Когортный анализ клиентов доставки: как делать и зачем

Что такое когортный анализ

Когорта — группа клиентов, объединённых общим событием в определённый период. Чаще всего первая когорта — это клиенты, сделавшие первый заказ в конкретный месяц.

Когортный анализ отслеживает поведение этой группы во времени: сколько клиентов из когорты вернулись во второй месяц, в третий, в четвёртый.

Это мощнее, чем просто «число повторных заказов за месяц», потому что позволяет видеть тренды: улучшается ли удержание новых клиентов со временем? Отличаются ли когорты, привлечённые через разные акции?

Зачем это ресторану доставки

Представьте: в январе вы запустили акцию «скидка 30% на первый заказ» и привлекли 200 новых клиентов. В феврале — другую акцию с «бесплатной доставкой» и тоже 200 новых клиентов. Какая акция была лучше?

По числу привлечённых клиентов — одинаково. Но если через 3 месяца из январских клиентов осталось 80, а из февральских — только 30 — январская акция в 2.5 раза эффективнее. Когортный анализ делает это видимым.

Что выявляет когортный анализ

• Какой процент новых клиентов возвращается
• На каком заказе по счёту клиенты «отваливаются» чаще всего
• Как на удержание влияют сезон, акции, изменения меню
• Реальный LTV клиентов из разных источников
• Эффект улучшений качества на долгосрочное удержание

Данные: где взять для когортного анализа

Для когортного анализа нужны данные о заказах с привязкой к конкретным клиентам: кто и когда сделал первый заказ, кто и когда вернулся.

Данные из Яндекс Еды

Яндекс Еда предоставляет выгрузки данных через личный кабинет. Обратитесь к вашему менеджеру платформы с запросом на получение исторических данных о заказах. Некоторые агрегированные данные о повторных клиентах доступны напрямую в разделе «Аналитика».

Данные из кассовой системы

Если настроена интеграция iiko/r_keeper с Яндекс Едой, данные о заказах уже в вашей кассовой системе. Большинство современных ресторанных систем имеют аналитические отчёты по повторным клиентам.

Как построить когортную таблицу

Классическая когортная таблица строится в Excel или Google Sheets.

Структура таблицы

• Строки — когорты (январь, февраль, март...)
• Столбцы — периоды после первого заказа (месяц 0, месяц 1, месяц 2...)
• Ячейки — процент клиентов из когорты, активных в этот период

Пример когортной таблицы

В этом примере видно: удержание после первого месяца улучшается — с 38% в январе до 48% в апреле. Это хороший тренд, показывающий, что работа с качеством даёт результат.

Как читать результаты когортного анализа

Кривая удержания

При построении кривых по когортам хорошо видно несколько паттернов:

• Крутое падение в М1: большинство клиентов не возвращается после первого заказа — проблема в первом опыте
• Стабилизация на M3–M4: клиенты, вернувшиеся 3+ раз, обычно становятся постоянными
• Рост кривых со временем: удержание новых когорт выше, чем старых — прогресс в работе с качеством

Сравнение когорт

Если когорта, привлечённая в период активной акции, имеет более низкое удержание — это значит, что акция привлекала «охотников за скидками», а не лояльных клиентов. Такие акции могут быть убыточными на горизонте 3–6 месяцев.

Retention: ключевая метрика удержания

Retention Rate (показатель удержания) — процент клиентов, вернувшихся в следующем периоде.

Retention M1 = Клиенты, сделавшие 2-й заказ / Все клиенты в когорте × 100%

Нормы для доставки еды

• Retention M1 выше 40% — хорошо
• Retention M1 30–40% — средний уровень
• Retention M1 ниже 25% — повод для тревоги

Что влияет на Retention M1

Первый заказ — критический момент. Клиент формирует ожидания и сравнивает реальность с ними. Основные факторы M1 Retention:

• Качество еды соответствует ожиданиям
• Еда приехала вовремя и горячей
• Никаких неприятных сюрпризов (не та позиция, чего-то не хватало)
• Цена была оправдана ценностью

Что делать с результатами когортного анализа

Низкий Retention M1 (менее 30%)

Проблема в первом опыте. Действия:

• Глубокий анализ отзывов первого заказа
• Тайный покупатель — первый заказ
• Оффер на второй заказ для первых покупателей

Падение на М2–М3

Клиенты возвращаются, но не становятся постоянными. Нет причины вернуться снова. Действия:

• Программа лояльности или накопительные бонусы
• Обновление меню (новинки дают повод вернуться)
• Персонализированные предложения для повторных клиентов

Ухудшение Retention в новых когортах

Если новые когорты удерживаются хуже, чем старые — что-то изменилось к худшему. Ищите: смена повара, изменение меню, рост конкуренции, ухудшение операционки.

Упрощённый вариант без Excel

Полный когортный анализ требует данных и времени. Если вы только начинаете — есть упрощённый подход, который даёт 80% ценности когортного анализа.

Простое измерение Retention

Раз в месяц смотрите в личном кабинете Яндекс Еды:

• Число новых клиентов за месяц (первый заказ)
• Число вернувшихся клиентов (2+ заказов за историю)
• Долю повторных заказов в общем числе

Тренд этих метрик за 3–6 месяцев даёт понимание, улучшается ли удержание. Без когортных таблиц, но с практической ценностью.