Методика · 17 сентября 2026 г.

Когортное исследование: как сравнивать не среднее, а поколения клиентов

Когортное исследование сравнивает не людей в моменте, а группы, объединённые общим стартовым событием: всех, кто зарегистрировался в марте, всех сотрудников, нанятых в один квартал, всех клиентов первой волны продаж. Точки замера отсчитываются не от календарной даты, а от времени, прошедшего с этого события, — третий месяц с регистрации, а не март или апрель, — и именно это отличает когорту от обычного среза по времени. Метод отвечает на вопрос, который среднее по всей базе маскирует: меняется ли опыт новых клиентов от поколения к поколению, и с какой скоростью новая когорта проходит тот же путь, что и предыдущая. Ниже разберём, как строить когорты, чем они отличаются от лонгитюда и возрастных сравнений и какие эффекты легко перепутать друг с другом.

Что считать когортой

Когорта — это группа, у которой есть общее стартовое событие: регистрация, первая покупка, дата найма, дата подключения к тарифу. Внутри когорты людей может быть сколько угодно и они могут не знать друг о друге — общее у них только момент входа. Это отличает когорту от сегмента по демографии или поведению: сегмент «женщины 25–34» или «активные пользователи» не имеет единой точки отсчёта во времени, а когорта «зарегистрировавшиеся в марте» имеет её по определению.

Практическая ценность когорты в том, что она делает сравнимыми людей на одинаковом этапе жизненного цикла. Сравнивать удовлетворённость клиента, который с вами год, с удовлетворённостью клиента, который зарегистрировался вчера, бессмысленно — у них принципиально разный опыт. А вот сравнить оценку мартовской когорты на третьем месяце с оценкой июньской когорты на её собственном третьем месяце — корректно: обе группы в этот момент прошли одинаковый путь, только в разное календарное время.

Когорту также стоит явно отличать от сегмента по поведению, вроде «активных пользователей» или «клиентов с высоким чеком». Такой сегмент подвижен: человек может войти в него и выйти из него много раз, и его состав в январе и в июне — это фактически разные наборы людей, объединённые текущим поведением, а не общей историей. Когорта, напротив, фиксируется один раз и дальше не меняется: тот, кто зарегистрировался в марте, навсегда остаётся частью мартовской когорты, даже если его поведение внутри неё сильно менялось. Эта неизменность состава и делает когортное сравнение методически чистым: изменение показателя внутри когорты нельзя списать на смену её состава, как это происходит с подвижным поведенческим сегментом.

Когорта, лонгитюд и возрастное сравнение — не одно и то же

Когортное исследование — частный случай лонгитюда, но не синоним. Лонгитюд в целом отвечает на вопрос «как меняется показатель со временем» и включает и панели одних и тех же людей, и повторные срезы без привязки к событию. Когорта добавляет к этому конкретную точку отсчёта — стартовое событие, — и именно поэтому позволяет сравнивать разные поколения между собой на одинаковой стадии, а не только следить за одной группой во времени.

Отдельно стоит развести когорту и обычное сравнение возрастных или стажевых групп в одном срезе. Если в одном опросе сравнить сотрудников со стажем до года и со стажем свыше пяти лет, разница между ними может объясняться двумя разными вещами: тем, что стаж сам по себе меняет отношение к работе, и тем, что эти люди пришли в компанию в разные эпохи и застали разную культуру. Только когортный дизайн, где одна и та же когорта прослеживается во времени, а не разные когорты сравниваются в один момент, разделяет эти два объяснения.

Проспективная и ретроспективная когорта

Когорту можно собирать двумя способами. Проспективно — определить группу в момент входа и опрашивать её дальше по расписанию: зарегистрировавшихся в марте начинают спрашивать с марта и продолжают каждый месяц. Это точнее, потому что каждая волна фиксирует состояние в момент, максимально близкий к реальному опыту, а не восстановленный по памяти. Ретроспективно — определить когорту задним числом по данным, которые уже есть, и опросить её один раз с вопросами о разных этапах пути: как оценивали продукт в первый месяц, как оценивают сейчас.

Ретроспективный вариант дешевле и быстрее — не нужно ждать месяцами, пока накопятся волны, — но платит точностью: ответ о собственных ощущениях полугодовой давности неизбежно окрашен нынешним отношением и подвержен типичным искажениям памяти. Разумный компромисс для новой когорты, по которой ещё нет истории: начать проспективный сбор с текущего момента и одновременно провести один ретроспективный вопрос, чтобы получить хотя бы приблизительную опорную точку для сравнения, честно пометив её как менее надёжную.

На практике многие проекты используют смешанную схему: первая когорта, у которой уже нет возможности вернуться в прошлое и собрать данные вовремя, описывается ретроспективно с честной оговоркой о качестве, а все последующие когорты сразу ставятся на проспективные рельсы. Это разумный практический компромисс между скоростью получения хоть какого-то первого сравнения и точностью дальнейших накопленных данных: цена ошибки в единственной опорной ретроспективной точке ниже, чем цена целого полугода бездействия, потраченного впустую на ожидание идеального проспективного ряда. Важно только не забыть явно пометить ретроспективную точку в отчётах как менее надёжную и не смешивать её с последующими проспективными данными на равных правах.

Как определить границы когорты

Слишком широкая когорта смазывает различия: «все, кто зарегистрировался в первом полугодии» объединяет людей, заставших совершенно разные версии продукта. Слишком узкая — оставляет мало наблюдений в каждой группе и делает сравнение статистически шатким. Практический ориентир — привязывать границы когорты к реальным изменениям в продукте или процессе: новая когорта начинается там, где поменялось что-то существенное — интерфейс, тариф, процесс онбординга, — а не по произвольному календарному правилу вроде «каждый месяц новая когорта».

• Привязывайте границы когорты к реальным изменениям продукта или процесса, а не только к календарю.
• Держите когорты достаточно крупными для сравнения — минимум несколько десятков человек на группу.
• Фиксируйте точку отсчёта в днях или неделях с события, а не в календарных месяцах опроса.
• Документируйте, что именно изменилось между когортами, — без этого разница необъяснима задним числом.

Отдельно стоит решить заранее, как поступать с пограничными случаями: человек, который зарегистрировался в последний день марта, и человек, зарегистрировавшийся в первый день апреля, по формальному правилу попадают в разные когорты, хотя разница между ними — сутки, а не содержательное отличие. Жёсткие календарные границы очень удобны для автоматизации расчётов, но плохо годятся тогда, когда рядом с датой отсечки происходит что-то значимое — например, именно первого числа меняется тариф. В таких случаях лучше сдвинуть границу когорты на дату реального изменения, а не оставлять её ровно на первом числе месяца просто по привычке.

Эффект когорты против эффекта периода

Главная методическая ловушка когортного анализа — спутать эффект когорты с эффектом периода. Эффект когорты — это устойчивая разница между поколениями, сохраняющаяся во времени: мартовская когорта в среднем довольнее июньской на каждой стадии пути. Эффект периода — это разовое внешнее событие, затронувшее все когорты одновременно в определённый календарный момент: сбой сервиса, сезонный спад, смена цен. Если показатель у всех когорт одновременно просел в один и тот же месяц независимо от их собственного возраста, дело почти наверняка в периоде, а не в самих когортах.

Различать эти два эффекта важно не только методически, но и практически: эффект периода лечится разовым вмешательством и не требует пересмотра продукта для будущих когорт, а устойчивый эффект когорты означает, что что-то в текущей версии продукта или процесса системно хуже, чем было раньше, и это нужно чинить на уровне продукта, а не одной точечной акцией для пострадавшей группы. Встречается и смешанный случай: эффект периода накладывается на уже существующий эффект когорты и на время маскирует его, а после того как временный фактор проходит, устойчивая разница между поколениями клиентов проявляется снова — поэтому делать окончательный вывод по одной-единственной волне после внешнего сбоя рискованно, лучше дождаться следующей точки замера.

Где когортный анализ применяется чаще всего

Самое частое применение — удержание и отток: сравнение доли клиентов, оставшихся активными к третьему, шестому, двенадцатому месяцу, по разным когортам регистрации. Резкое падение удержания у одной конкретной когорты почти всегда указывает на проблему, возникшую именно в момент её входа, — сбой при запуске, неудачную версию онбординга, — и это самый быстрый способ локализовать причину оттока во времени.

Второе частое применение — HR: сравнение опыта сотрудников, нанятых в разные периоды, на одинаковой стадии стажа. Если когорта, нанятая во время быстрого роста компании, системно жалуется на нехватку внимания в первый месяц больше, чем более ранние когорты, это прямое указание, что процесс адаптации не масштабировался вместе с числом новых сотрудников, и решать нужно процесс, а не отдельных руководителей.

Третье применение, менее очевидное, но не менее полезное, — оценка эффекта маркетинговых изменений на новых клиентах: когорта, пришедшая после смены посадочной страницы или условий тарифа, сравнивается на одинаковой стадии с когортой, пришедшей до изменения. Здесь важно опрашивать обе когорты по одной и той же анкете и в одни и те же контрольные точки от момента регистрации — иначе разница будет объясняться не самим изменением, а несопоставимым моментом замера. В «До Сути» удобно повторно разослать ту же анкету очередной когорте по её собственному расписанию от даты входа, но сводную таблицу «когорта на строках, время с события на столбцах» сервис не строит сам — её собирают из экспорта ответов вручную, сопоставляя даты входа с датами прохождения опроса.

Ограничения

Когортный анализ требует данных о моменте входа каждого респондента — без надёжной метки о дате регистрации или найма построить когорты невозможно, и в проектах со слабой аналитической инфраструктурой это часто оказывается главным препятствием, а не сама методика опроса. Второе ограничение — минимальный размер: если новых клиентов в месяц приходит немного, когорты получаются слишком маленькими для статистически устойчивого сравнения, и приходится укрупнять интервалы, теряя часть разрешающей способности метода.

Третье ограничение, о котором часто забывают на старте проекта, — горизонт ожидания. Чтобы сравнить когорты на двенадцатом месяце жизни, нужно, чтобы у самой молодой из сравниваемых когорт этот двенадцатый месяц уже наступил, а значит, полноценное когортное сравнение на длинных стадиях доступно только после долгого накопления данных. Это делает метод плохо приспособленным для быстрых решений: если ответ нужен через неделю, а не через год, когортный анализ на дальних стадиях жизненного цикла применить не получится, и стоит либо сузить горизонт до ближних стадий, либо выбрать другой метод.

Типичные ошибки

• Сравнивать когорты в одной календарной точке вместо одинаковой стадии с момента входа.
• Делать когорты по произвольному календарному правилу, не привязывая их к реальным изменениям продукта.
• Путать эффект когорты с эффектом периода, не построив таблицу по обоим измерениям.
• Использовать слишком мелкие когорты и делать выводы на шатких числах.
• Собирать только ретроспективные данные там, где было время начать проспективный сбор.

С чего начать

Определите событие, которое станет точкой отсчёта — регистрацию, первую покупку, дату найма, — и убедитесь, что дата этого события действительно фиксируется в системе, а не восстанавливается приблизительно. Дальше выберите шаг замера от события: месяц, квартал, — и начните опрашивать новую когорту с момента входа, не дожидаясь, пока накопится история для сравнения. Первое сравнение станет возможным, когда у вас появятся хотя бы две когорты, прошедшие одинаковую стадию, а до этого момента лонгитюдная выгода метода ещё не наступает.

Если когортная инфраструктура ещё не выстроена, начните с малого: возьмите одну уже прошедшую когорту, для которой данные о входе есть, опросите её ретроспективно с честной пометкой о ненадёжности ранних воспоминаний, и одновременно заложите проспективный сбор для следующей. Так первое сравнение появится быстрее, а качество данных будет расти по мере накопления проспективных когорт. Через несколько поколений когорт станет видно не разовое отклонение, а устойчивую траекторию — и именно она, а не отдельная точка, служит основанием для решений о продукте и процессе.