Блог про аналитику

Итак, я продолжаю серию постов про удержание клиентов. В прошлом посте я рассказал как сделать экспресс-анализ удержания клиентов . Сегодня я расскажу почему экспресс-анализ удержания, сильно оптимистичнее , чем ситуация на самом деле. При экспресс-анализе мы смотрим на то, сколько клиентов перетекает из месяца в месяц. При использовании такого подхода возникают две проблемы: Разные месяца имеют разную длительность (28 vs 30 vs 31 день). Не честно давать одним клиентам на совершение следующей покупки 28 дней, а другим - 31. С точки зрения математики разница во времени составляет 11%! Граница месяца не учитывает, когда клиент сделал покупку. Например, клиент сделал первую покупку 9/20/2012, а вторую 10/1/2012. При выравнивании по месяцу, вторая покупка приходится на следующий месяц (period = 1). Если же считать равными периодами в 30 дней, то выходит, что клиент сделал вторую покупку через 11 дней, т.е. все еще в period = 0. Эти две с виду неважные детали, на самом д...

Удержание клиентов тема весьма необычная. Раньше о ней почти не говорили, сейчас говорят больше, но с что с этим делать для многих совершенно непонятно. Сегодня я расскажу как быстро сориентироваться в этом вопросе. Я возьму выборку одного из проектов, который я когда-то смотрел, построю когорты и посмотрю как они размываются. Строим обычный Pivot Table. По вертикали идет год и месяц первой покупки. По горизонтали идет год и месяц N-ой покупки. Когорты по дате зарождения. (Чтобы увеличить картинку, кликните по ней) Экспресс-анализ Так как каждая когорта зарождается в своем месяце, то сравнивать их между собой неудобно. Поэтому я выравниваю их по периодам (количеству месяцев, которые прошли от первой транзакции до N-ой транзакции). Когорты выравненные по периоду. (Чтобы увеличить картинку, кликните по ней) Для экспресс-анализа можно воспользоваться Conditional Formating в Excel. Это позволит быстро найти пограничные ситуации. В периоде = 0 разные когорты име...