Когортное удержание клиентов: как сравнивать повторные покупки

Выберите решение, ради которого строится отчёт

Начните с практического вопроса: стали ли новые клиенты чаще возвращаться в течение 30 дней после первой покупки? Или нужно понять, когда появляется вторая покупка и стоит ли менять обслуживание после первой? Эти вопросы требуют одинакового возраста наблюдения, даже если покупатели пришли в разные календарные месяцы.

Когорта объединяет клиентов по общему событию входа. В стандартном отчёте Shopify Customer cohort analysis таким основанием служит дата первого заказа; параметры отчёта позволяют менять определение и метрики. Shopify: Customer reports. Для вашего бизнеса исходное событие следует выбрать осознанно: созданный заказ, оплаченный заказ и выполненная покупка могут происходить в разные дни.

RFM-анализ описывает давность, частоту и сумму покупок на выбранный момент. Когортный отчёт в этом материале показывает развитие группы после первого события. Высокий RFM-балл одного покупателя не определяет долю возврата всей группы новых клиентов.

Зафиксируйте единицу учёта и подходящую покупку

В учебной модели единица учёта — уникальный покупатель с подтверждённой историей. Вход — первая завершённая покупка с положительной оставшейся стоимостью. Повтор — отдельная последующая покупка по тем же правилам. Частичные платежи, части одной выдачи и повторная загрузка события не создают нового заказа.

Отмены, тесты, бесплатные замены и полностью возвращённые покупки исключены. Частично возвращённая покупка остаётся подходящей, если её оставшаяся стоимость положительна. Это выбранная аналитическая методика, которую нужно закрепить до расчёта. Для услуг отдельно решите, считается ли повторным событием новый выполненный визит; перенос и переделка той же работы не должны случайно стать удержанием.

Проверьте полноту истории. Первая покупка после импорта не обязательно первая покупка человека. Профили с неизвестным прошлым отделите от подтверждённых новых. Общий семейный телефон также не даёт основания объединять покупателей; правила идентификации разобраны в материале о клиенте между каналами.

Выберите окно и объясните его границы

Для основного показателя ниже используем 30 полных суток после времени первой покупки. Событие входа исключается; отдельная покупка позже него и не позднее чем через 30 суток включается. Все времена в примере приведены к UTC. Вторая покупка в тот же день может учитываться, если это действительно другой заказ и она произошла позже первого.

Календарный месяц и 30 суток дают разные результаты. Для клиента, пришедшего 31 августа, сентябрь — следующий календарный месяц. Для клиента от 1 августа тот же сентябрь начинается уже через 31 день. Не называйте оба расчёта одинаковым «удержанием второго месяца». В GA4 календарная месячная гранулярность начинается с первого и заканчивается последним числом месяца, а варианты расчёта когорт различают возврат в отдельном периоде и накопленный результат. Google Analytics: Cohort exploration.

Если хочется видеть развитие после 30 дней, создайте отдельное окно: позже 30 и не позднее 60 суток. Показатель «покупал в дни 31–60» отличается от «хотя бы раз вернулся за первые 60 суток». Один клиент может входить в оба отдельных окна, но учитывается единожды в накопленном результате.

Не превращайте незавершённое наблюдение в ноль

Клиент входит в окончательный знаменатель 30-дневного показателя только после завершения его полного окна. Для ещё молодых когорт показывайте «наблюдение не завершено». Нельзя объявлять клиента не вернувшимся на десятый день, если критерий допускает покупку до тридцатого.

Если часть месячной когорты уже имеет полное окно, можно показать предварительный результат зрелой части вместе с её численностью. Однако это отдельная подгруппа, обычно пришедшая раньше остальных. Её не следует без пояснения сравнивать со всей завершённой когортой другого месяца. Amplitude также отдельно помечает неполные интервалы и исключает их из соответствующих итоговых вычислений. Amplitude: Retention FAQ.

Учебный пример: одинаковый возраст меняет вывод

Срез — 9 октября 2026 года, 00:00 UTC. Условные данные полны, идентификаторы проверены, возвраты известны на момент среза. В июле впервые купили 80 клиентов; 24 из них совершили подходящую повторную покупку за 30 суток. Удержание по заданной модели равно 24 / 80 = 30%.

В августе новых клиентов было 120, повторно купили за 30 суток 42. Результат — 42 / 120 = 35%. Полные 30 суток завершились у всех июльских и августовских клиентов к указанному срезу. Разница между когортами составляет 5 процентных пунктов; это наблюдаемое различие, а не доказанный эффект конкретного изменения.

В сентябре появились 100 новых клиентов. Только у 40 к срезу завершились полные 30 суток; среди них повторно купили 12. Для этой зрелой подгруппы показатель равен 12 / 40 = 30%, ещё 60 клиентов ожидают завершения окна. Нельзя считать 12 / 100 = 12% окончательным удержанием сентября. Даже если у молодых клиентов уже есть повторы, окончательный результат всей когорты пока не установлен.

Общий итог двух зрелых когорт — (24 + 42) / (80 + 120) = 66 / 200 = 33%. Простое среднее 30% и 35%, равное 32,5%, даёт каждому месяцу одинаковый вес, хотя число клиентов различается. Выбирайте агрегирование по смыслу вопроса и подписывайте его.

Дополнительно среди июльских клиентов 18 покупали в дни 31–60, а 10 человек присутствуют в обоих окнах. Поэтому хотя бы раз вернулись за 60 суток 24 + 18 − 10 = 32 клиента, или 40%. Сумма 30% и 22,5% дважды посчитала бы пересечение.

Какие данные сохранять рядом с числом

Паспорт расчёта должен включать:

• Идентификатор клиента и признак полноты его истории
• Первую подходящую покупку и время входа
• Идентификаторы последующих покупок и связанных исправлений
• Правила исключения отмен, замен, полного и частичного возврата
• Границы окна, часовой пояс и момент среза
• Когорту входа, её исходную численность и зрелую часть
• Признак возврата в каждом отдельном окне и в накопленном периоде
• Версию правил, дату выгрузки и причины пересчёта

Если поздний возврат исключает исходную первую покупку, методика может изменить дату входа клиента. Выпустите новую датированную редакцию отчёта, сохраните прежний результат и объясните изменение. Не допускайте, чтобы вчерашняя когорта молча уменьшалась после каждого исправления данных.

Как использовать результат без поспешных выводов

Сопоставьте состав когорт: канал привлечения, тип первой услуги, скидку, сезон и доступность следующего визита. Более высокий повтор может отражать другой ассортимент или короткий цикл покупки. Повторный заказ после жалобы также требует контекста: бесплатная замена не доказывает рост лояльности.

Рядом с долей вернувшихся полезно показывать количество клиентов, повторную выручку после корректировок и относимые затраты. Эти показатели отвечают на разные вопросы. Больше повторов при большой скидке не гарантирует больший вклад. Когортное сравнение само по себе также не доказывает, что рассылка вызвала покупку: для оценки воздействия нужен отдельный подход к сравнению групп.

Чек-лист приёмки отчёта

1. Один заказ с двумя платежами остаётся одной покупкой.
2. Повтор точно на границе 30 суток попадает в согласованное окно.
3. Клиент на 29-м дне не включён в окончательный знаменатель.
4. Неизвестная история не превращается в подтверждённого нового клиента.
5. Два повтора одного человека дают одного вернувшегося клиента в окне.
6. Пересечение двух окон не удваивает накопленный результат.
7. Поздний возврат создаёт объяснимую редакцию и проверяемое изменение.
8. При отсутствии зрелых клиентов отображается отсутствие данных, а не 0%.

Для проверки SABSUS подготовьте небольшой обезличенный набор через контекст CRM и отчётов. Наличие готового когортного отчёта, экспорта и нужных событий следует подтвердить в вашей конфигурации.

Частые вопросы

Какое окно удержания выбрать?

Оно должно соответствовать циклу покупки и решению бизнеса. Для расходных товаров и долгих сервисных циклов нужны разные периоды. Зафиксируйте окно до сравнения.

Можно сравнивать месяцы с разным числом клиентов?

Да, при одинаковых определениях и завершённых окнах. Показывайте численности; небольшой знаменатель делает процент особенно чувствительным к единичным событиям.

Даёт ли высокая вероятность возврата право написать клиенту?

Нет. Аналитическая группа и допустимость конкретного сообщения проверяются отдельно. Отказы и выбранные цели связи сохраняются независимо от показателя удержания.

Источники

• Shopify: Customer reports — определение когорты первого заказа.
• Google Analytics: Cohort exploration — календарные интервалы и виды расчёта.
• Amplitude: Retention FAQ — неполные окна наблюдения.

Источники проверены 9 октября 2026 года. Все числа и правила примера условные.