Бережливый стартап

Простые аналитические отчеты по воронкам работают так: вы указываете период анализа, в течение которого подсчитываются и визуализируются искомые события. Этот подход не работает, если интервалы между событиями превышают период анализа.

Эту проблему легко проиллюстрировать на примере загружаемого продукта с 14-дневным тестовым периодом.

На рисунке 10-1 показан пример того, как может выглядеть типичный простой отчет по воронке продаж.

Рисунок 10‑1. Типичный отчет по воронке

На рисунке 10-1 события «привлечение» и «активация» относятся к короткому периоду времени, а событие «оплата» — к длинному.

Это вызывает следующие нестыковки:

Подсчет уровня конверсии

Цифра, показывающая количество продаж, вероятнее всего, включает продажи посетителям, реально активированным в мае, и не включает продажи, сместившиеся на июль, что дает неверный уровень конверсии.

Влияние флуктуаций трафика

Смещение цифр еще больше усугубляется в случае флуктуаций трафика. Если в июле количество подписок падает, вы увидите это с задержкой.

Измерение реакции

Другая проблема отчетов такого рода связана с тем, что ваш продукт постоянно изменяется. Из-за смещения подсчета событий трудно, если не невозможно, сопоставить наблюдаемый эффект с внесенным в продукт изменением.

Сегментирование воронок

Со временем вам скорее всего будет необходимо провести раздельный анализ и выделить определенную группу пользователей на фоне остальных. Простые отчеты не позволят вам сделать это.

Познакомьтесь с когортным анализом

Итак, хотя воронки и являются замечательным инструментом, их одних явно недостаточно для качественного анализа. Ключ к успеху – совмещение воронок с когортным анализом.

Когортный анализ очень распространен в медицине, где он применяется для анализа долгосрочных последствий применения лекарств и вакцин:

Когорта – это группа людей, имеющих общий признак или подвергшихся одному и тому же событию в течение одного периода времени (например, родились или принимали одно и то же лекарство или вакцину). Таким образом, группа людей, родившихся в один день или год, например, 1948, формируют когорту по времени рождения. В качестве группы сравнения может использоваться вся популяция, из которой извлечена когорта, либо это может быть другая когорта, состоящая из людей, предположительно не подвергшихся воздействию исследуемого вещества, а в остальном похожая. В качестве альтернативы, между собой могут сравниваться разные подгруппы одной когорты.[1]

Мы можем применить эту концепцию и выделить когорту или группу посетителей и отслеживать их жизненный цикл. Применительно к нашим целям, в качестве группирующего признака когорты может выступать любой атрибут пользователя. Наиболее распространенным является «дата присоединения», но, как мы убедимся в будущем, в этом качестве можно будет с таким же успехом использовать «тип плана подписки», «операционную систему», «пол» и т.д.