Кейс №47: Когортный анализ для понимания retention
2025-11-26 18:57
Было
Подписочный сервис терял 40% клиентов в первый месяц, но не понимал почему. Общая статистика не помогала — нужен был анализ по когортам (группам клиентов, пришедших в один месяц).
Решение
Создали когортный анализ с помощью ChatGPT. Выгрузили данные из CRM: дата регистрации, дата последней покупки. ChatGPT помог построить таблицу retention по месяцам для каждой когорты. Выяснилось: клиенты из органики остаются дольше (retention 65% через 6 месяцев) чем из платной рекламы (35%).
Инструменты
**ChatGPT** (логика анализа) **Google Sheets / Excel** (расчёты) **Python + Pandas** (для больших данных) **CRM** (источник данных)
Промт
``` Ты — аналитик данных, эксперт по когортному анализу.
ЗАДАЧА: Создай когортный анализ retention клиентов.
ДАННЫЕ: [Таблица: ID клиента, Дата регистрации, Даты покупок]
ЧТО НУЖНО:
**1. Группировка по когортам** Когорта = месяц первой покупки Например: Январь 2024, Февраль 2024...
**3. Инсайты** - У каких когорт лучший retention? - Есть ли тренд улучшения/ухудшения? - Где критическая точка оттока?
**4. Формулы для Google Sheets** Как рассчитать retention автоматически.
**5. Рекомендации** Что делать для улучшения retention. ```
Результат
Построен когортный анализ. Выявлено: клиенты из органики имеют retention в 2 раза выше. Сфокусировались на SEO и контент-маркетинге. Также обнаружили критическую точку — 80% оттока на 2-3 неделе. Добавили onboarding-серию писем, retention вырос с 40% до 58% в первый месяц.
Как повторить
1. Выгрузите данные из CRM 2. Сгруппируйте по месяцам регистрации 3. Используйте промт для построения таблицы 4. Визуализируйте в Google Sheets (цветная шкала) 5. Ищите паттерны и аномалии
Лайфхак
Делайте когортный анализ не только по времени, но и по источнику, тарифу, географии. Это покажет какие сегменты клиентов ценнее.
Ограничения
Для качественного анализа нужны данные минимум за 6-12 месяцев и 100+ клиентов в когорте.