към конкретни кампании или събития, които си струва да се проверят.

Как да свържете кохортните данни с PPC

Кохортният анализ става особено ценен, когато го свържете с paid media резултатите. Повечето рекламодатели оптимизират по моментен ROAS, но кохортните данни показват пълната картина.

Експортирайте кохортните данни по UTM source и medium. Съпоставете ги с данните от вашата PPC automation платформа. Изчислете 30-, 60- и 90-дневен LTV по канал на придобиване.

Много вероятно е да откриете, че част от каналите с по-нисък моментен ROAS всъщност носят по-висок LTV. Други може да изглеждат силни на първа поръчка, но да имат слабо задържане.

Създайте матрица „кохорта–канал"

• Направете таблица, която свързва acquisition каналите с ключовите кохортни метрики.
• Включете first-order AOV, 90-дневен LTV, repeat purchase rate и customer acquisition cost.
• Изчислете LTV:CAC съотношението за всеки канал. Стойности над 3:1 обикновено показват здравословна икономика.
• Обновявайте таблицата всеки месец, за да следите тенденции и да насочвате бюджета по-умно.

Как да откриете каналите с висок LTV

Вашият ecommerce кохортен отчет ще покаже сериозни разлики в качеството на клиентите според канала. Има модели, които се повтарят в много индустрии.

• Branded search често води до най-висок LTV, защото тези потребители вече познават бранда ви.
• Email и referral трафикът обикновено показват по-добро задържане, защото идват с предварително изградено доверие.
• Generic shopping campaigns често носят обем, но и повече ценово чувствителни клиенти, които купуват само веднъж.
• Social каналите варират силно според креатива и качеството на таргетирането.

Най-важният извод е, че CPA сам по себе си не казва нищо за реалната стойност на клиента. Два канала с еднакъв CPA могат да имат коренно различна печалба, ако ги разгледате през кохортна призма. С product segmentation може допълнително да уточните кои продукти привличат клиенти с висок LTV от всеки канал.

Как да използвате кохортите за bid targets

Когато знаете реалния LTV по канал, можете да задавате много по-точни bid targets. Вместо да оптимизирате само по моментен ROAS, включете и прогнозната стойност на клиента във времето.

LTV-коригирани CPA цели

• Определете приемливото LTV:CAC съотношение за бизнеса си, обикновено минимум 3:1.
• Изчислете target CPA, като разделите специфичния за канала LTV на целевото съотношение.
• Ако даден канал има 90-дневен LTV от 180 лв. и цел 3:1, таванът за CPA е 60 лв.
• Ако същият канал показва first-order AOV от едва 70–80 лв., стандартната оптимизация по ROAS може сериозно да го подцени.

Съвет: Задавайте различни ROAS цели за различни campaign сегменти според кохортните данни. Кампаниите за нови клиенти могат да работят с по-нисък ROAS от remarketing кампаниите, защото по-високият LTV оправдава по-голям първоначален разход.

Практическо приложение

• Сегментирайте кампаниите по тип клиент: prospecting срещу remarketing.
• Прилагайте LTV множители от кохортния анализ към целите на prospecting кампаниите.
• Преглеждайте и коригирайте на всяко тримесечие, когато новите кохорти узреят.
• Тествайте по-агресивни оферти в каналите с висок LTV, за да вземете повече обем.

Често срещани грешки при кохортния анализ

• Твърде кратък период на наблюдение: ако оценявате кохортите прекалено рано, рискувате погрешни решения. За повечето ecommerce бизнеси са нужни поне 90 дни, за да се видят реални разлики в LTV.
• Пренебрегване на размера на кохортата: малките кохорти дават нестабилни резултати. Уверете се, че имате достатъчен обем, преди да правите изводи.
• Смесване на различни типове клиенти: ако комбинирате нови и връщащи се клиенти, резултатите се изкривяват.
• Игнориране на външни фактори: промоции, сезонност и пазарни промени влияят директно върху поведението на кохортите.
• Прекалено доверие в средните стойности: единични клиенти с много висока стойност могат да изместят средното. Гледайте и медианата.
• Статичен анализ: поведението на клиентите се променя. Кохортният анализ трябва да е постоянен процес, а не еднократно упражнение.
• Пропуски в съгласието за проследяване: за българските онлайн магазини GDPR е задължителен фактор. Без коректни consent механизми кохортните данни може да са непълни или подвеждащи.

Заключение

Кохортният анализ дава здрава аналитична основа за по-умни решения в ecommerce маркетинга. Когато разбирате как различните групи клиенти се държат във времето, можете да насочвате бюджета към каналите, които привличат стойностни клиенти, да задавате bid targets според реалната рентабилност и да хващате проблемите със задържането, преди да изядат маржа ви.

GA4 направи този тип анализ значително по-достъпен. Остава по-трудната част: да изградите дисциплина да действате по кохортните изводи, вместо да разчитате само на обобщени метрики. Започнете със седмични кохорти по източник, следете 90-дневния LTV и надграждайте анализа с всяка следваща итерация.