Когортный анализ: таблица удержания, кривая, прогноз LTV и RFM как математика
Как собрать когортную таблицу удержания, подобрать кривую, достроить хвост и получить прогноз LTV, а также как посчитать RFM-сегменты по квантилям и оценить концентрацию выручки. Решение: какие когорты стали лучше или хуже, сколько стоит клиент и каким сегментам направлять коммуникации.
Зачем этот документ
Документ читают руководитель CRM и маркетинга, когда нужно понять, становятся ли клиенты лучше или хуже и сколько они принесут за год-два. Общее среднее удержание скрывает смену качества новых клиентов, поэтому клиентов группируют по месяцу первой покупки и сравнивают когорты на одном возрасте. Кривая удержания позволяет достроить хвост и оценить LTV до того, как данные накопятся, а RFM показывает, на кого приходится основная выручка. Без когорт канал, который привлёк разовых покупателей, выглядит успешным по выручке первого месяца.
Коротко
- Что это за документ и зачем он нужен?
- Как собрать когортную таблицу удержания, подобрать кривую, достроить хвост и получить прогноз LTV, а также как посчитать RFM-сегменты по квантилям и оценить концентрацию выручки. Решение: какие когорты стали лучше или хуже, сколько стоит клиент и каким сегментам направлять коммуникации.
- Кто отвечает за документ и как часто его пересчитывать?
- Аналитик CRM и лояльности; когортная таблица обновляется ежемесячно, RFM пересчитывается ежемесячно или еженедельно перед рассылками; результат читают руководитель маркетинга, e-commerce и финансист.
- Какие ошибки встречаются чаще всего?
- Берут простое среднее по когортам → маленькие когорты искажают кривую → взвешивайте по размеру. Смешивают когорты разных каналов → хорошее удержание CRM маскирует плохое платных каналов → разрез по каналу. Экстраполируют кривую далеко за наблюдённый горизонт → LTV держится на допущении → показывайте наблюдённую и прогнозную часть раздельно.
Для кого
- Бренд
- Бренд строит когорты по D2C и по программе лояльности; клиенты маркетплейсов принадлежат площадке, поэтому когорты по ним строят по бренду (повторные покупки бренда), если площадка отдаёт данные. Основная цель — это прогноз LTV для решения о CAC.
- Ритейл
- Ритейлер объединяет магазины и онлайн по карте лояльности: когорта это клиенты с первой покупкой в месяце, а удержание считают по любой покупке в сети. Большая доля анонимных чеков занижает удержание, и это оговаривается в отчёте.
Из чего состоит
Когортная таблица удержания
- Строка таблицы — это когорта (месяц первой покупки), столбец это возраст в месяцах, значение это доля клиентов когорты, купивших в этом месяце жизни. Первый столбец (возраст 0) всегда 100 %; правая нижняя часть пуста, потому что молодые когорты ещё не прожили эти месяцы.
- В примере шесть когорт (1 250, 1 480, 1 120, 1 630, 1 390, 1 710 клиентов), наблюдение за 12 месяцев. Средневзвешенное удержание в 1-й месяц 27,5 %, в 3-й 16,8 %, в 6-й 11,9 %, в 11-й 9,9 %.
- Читают таблицу по диагоналям и строкам: строка показывает качество когорты, столбец это сравнение когорт на одном возрасте, диагональ выявляет влияние календаря (сезон, акции, смена каталога) на всех когортах сразу.
Кривая удержания и прогноз LTV
- Среднее удержание хорошо описывается степенной кривой r(t) = a·t^(−b): регрессия ln r на ln t по возрастам 1–11 даёт a = 0,27, b = 0,43, R² = 0,99 (в модели истинные значения заданы). Кривая убывает быстро в первые месяцы и медленно позже; экспоненциальная модель завышает потери на хвосте.
- LTV = CM2 заказа × Σ r(t)/(1 + δ)^t при CM2 1 350 ₽ и δ 1,5 % в месяц: за 12 месяцев 3 452 ₽, за 24 месяца 4 429 ₽ (прогноз по кривой); наблюдённая часть за 11 месяцев 3 347 ₽. Хвост (месяцы после наблюдения) это оценка, и её показывают отдельным цветом.
- Бренд: LTV D2C сравнивают с CAC и с маржой маркетплейса; Ритейл: LTV клиента в сети включает покупки в магазинах и онлайн, а CAC открытия магазина распределяют на клиентов зоны.
RFM как математика
- R (recency) это дни с последней покупки, F (frequency) число заказов, M (monetary) сумма; каждую шкалу делят на квинтили и присваивают баллы 1–5 (для R инверсия: свежее выше). Сегмент задаётся правилом по баллам, а не «на глаз».
- В примере из 600 клиентов у каждого сегмента даны две разные доли: доля клиентов и доля выручки. Чемпионы 66 (11 % клиентов, 25 % выручки), лояльные 94 (15,7 % клиентов, 28,5 % выручки), зона риска 56 (9,3 % клиентов, 9 % выручки), потерянные 130 (21,7 % клиентов, 9,9 % выручки). Верхние 20 % клиентов дают 48,5 % выручки, верхние 10 % 31,7 %; это концентрация по клиентам, а не по сегментам.
- Сегмент действует как действие: чемпионам программа лояльности без скидок, зоне риска персональное возвращение, потерянным ограниченная реактивация; затраты на коммуникацию сверяют с вкладом сегмента.
Бренд и ритейл: когорты и сегменты на практике
- Бренд: когорты бренда строят по D2C и программе лояльности; на маркетплейсе и в опте когорту клиента строить нельзя, поэтому там смотрят повторные покупки бренда у партнёра или по обезличенным данным площадки.
- Ритейл: когорты ритейлера строят по карте лояльности по всей сети; доля анонимных чеков занижает удержание, поэтому её оценивают и показывают в отчёте вместе с таблицей.
- Бренд: кривую удержания бренд использует для LTV D2C и для решения о допустимом CAC; сравнение когорт по каналу привлечения показывает, какие каналы приводят лояльных клиентов.
- Ритейл: кривую удержания ритейлер использует для оценки ценности клиента зоны магазина и для решения об открытии и о бюджете лояльности; когорты делят по формату и региону.
- Бренд: RFM для бренда строят по D2C-клиентам: чемпионам отдают ранний доступ и коллаборации, зоне риска персональное возвращение; частота покупки у премиального бренда ниже, и квинтили по F выбирают осторожно.
- Ритейл: RFM для ритейлера строят по клиентам сети: частота выше, и RFM опирается на категории и магазины; сегменты связывают с расписанием рассылок и с выгодой от программы лояльности.
- Бренд: концентрацию выручки по клиентам бренд проверяет отдельно для D2C и отдельно по партнёрам: зависимость от одного партнёра это риск, а не RFM-сегмент.
- Ритейл: концентрацию выручки по клиентам ритейлер проверяет по зоне магазина: высокая доля небольшой группы клиентов делает магазин уязвимым к их уходу.
- Бренд: эффект коммуникаций по сегментам бренд измеряет на контрольной группе D2C; для партнёров эффект бренд-активностей оценивают по sell-out сравнительно с контрольными точками.
- Ритейл: эффект коммуникаций по сегментам ритейлер измеряет на контрольных группах по карте и на контрольных магазинах; персональные предложения не должны конфликтовать с общей ценовой политикой.
Откуда берутся данные
| Источник данных | Поля |
|---|---|
| Чеки с идентификатором клиента | Дата, сумма, канал, идентификатор клиента (карта, телефон, аккаунт) с правилами объединения; доля анонимных чеков отдельно. |
| Справочник когорт | Месяц первой покупки, канал привлечения, регион, первая категория; признаки для разреза когорт. |
| Вклад заказа | CM2 на заказ и по когортам из документа об юнит-экономике, ставка дисконта. |
Как собрать по шагам
- Шаг 1. Определите «клиента» и «активность»: по карте или аккаунту, любая покупка в сети или только бренд; запишите правило.
- Бренд: Шаг 2. Разведите D2C, маркетплейсы и опт; для маркетплейса используйте данные площадки по повторным покупкам бренда.
- Ритейл: Шаг 3. Объедините магазины и онлайн по карте и оцените долю анонимных чеков, которая занижает удержание.
- Шаг 4. Присвойте каждому клиенту месяц первой покупки и постройте таблицу «когорта × возраст» с долями.
- Шаг 5. Посчитайте средневзвешенную кривую по размерам когорт и сравните когорты на одном возрасте; отметьте диагональные эффекты.
- Шаг 6. Подберите кривую (степенную или иную) на наблюдённой части и проверьте остатки; не экстраполируйте дальше удвоения наблюдённого горизонта без оговорки.
- Шаг 7. Посчитайте LTV по CM2 с дисконтом на 12 и 24 месяца и разделите наблюдённую и прогнозную части.
- Шаг 8. Посчитайте R, F, M, квинтильные баллы и правило сегментов; проверьте размеры сегментов и долю выручки.
- Шаг 9. Закрепите действия по сегментам и измеряйте их эффект на контрольной группе (см. документ об экспериментах).
- Шаг 10. Публикуйте таблицу с числом клиентов в когорте, интервалом и датой обновления; показатели по маленьким когортам помечайте как неустойчивые.
Формулы
| Показатель | Формулы | Пояснение |
|---|---|---|
| Удержание когорты | r_(k,t) = число клиентов когорты k, купивших в месяце жизни t / размер когорты k | r_(k,0) = 1; клиентов считают по уникальным идентификаторам. |
| Средневзвешенная кривая | r̄_t = Σ_k n_k·r_(k,t) / Σ_k n_k по когортам, наблюдавшим возраст t | Простое среднее по когортам перекошено маленькими когортами. |
| Степенная кривая | r(t) = a·t^(−b); ln r = ln a − b·ln t | Подбор МНК на логарифмах, возрасты t ≥ 1; кривая не определена при t = 0. |
| LTV по кривой | LTV_H = cm2·Σ_(t=0..H) r(t)/(1 + δ)^t, r(0) = 1 | Наблюдённую часть берут из таблицы, остальное из кривой. |
| Квинтильный балл | s(x) = 1 + Σ_(j=1..4) 1[x > Q_(0,2·j)]; для R: 6 − s(R) | Квинтили по клиентам периода; при совпадающих значениях баллы неравномерны. |
| Концентрация выручки | C_20 = Σ_(i ≤ 0,2·N) M_(i) / Σ M_i, M_(i) по убыванию | Тот же приём, что и Парето по SKU. |
Формулы в записи
- Удержание
r_{k,t} = N_{k,t} / N_{k,0}
N_{k,t} клиенты когорты k, купившие в месяце t.- LTV
LTV_H = cm2 · Σ_{t=0..H} r(t) / (1 + δ)^t
Дисконтированный ожидаемый вклад клиента.- Балл квинтиля
s(x) = 1 + Σ_{j=1..4} 1[ x > Q_{0,2j} ]
Баллы 1–5; для R используют 6 − s.- Концентрация
C_p = Σ_{i ≤ pN} M_(i) / Σ_i M_i
Доля выручки верхних p клиентов.
Пример с числами
Удержание шести когорт по месяцам жизни, % (пусто там, где когорта ещё не прожила месяц)
| Когорта | Клиентов | Мес. 1 | Мес. 2 | Мес. 3 | Мес. 4 | Мес. 5 | Мес. 6 | Мес. 7 | Мес. 8 | Мес. 9 | Мес. 10 | Мес. 11 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| янв | 1 250 | 32,7 | 22,4 | 16,2 | 16,2 | 15,5 | 12,8 | 12,1 | 11,8 | 11,9 | 10,9 | 9,9 |
| фев | 1 480 | 27,8 | 19,3 | 18,1 | 16,8 | 16 | 12,9 | 12,4 | 10,1 | 9,5 | 9,7 | |
| мар | 1 120 | 26 | 22,4 | 17,8 | 16,5 | 13,2 | 12,3 | 11,4 | 10,5 | 11,6 | ||
| апр | 1 630 | 28 | 19,2 | 17,1 | 14,8 | 13,7 | 12,5 | 11,5 | 11,3 | |||
| май | 1 390 | 26,7 | 21,5 | 14,6 | 14,4 | 13,3 | 11,5 | 12,1 | ||||
| июн | 1 710 | 24,5 | 17,3 | 16,9 | 13,5 | 11,7 | 9,8 | |||||
| Средневзвешенная | 8 580 | 27,5 | 20,1 | 16,8 | 15,2 | 13,8 | 11,9 | 11,9 | 10,9 | 10,9 | 10,3 | 9,9 |
Таблица сформирована кодом: истинная кривая 0,30·t^−0,45, снижение качества новых когорт 3 % на когорту и биномиальный шум. Подобранная кривая a = 0,27, b = 0,43; LTV за 24 месяца 4 429 ₽. Данные учебные.
Рисунки
- 9,8 … 32,7 %
Данные таблицей
| Мес. 1 | Мес. 2 | Мес. 3 | Мес. 4 | Мес. 5 | Мес. 6 | |
|---|---|---|---|---|---|---|
| янв | 32,7 | 22,4 | 16,2 | 16,2 | 15,5 | 12,8 |
| фев | 27,8 | 19,3 | 18,1 | 16,8 | 16 | 12,9 |
| мар | 26 | 22,4 | 17,8 | 16,5 | 13,2 | 12,3 |
| апр | 28 | 19,2 | 17,1 | 14,8 | 13,7 | 12,5 |
| май | 26,7 | 21,5 | 14,6 | 14,4 | 13,3 | 11,5 |
| июн | 24,5 | 17,3 | 16,9 | 13,5 | 11,7 | 9,8 |
Удержание когорт по месяцам жизни. Строки — это когорты, столбцы возраст 1–6 месяцев (доля клиентов, купивших в месяце); цвет показывает уровень.
- Факт, %
- Подгонка, %
Данные таблицей
| Показатель | Факт, % | Подгонка, % |
|---|---|---|
| 1 | 27,5 | 27,1 |
| 2 | 20,1 | 20,2 |
| 3 | 16,8 | 17 |
| 4 | 15,2 | 15 |
| 5 | 13,8 | 13,7 |
| 6 | 11,9 | 12,6 |
| 7 | 11,9 | 11,8 |
| 8 | 10,9 | 11,2 |
| 9 | 10,9 | 10,6 |
| 10 | 10,3 | 10,2 |
| 11 | 9,9 | 9,8 |
Кривая удержания: факт и степенная подгонка. Степенная кривая (a = 0,27, b = 0,43) близка к фактической на всех 11 наблюдённых месяцах, R² = 0,99; дальше она используется только как прогноз. По оси: месяц жизни когорты.
Данные таблицей
| Показатель | LTV (CM2), ₽ |
|---|---|
| 3 | 2 194 |
| 6 | 2 712 |
| 9 | 3 116 |
| 12 | 3 452 |
| 18 | 3 997 |
| 24 | 4 429 |
LTV по горизонту (прогноз по кривой). Рост LTV замедляется: с 12 до 24 месяцев он прибавляет 978 ₽ против 3 452 ₽, накопленных за первые 12. По оси: горизонт, месяцев.
- Доля клиентов, %
- Доля выручки, %
Данные таблицей
| Показатель | Доля клиентов, % | Доля выручки, % |
|---|---|---|
| Чемпионы | 11 | 25 |
| Лояльные | 15,7 | 28,5 |
| Новые | 19,3 | 9,1 |
| В зоне риска | 9,3 | 9 |
| Середина | 23 | 18,5 |
| Потерянные | 21,7 | 9,9 |
RFM: доля клиентов и доля выручки по сегментам. Чемпионы и лояльные — это 27 % клиентов и 54 % выручки; потерянные это 22 % клиентов и 10 % выручки.
Особенности по категориям
- Одежда
- Повторные покупки идут по сезонам, поэтому удержание по месяцам имеет пики весной и осенью; считайте возраст в сезонах или добавляйте сезонную диагональ.
- Обувь
- Покупка раз в сезон или реже: удержание в первые месяцы низкое, кривая длинная; горизонт LTV 24 месяца и больше, а повторная покупка часто в смежной категории.
- Аксессуары
- Высокая доля подарочных покупок: получатель не равен клиенту, повтор приходится на праздничные даты; когорты по месяцу первой покупки смешивают подарки с самопокупкой.
- Детское
- Покупатель — это родитель, потребность привязана к росту ребёнка и школе: возрастные когорты ребёнка полезнее календарных; сегмент теряется при взрослении ребёнка.
- Мужское
- Более ровное и высокое удержание на базовых позициях; RFM выделяет небольшой набор лояльных клиентов с высокой долей выручки; промо-зависимость ниже.
- Женское
- Больше покупок на клиента и выше чувствительность к акциям: когорты, пришедшие по акции, удерживаются хуже; разрез когорт по каналу и по доле скидки обязателен.
Типичные ошибки
- Берут простое среднее по когортам → маленькие когорты искажают кривую → взвешивайте по размеру.
- Смешивают когорты разных каналов → хорошее удержание CRM маскирует плохое платных каналов → разрез по каналу.
- Экстраполируют кривую далеко за наблюдённый горизонт → LTV держится на допущении → показывайте наблюдённую и прогнозную часть раздельно.
- Игнорируют анонимные чеки → удержание занижено → оцените долю и укажите в отчёте.
- Строят RFM-сегменты без действий и контроля → рассылки не приносят эффекта → каждому сегменту действие и контрольная группа.
Особенности России
- Хранение и обработка данных о клиентах для когорт и RFM допускаются при наличии правового основания и согласия, данные граждан РФ хранятся в РФ; для аналитики предпочтительны обезличенные идентификаторы. Норма: закон 152-ФЗ от 27.07.2006: Закон от 27.07.2006 № 152-ФЗ «О персональных данных» (проверка нормы не завершена).
- Рассылки по сегментам требуют согласия получателя и маркировки рекламы; для рекламных рассылок действуют требования закона о рекламе. Норма: закон 38-ФЗ от 13.03.2006: Закон от 13.03.2006 № 38-ФЗ «О рекламе» (проверка нормы не завершена).
- Программа лояльности и бонусы (баллы) создают обязательство перед клиентом: учёт и оценка бонусного обязательства влияют на выручку и баланс. Норма: приказ 56н от 16.05.2025: ФСБУ 9/2025 «Доходы» (приказ Минфина от 16.05.2025 № 56н) (проверка нормы не завершена).