Вернули клиента на один заказ: как проверить удержание после win-back
Как оценить вторую покупку после win-back: зрелость когорт, одинаковые окна наблюдения, пример расчёта и граница между удержанием и эффектом кампании.
Клиент вернулся по win-back-кампании и сделал заказ. Через неделю отчёт выглядит хорошо, но вопрос об удержании остаётся открытым: будет ли следующая покупка, когда закончится повод для первого возврата? Для ответа нужна когорта вернувшихся клиентов с одинаковым сроком наблюдения.
Первоначальный дополнительный эффект кампании и поведение после возврата — разные задачи. Первый разбирается в статье о winback с контрольной группой. Здесь речь о второй покупке после реактивации, сроке до неё и экономике последующих заказов.
От какой покупки начинаются часы
Сначала определите, кого называете вернувшимся. Например, клиент подходил под заранее заданное правило неактивности и совершил оплаченный заказ в период кампании. Зафиксируйте правило, окно возврата и обработку отмен. Если к возврату относятся любые покупатели за месяц, обозначьте, что связь с кампанией пока описательная.
День ноль — дата первой подходящей покупки после неактивности. Следующая покупка должна иметь другой ID заказа и соответствовать выбранному правилу оплаты и возвратов. Дробление одного заказа на несколько отправлений не должно превращаться в повторную покупку.
В документации Amplitude о времени в retention различаются скользящие интервалы по 24 часа и календарные периоды с учётом часового пояса. Для вашей таблицы выберите один способ. «В течение 30 суток» и «до конца следующего календарного месяца» — разные показатели.
Свежая когорта ещё не прошла своё окно
У покупателя, вернувшегося три дня назад, не было 30 суток для следующего заказа. Если включить его в знаменатель 30-дневного показателя, новые когорты будут выглядеть хуже просто из-за короткого наблюдения.
Ниже все числа вымышлены. Когорты определены по периоду первой покупки после возврата. «Зрелые» означает, что на дату выгрузки прошло полное окно наблюдения. Покупатели без второй покупки остаются в знаменателе после достижения этого срока.
| Когорта | Вернулись | Зрелые для 30 суток | Вторая покупка за 30 суток | Доля | Данные за 60 суток |
|---|---|---|---|---|---|
| A | 100 | 100 | 30 | 30% | 42 из 100: 42% |
| B | 80 | 80 | 20 | 25% | Окно не завершено |
| C | 60 | 20 | 4 среди зрелых | 20% | Окно не завершено |
Среди зрелых для 30 суток клиентов повторили покупку 54 из 200: 27%. Деление тех же 54 на всех 240 даёт 22,5% и смешивает полные и неполные окна. Для когорты C четыре покупки относятся только к двадцати зрелым клиентам; поведение остальных сорока в эту строку пока не включено.
Агрегат 27% описывает наблюдаемую смесь когорт. Он не доказывает улучшение удержания: могли измениться ассортимент, сезон, состав базы или скидка. Для сравнения периодов смотрите также отдельные когорты и одинаковые критерии включения.
Как собрать воспроизводимую таблицу
- Сохраните исходный список вернувшихся с ID клиента, ID первого заказа и временем возврата. Не пересобирайте прошлый состав незаметно при каждом обновлении.
- Зафиксируйте дату среза и часовой пояс. Рассчитайте возраст наблюдения отдельно для каждого клиента.
- Найдите первый последующий подходящий заказ. Проверьте дедупликацию, отмены и возвраты по принятому правилу.
- Для каждого окна отметьте зрелость и наличие покупки внутри окна. Считайте долю только по единицам с полным наблюдением.
- Рядом храните число клиентов, суммарный вклад последующих заказов и расходы на повторные контакты, если они входят в задачу.
Amplitude описывает создание когорт, включая загрузку списка пользователей. Это один из способов зафиксировать состав аудитории. В таблице или хранилище тот же принцип можно реализовать сохранённым набором ID; конкретный инструмент не определяет правильность правила возврата.
Простейший состав полей: customer_id, reactivation_order_id, reactivation_at, snapshot_at, next_order_at, mature_30, repeat_30, mature_60, repeat_60. Рядом держите версию определения заказа. Смена правила возвратов может изменить результат даже без новой покупки.
Почему сравнение вернувшихся не доказывает эффект
Если сравнить только вернувшихся из кампании и контроля, вы отберёте людей по событию, которое могла изменить сама кампания. В одной группе скидка вернула редких покупателей, в другой самостоятельно вернулись самые активные. Разница второй покупки будет смешивать удержание и такой отбор.
Описательная когорта полезна для сопровождения клиентов. Для причинного вопроса «что добавила программа за 90 суток» заранее задайте метрику по всем исходно назначенным клиентам и сохраните принцип сравнения групп. Не выдавайте качество подгруппы вернувшихся за оценку всей кампании.
Можно дополнительно показать время до следующей покупки, но среднее только среди повторивших не описывает всех клиентов: те, кто пока не купил, в него не входят. Для более сложного анализа времени события нужны методы, учитывающие незавершённое наблюдение, и отдельная постановка.
Как использовать результат
Если первая покупка есть, а последующая редка, проверьте естественный цикл продукта, опыт после заказа и релевантность следующего предложения. Не назначайте всем одинаковое письмо только из-за слабой агрегированной доли. Логику сегментации можно сверить с материалом о реактивации базы.
Начните с двух сроков, подходящих вашему циклу покупки, и одной сохранённой когорты. В отчёте рядом с процентом всегда показывайте знаменатель, зрелость и дату среза. Тогда становится видно, где удержание уже можно оценивать, а где нужно дождаться данных.