Блог про аналитику

В прошлом посте я показал как отток клиентов тихо убивает рост вашего бизнеса. Сегодня мы будем говорить о том, как сделать первые шаги к прогнозированию того, как будут размываться ваша когорта. Начнем с того, что возьмем одну когорту и построим график ее размытия. Сырые данные оттока одной когорты клиентов могут выглядеть вот так: Cohort as a table.  У нас есть две колонки: колонка t - это шкала времени (это м.б. 1 неделя, 1 месяц или даже 1 год); колонка S - это колонка описывает, какой % клиентов продолжил пользоваться вашим продуктом в соответствующий период времени t . В нашем примере период t = 1 месяц.  Например, в каком-то из месяцев мы привлекли X клиентов. Для нас это точка отсчета - наш период "0". В нем все 100% клиентов когорты с нами.  В следующий период (месяц) перешло 63% (=0.63) клиентов. Это значит, что 37% клиентов, которые были в предыдущем периоде, не продолжили пользоваться нашим продуктом. Они ушли в отток. Другое пред

Я давно не возвращался к теме оттока клиентов. Но сейчас, когда большинство стран находятся в состоянии lockdown, отток клиентов в той или иной степени прочувствовали все типы бизнесов. Так вот, сегодня мне попалась на глаза статья ex-CPO Netflix. В начале статьи он упомянул, что: на раннем этапе ежемесячный отток клиентов в Netflix был на уровне 10%; уже в 2005 Netflix ежемесячный cancel rate был на уровне 4.5%; в наши дни (2019?) ежемесячный отток клиентов был немного меньше 2%. Чтобы говорить (или оценивать) отток клиентов, очевидно, его нужно как-то визуализировать. Когорты это самый простой и доступный способ изучать отток клиентов. Итак, я быстро построил когортную модель с такими вводными: каждый месяц компания привлекает 1,000 новых клиентов; в каждый последующий месяц после месяца привлечения компания теряет Х% своих клиентов (churn rate = X%); горизонт планирования 3 года. В идеальных условиях клиенты приходят навсегда (churn rate = 0%). Если бы это было так