Когортный анализ — это способ отследить «плотность» метрики для определенных групп пользователей. В отличие от обычных графиков, когорты показывают именно stickiness пользователей, распределенный во времени.

Звучит сложно, на деле понять проще. Возьмем конкретный пример: попробуем понять, как ведет себя база подписчиков в мобильном приложении: как они платят, отписываются и как долго живут. Ответы на эти вопросы я покажу на примере нашей реализации в Adapty.

Пример реализации когортного анализа из Adapty

При построении когорт важно указать, как они формируются, что показывать в ячейках и что измерять. В нашем случае когорты формируются по месяцу установки, в ячейке показываем выручку, количество подписчиков и среднюю выручку на подписчика за каждый месяц (ARPPU).

То есть, в строчках у нас когорты (группа) пользователей, которые установили приложение в определенный месяц, а в столбцах — значения метрик по каждому месяцу с месяца установки (этот месяц первый или М1). В выделенной строчке М1 — это январь, М2 — февраль и тд. Каждый месяц количество подписчиков в данной когорте не возрастает: даже если пользователь установил в январе, а подписался в феврале, то он будет отнесен в когорту января. Нам кажется такой способ правильным для оценки сходимости:

Идея оценивать экономику так кроется в том, как работает привлечение пользователей. При закупке рекламы разработчик так или иначе платит за установки, а не за целевые действия. Даже в CPA кампании все будет связано со стоимостью установки (CPI). Следовательно, чтобы оценить эффективность закупки трафика, надо смотреть, как именно люди, установившие приложение в этот период, будут монетизироваться. При этом, если пользователь установил приложение, но месяц не платил, он попадет только в М2.

Видим, что когорта пользователей января принесла нам суммарно до текущего момента $2900 выручки от 73 подписчиков:

Суммарная выручка от 73 подписчиков за 4 месяца — $2.9K

Далее мы видим динамику затухания когорты: как быстро пользователи отписываются. В январе у нас было 67 подписчиков, в феврале уже 38, а на июнь осталось 10 (штрихованная ячейка означает, что подписчики еще могут добавиться, так как месяц не закончился).

Сойдётся ли экономика?

Теперь, пусть мы заплатили за рекламу $4000 за январь, наш вопрос такой «окупятся пользователи или нет?», то есть будет ли выручка с них больше чем $4000 в разумное время.

Посмотрим внимательно на динамику подписчиков когорты января.

Когорта января в разбивке по месяцам (первая колонка — установки)

Когорта января в разбивке по месяцам (первая колонка — установки)

На текущий момент приложение заработало $2900 до комиссии Apple, или $2465 после вычета 15% (приложение находится в программе Apple для SMB). Также будем считать, что мы продаем недельные подписки в среднем по $10.

Мы видим, что количество активных подписчиков после первого месяца упало почти в 2 раза, дальше на 20%, потом всего на 10% до 24. Так как на момент написания заметок месяц еще не кончился, возьмем лучший сценарий — пусть все 24 подписчика будут с нами всегда. И даже пусть они в среднем платят $15.48 дальше, то есть их ARPPU не меняется.

Чтобы добить до $4000, нужно, чтобы подписчики заплатили больше $1500. Даже при сохранении выручки за месяц в $372 и нулевой отписке, когорта сойдется в лучшем случае через 4-5 месяцев непрерывных платежей. На практике, учитывая предыдущую динамику, и зная, что трафик закупается равномерно, когорта вряд ли сойдется меньше, чем за пару лет, а по факту, скорее всего, будет в убыток. Причина такая, что недельные подписки постоянно напоминают о себе, и пользователи реже остаются в долгосрочных платежах, ведь если приложение хорошее, гораздо выгоднее купить год. Но даже с подписками на месяц при такой динамике вряд ли стоит ожидать положительной прибыли.

Сходимость экономики подписок — это долгосрочный процесс. Мы в Adapty сделали инструмент для проверки того, сойдётся ли экономика на ваших цифрах — Калькулятор Подписок. Попробуйте его, чтобы оценить как зарабатывать на мобильных приложениях.

Про Adapty

Когортный анализ для приложений реализован в Adapty — SDK для простого внедрения внутренних подписок. Помимо когортного анализа Adapty даёт много других преимуществ:

Встроенная аналитика позволяет быстро понять основные метрики приложения.
А/Б тесты увеличивают выручку приложения.
Интеграции с внешними системами позволяют отправлять транзакции в сервисы атрибуции и продуктовой аналитики.
Промо-кампании уменьшают отток аудитории.
Open source SDK позволяет интегрировать подписки в приложение за несколько часов.
Серверная валидация и API для работы с другими платформами.

Познакомьтесь подробнее с этими возможностями, чтобы быстрее внедрить подписки в своё приложение и улучшить конверсии.

Когортный анализ в мобильных приложениях: как понять, что экономика сходится?