Калькулятор когортного анализа
Рассчитайте метрики удержания, оттока, LTV, CAC, ROMI и ARPU для когорты пользователей. Бесплатный онлайн-инструмент с примерами и формулами расчёта.
Калькулятор когортного анализа
Рассчитайте ключевые метрики удержания, оттока, LTV, CAC и ROMI для вашей когорты пользователей за один период.
Как пользоваться калькулятором
Примеры расчёта
Формулы расчёта
Retention Rate = (Вернувшиеся пользователи / Начальный размер когорты) × 100%
Churn Rate = 100% − Retention Rate
ARPU = Общий доход / Начальный размер когорты
LTV = ARPU × Retention Rate / (1 − Retention Rate) — для Retention < 100%. При Retention = 100% LTV стремится к бесконечности, показывается как «∞ ₽».
CAC = Затраты на привлечение / Начальный размер когорты
ROMI = ((Доход − Затраты) / Затраты) × 100%
Пошаговое объяснение
Сначала определяется Retention Rate — доля пользователей, вернувшихся в следующем периоде. Это базовый показатель удержания. Затем автоматически вычисляется Churn Rate как обратная величина — процент оттока.
Далее рассчитывается ARPU — средний доход, который приносит один пользователь когорты. Умножая ARPU на коэффициент удержания (Retention Rate, делённый на Churn Rate), получаем LTV — прогноз пожизненной ценности. Если Retention равен 100%, LTV не ограничен, и мы показываем символ бесконечности.
CAC вычисляется делением общих затрат на размер когорты — так вы узнаёте, во сколько обошлось привлечение одного пользователя. Наконец, ROMI показывает окупаемость инвестиций: сколько рублей дохода принёс каждый рубль, вложенный в привлечение.
Где применяется
- Маркетинг: оценка эффективности рекламных каналов — сравнение Retention Rate и LTV для трафика из разных источников (Яндекс.Директ, VK Реклама, Telegram Ads).
- Продуктовый менеджмент: анализ вовлечённости пользователей после внедрения новых функций — как изменилось удержание спустя 7, 14, 30 дней.
- E-commerce: прогнозирование повторных покупок — когорты по месяцу первого заказа и их возвращаемость во втором месяце.
- Мобильные приложения: расчёт LTV для разных версий приложения или сегментов пользователей, чтобы определить окупаемость платного трафика.
- SaaS и подписки: управление оттоком — выявление периодов с наибольшим Churn Rate и корректировка стратегии удержания.
- Финансовое планирование: обоснование бюджетов на привлечение — если CAC ниже LTV, масштабирование выгодно.
Важные нюансы
- Один период — не весь жизненный цикл. Калькулятор даёт срез для одного периода. Реальный LTV требует данных за много периодов и может отличаться от прогноза.
- Retention = 100% — идеальная ситуация. На практике достижима только на очень коротких интервалах или в закрытых экосистемах. LTV при этом стремится к бесконечности.
- Отрицательный ROMI означает, что затраты превысили доход — кампания убыточна. Это сигнал пересмотреть каналы привлечения или повысить монетизацию.
- Не учитывается временная стоимость денег. Формула LTV не дисконтирует будущие доходы. Для долгосрочных прогнозов используйте DCF-модели.
- Сезонность искажает данные. Сравнивайте когорты, привлечённые в одинаковые сезоны, чтобы избежать ложных выводов об эффективности каналов.
- Размер когорты имеет значение. При когорте менее 50 человек статистическая погрешность высока — результаты могут быть нерепрезентативны.
Частые ошибки
- Путаница между Retention и Churn. Retention — процент вернувшихся, Churn — процент ушедших. В сумме они дают 100%. Не считайте Churn как (ушедшие / начальный размер) отдельно — это уже заложено в формуле.
- Игнорирование «мёртвых» пользователей. Если пользователь не вернулся в следующем периоде, он считается ушедшим. Не исключайте его из расчётов — это завысит Retention и исказит LTV.
- Сравнение когорт разного размера без нормировки. Крупная когорта в 10 000 человек и мелкая в 100 человек имеют разную статистическую значимость. Используйте относительные метрики, а не абсолютные.
- Расчёт LTV по одному периоду как истины. LTV за первый месяц может быть низким, но на годовом горизонте — высоким. Не делайте стратегических выводов на основе одного среза.
- Неучёт возвратов и чарджбэков. Доход от когорты должен быть чистым — за вычетом возвратов. Иначе ARPU и ROMI окажутся завышенными.
- Принятие ROMI > 0 за успех. ROMI должен превышать альтернативную доходность (например, банковский депозит или инфляцию). ROMI в 10% при инфляции 12% — это убыток в реальном выражении.
Ответы на частые вопросы
Когорта — группа пользователей, объединённая общим признаком за определённый период. Например, все, кто зарегистрировался в январе, или все, кто совершил первую покупку в мае. Когортный анализ отслеживает поведение этой группы во времени.
Retention Rate в этом калькуляторе — это N-Period Retention: доля пользователей, вернувшихся в следующем периоде (месяц, неделя, день). N-Day Retention считает вернувшихся именно на N-й день, а не в течение всего периода.
Если Retention Rate = 100%, пользователи никогда не уходят. Теоретически они будут приносить доход бесконечно долго, поэтому LTV стремится к бесконечности. На практике такая ситуация не встречается — всегда есть естественный отток.
Зависит от отрасли. Для e-commerce нормой считается 20–30% в первый месяц. Для SaaS-продуктов — 70–90% в первый месяц. Для мобильных приложений — 30–50% на 7-й день. Ориентируйтесь на бенчмарки вашей ниши.
Да, классический когортный анализ строится в виде таблицы (когортной матрицы), где строки — когорты по времени привлечения, а столбцы — периоды жизни. Данный калькулятор считает одну когорту за один период — это удобно для быстрой оценки.
Да, логика расчёта не зависит от длины периода. Вы можете считать как месячные, так и недельные или дневные когорты. Важно, чтобы период измерения Retention соответствовал периоду формирования когорты.
Источники и справочные данные
Расчёт основан на общепринятых формулах когортного анализа, описанных в работах Эрика Риса («Lean Startup»), материалах Y Combinator по SaaS-метрикам, а также отраслевых стандартах Product Management. Модель LTV использует упрощённую формулу бесконечного аннуитета (LTV = ARPU × r / (1 − r)), широко применяемую в венчурном анализе и юнит-экономике. Все формулы адаптированы для российского рынка с учётом рублёвых показателей.
Когортный анализ: полное руководство для предпринимателя
Когортный анализ — один из самых полезных инструментов для понимания поведения пользователей. В отличие от простого подсчёта регистраций или дохода, он показывает, как разные группы клиентов ведут себя с течением времени. Это позволяет принимать обоснованные решения о развитии продукта и маркетинговых инвестициях.
Что такое когортный анализ простыми словами
Представьте, что вы открыли кофейню. В январе к вам пришли 100 новых посетителей, в феврале — ещё 120. Простой отчёт скажет: «В феврале было 120 новых гостей». Но когортный анализ задаст другой вопрос: «Сколько из январских гостей вернулись в феврале?»
Именно в этом суть метода. Вы не смешиваете всех пользователей в одну кучу, а отслеживаете каждую группу отдельно. Когорта — это группа людей, объединённых общим признаком: месяцем регистрации, первой покупки, установки приложения. Анализируя когорты, вы видите реальную картину удержания.
На практике это работает так: вы берёте 1000 пользователей, привлечённых в январе, и смотрите, сколько из них совершили целевое действие в феврале. Допустим, 400 человек. Значит, Retention Rate = 40%. Если в марте вернулись 200 — удержание второго месяца = 20%. Так строится когортная матрица.
Зачем считать когорты: 4 главные причины
Причина 1: Отделить рост от удержания. Общий график регистраций может расти, но если старые пользователи уходят быстрее, чем приходят новые, — бизнес теряет базу. Когортный анализ выявляет эту проблему задолго до падения выручки.
Причина 2: Оценить качество трафика. Вы запускаете рекламу в двух каналах. Канал А привлёк 500 пользователей с Retention 20%, канал Б — 300 пользователей с Retention 60%. Сравните LTV и CAC для каждого канала — и сразу станет ясно, куда выгоднее вкладывать бюджет.
Причина 3: Измерить эффект изменений. Вы внедрили онбординг для новых пользователей. Сравните Retention когорты ДО и ПОСЛЕ изменений. Если удержание выросло с 25% до 40% — вы на верном пути.
Причина 4: Спрогнозировать будущую выручку. Зная LTV и размер новых когорт, вы можете предсказать доход через 3, 6, 12 месяцев. Это критически важно для планирования бюджета и привлечения инвестиций.
Ключевые метрики когортного анализа
Вот шесть показателей, которые рассчитывает наш калькулятор. Понимание каждого из них — фундамент для принятия решений:
- Retention Rate (удержание): главный показатель «прилипчивости» продукта. Высокий Retention означает, что продукт решает реальную проблему и пользователи возвращаются. Средний показатель для успешных SaaS — 70–90% в месяц.
- Churn Rate (отток): обратная сторона Retention. Если Churn = 30% в месяц, то через 3 месяца от когорты останется около 34% пользователей. Высокий отток «съедает» весь рост.
- ARPU (средний доход на пользователя): сколько в среднем приносит один пользователь за период. Важно считать именно для когорты — разные каналы могут давать разный ARPU.
- LTV (пожизненная ценность): сумма всех будущих доходов от пользователя. Формула LTV = ARPU × Retention / (1 − Retention) работает для стабильных бизнесов с постоянным Retention. Если Retention = 80%, LTV = ARPU × 4.
- CAC (стоимость привлечения): во сколько обходится привлечение одного пользователя. Включает все расходы: рекламу, зарплаты маркетологов, комиссии платформ.
- ROMI (возврат маркетинговых инвестиций): интегральный показатель эффективности. ROMI = 200% означает, что каждый вложенный рубль принёс 2 рубля дохода.
Практический пример: интернет-магазин зоотоваров
Рассмотрим реальный сценарий. Интернет-магазин «Лапка» привлёк в январе 1000 новых покупателей через контекстную рекламу. Затраты составили 30 000 ₽. В феврале 350 из них совершили повторную покупку. Общий доход от когорты в январе-феврале — 70 000 ₽.
Retention = 350 / 1000 × 100% = 35%. Churn = 65%. ARPU = 70 000 / 1000 = 70 ₽. LTV = 70 × 0,35 / 0,65 ≈ 37,7 ₽. CAC = 30 000 / 1000 = 30 ₽. ROMI = (70 000 − 30 000) / 30 000 × 100% = 133,3%.
Выводы: Retention 35% — неплохо для e-commerce. CAC (30 ₽) пока ниже LTV (37,7 ₽), но разрыв небольшой. Это значит, что масштабирование возможно, но рискованно — нужно работать над увеличением среднего чека или частоты покупок. ROMI 133% — кампания окупилась, но потенциал для роста есть.
Типичные ошибки при внедрении
Ошибка 1: Слишком маленькие когорты. Если в когорте 20 человек, Retention в 50% — это 10 пользователей. Случайный уход одного человека меняет показатель на 5%. Статистическая значимость таких данных близка к нулю. Минимальный рекомендуемый размер — 100 человек.
Ошибка 2: Игнорирование сезонности. Retention в декабре (предпраздничный ажиотаж) и в январе (спад) будут разными. Сравнивайте когорты одного сезона или используйте скользящее среднее.
Ошибка 3: Подмена понятий. Не путайте Retention с Engagement (вовлечённостью). Пользователь может быть активным, но не совершать целевое действие (покупку). Чётко определите, что именно вы считаете возвратом.
Ошибка 4: Расчёт LTV по первому периоду. Если у вас подписная модель с годовой подпиской, LTV первого месяца будет мизерным, а реальная ценность пользователя раскроется только через 6–12 месяцев. Используйте многоperiodные модели.
Как улучшить Retention: практические советы
1. Онбординг. Первые 7 дней критичны. Создайте цепочку писем или уведомлений, которая показывает ценность продукта. Когорты с хорошим онбордингом показывают Retention на 25–40% выше.
2. Персонализация. Используйте данные о поведении для индивидуальных рекомендаций. Ozon и Wildberries отлично это делают — пользователь видит товары, которые ему действительно интересны.
3. Реактивация уснувших. Если пользователь не возвращается 30 дней — отправьте промокод или специальное предложение. Стоимость реактивации обычно в 3–5 раз ниже стоимости привлечения нового пользователя.
Спросить у ИИ
Задайте вопрос по этой странице
Осталось вопросов: 5. Только по этой странице.
Оцените страницу
Нужен другой инструмент?
Все инструменты в категории