Отток в 5% в месяц - удобное число для отчёта совету директоров и бесполезное для решений внутри компании. В выборке SaaS-компаний отток по когортам привлечения варьируется в диапазоне примерно от 3% до 8% - один и тот же продукт с одним и тем же онбордингом теряет клиентов почти втрое чаще в одном месяце привлечения, чем в другом. Пока метрика усреднена по всей базе, эта разница не видна вообще, а решения о том, что чинить, принимаются вслепую.
Что на самом деле усредняет одно число оттока
Блендированный процент оттока - это среднее по всем клиентам за период, независимо от того, когда и как каждый из них пришёл. Он отвечает на вопрос «сколько мы теряем в среднем», но не отвечает на вопрос «где именно теряем больше всего». Это разные вопросы, и второй важнее для решений о продукте, адаптации и привлечении.
Проблема не теоретическая. Команда с блендированным оттоком 5% обычно делает одно из двух: либо паникует и переделывает онбординг, который на самом деле нормально работает для большинства когорт, либо не замечает по-настоящему проблемную когорту - конкретный канал привлечения, конкретный вариант посадочной страницы, конкретный сезон - потому что её плохие цифры растворяются в общем приемлемом среднем. Обе ошибки стоят денег: первая тратит ресурсы разработки на не ту проблему, вторая оставляет реальную проблему нетронутой месяцами.
Почему когорты вообще отличаются друг от друга
Разница по когортам не случайна - она отражает качество привлечения в конкретный период. Клиенты, пришедшие через кампанию с агрессивным дисконтом, ведут себя иначе, чем клиенты, пришедшие по рекомендации. Клиенты, купившие сразу после смены тарифной страницы, могут неверно понимать, что покупают. Сезонные пики привлечения - конец квартала, распродажа, конференция - часто приносят когорту с более низкой готовностью к покупке, чем обычный поток.
Здесь работает и более общий механизм - эффект владения в удержании: клиенты, вложившие больше усилий в настройку продукта и перенос своих данных, заметно реже уходят, чем те, кто прошёл лёгкую регистрацию за две минуты. Канал и путь привлечения напрямую определяют, сколько усилий клиент вложил ещё до первого платежа. Когорта, пришедшая через низкопороговую регистрацию, и когорта, прошедшая более требовательный, высокоинтентный путь входа, будут стабильно давать разный отток - не потому что продукт для них разный, а потому что их вовлечённость на старте разная.
Как это выглядит на практике
Возьмём компанию с блендированным оттоком 5%. Разбивка по месяцам привлечения показывает: у когорты за март - 3%, у когорты за июнь - 8%. Средняя цифра ни разу не встречается в реальности ни у одной когорты - она существует только в отчёте.
Если команда реагирует на общие 5% и переписывает онбординг целиком, она чинит процесс, который для мартовской когорты и так работает нормально. Если команда не разбивает отток по когортам вообще, она не узнает, что июньская когорта - вероятно, привлечённая через конкретную летнюю кампанию или изменённый прайсинг - теряет клиентов почти втрое активнее нормы, и не станет разбираться, что изменилось именно в июне: канал, оффер, сегмент лидов, скорость онбординга под наплывом заявок.
Разница между 3% и 8% - это не шум измерения, а сигнал о том, что часть привлечения работает хуже остальной. Без разреза по когортам этот сигнал физически не виден в отчётности.
Что нужно, чтобы посчитать это у себя
Когортный анализ оттока требует немногого по формуле: дата привлечения клиента, дата ухода (или текущий статус), и признак когорты - обычно месяц привлечения, иногда дополнительно канал. Сложность не в математике, а в данных: чтобы посчитать это без ручной сборки таблиц каждый раз, дата привлечения и канал должны храниться в CRM структурированно с самого начала, а не восстанавливаться из переписки и памяти менеджера постфактум. Это вопрос настройки CRM, а не аналитики - и в этом смысле задача та же, что при попытке сравнить каналы по стоимости закрытой сделки, а не по CPL, который вводит в заблуждение: без чистой структуры данных на входе любой разрез после факта требует ручной работы, которую никто не будет делать каждый месяц.
Если в CRM уже есть дата привлечения, канал и признак ухода для каждого клиента, свести когортную таблицу можно и в Excel за час. Если этих полей нет или они заполняются нерегулярно, сначала нужна настройка полей и обязательных значений при создании карточки - иначе через полгода анализировать всё равно будет нечего. Exceltic.dev настраивает такие структуры в Kommo и HubSpot: поля привлечения заполняются автоматически при создании сделки, а не вручную задним числом, и когортный отчёт становится рутинной выгрузкой, а не разовым проектом на неделю.