Cohort

Cohort, po polsku kohorta, to grupa użytkowników, klientów, leadów lub sesji, które łączy wspólna cecha oraz ten sam moment startowy analizy. W marketingu i analityce najczęściej chodzi o osoby pozyskane w tym samym okresie, z tego samego kanału, po tej samej kampanii albo po wykonaniu tej samej akcji, na przykład pierwszym zakupie, rejestracji konta lub wysłaniu formularza. Analiza cohort pozwala sprawdzić nie tylko, ile osób przyszło na stronę, ale jak ich zachowanie zmieniało się w czasie.

Cohort definicja – co to jest Cohort?

Cohort to segment danych zbudowany na podstawie wspólnego zdarzenia, cechy lub okresu. Jeśli firma analizuje użytkowników, którzy pierwszy raz kupili produkt w styczniu, to tworzy kohortę styczniową. Jeśli analizuje leady pozyskane z Google Ads w pierwszym kwartale, to tworzy kohortę leadów z konkretnego kanału i czasu.

W praktyce pojęcie Cohort jest najczęściej używane w analizie retencji, jakości ruchu, wartości klienta w czasie, konwersji oraz powracalności użytkowników. Dzięki temu można porównać, czy klienci pozyskani w jednym miesiącu zachowują się lepiej niż klienci pozyskani w innym miesiącu, albo czy użytkownicy z SEO mają wyższą wartość długoterminową niż użytkownicy z kampanii płatnych.

Na czym polega analiza kohortowa?

Analiza kohortowa polega na obserwowaniu tej samej grupy użytkowników w kolejnych okresach. Zamiast patrzeć na wszystkich użytkowników łącznie, rozdziela się ich na mniejsze grupy, a następnie sprawdza, jak każda grupa zachowuje się po czasie.

Przykład: sklep internetowy może porównać klientów, którzy dokonali pierwszego zakupu w styczniu, lutym i marcu. Następnie sprawdza, jaki procent z nich wrócił po 7, 30, 60 lub 90 dniach oraz ile przychodu wygenerowali w kolejnych miesiącach.

Prosty przykład Cohort

Załóżmy, że firma SaaS pozyskuje użytkowników przez kampanie Google Ads, SEO i webinary. W styczniu zarejestrowało się 300 nowych użytkowników, w lutym 420, a w marcu 380. Sama liczba rejestracji nie mówi jeszcze, który miesiąc lub kanał był najlepszy.

Firma tworzy kohorty według miesiąca rejestracji i sprawdza, ilu użytkowników po 30, 60 i 90 dniach nadal korzysta z systemu oraz ilu przeszło na płatny plan.

Z takiego zestawienia wynika, że luty przyniósł najwięcej rejestracji, ale najniższą jakość użytkowników. Marzec miał mniej rejestracji niż luty, ale lepszą retencję i wyższą konwersję na płatny plan. To właśnie główna wartość analizy cohort: pozwala odróżnić wolumen od jakości.

Dlaczego Cohort ma znaczenie biznesowe?

Analiza kohortowa jest przydatna wtedy, gdy decyzje marketingowe nie powinny opierać się wyłącznie na wynikach krótkoterminowych. Kampania może mieć niski koszt pozyskania użytkownika, ale przyciągać osoby, które szybko rezygnują. Inny kanał może mieć wyższy koszt wejścia, ale generować klientów o wyższej wartości w czasie.

W analizie retencji i wartości klienta często pojawia się potrzeba policzenia, ile realnie wart jest klient w dłuższym okresie. Sama pierwsza transakcja może zaniżać lub zawyżać ocenę kanału, jeśli nie uwzględnia kolejnych zakupów, odnowień lub rezygnacji.

Zastosowanie Cohort w SEO, Google Ads i analityce

Cohort jest szczególnie użyteczny w miejscach, gdzie sama liczba konwersji nie wystarcza. Dotyczy to zarówno SEO, kampanii płatnych, jak i szerszej analityki zachowań użytkowników. W dobrze skonfigurowanej analizie można sprawdzić, które źródła ruchu pozyskują użytkowników o najlepszej retencji, najwyższej wartości i największym prawdopodobieństwie zakupu.

Jeśli firma prowadzi wiele kanałów pozyskania, Cohort powinien być częścią regularnej pracy analitycznej. W praktyce wymaga to poprawnego zbierania danych, spójnych definicji konwersji oraz raportów, które łączą marketing z wynikami biznesowymi. W tym obszarze pomocna jest dobrze wdrożona analityka internetowa oraz cykliczne raportowanie SEO i Ads.

Jak mierzyć Cohort?

Nie istnieje jedna uniwersalna metryka cohort. Najpierw trzeba ustalić, jak definiowana jest kohorta, jaki jest punkt startowy i jakie zachowanie będzie obserwowane w czasie. Inaczej mierzy się kohorty w sklepie internetowym, inaczej w firmie usługowej, a jeszcze inaczej w aplikacji SaaS.

1. Wybierz punkt startu kohorty

Punktem startu może być zdarzenie, data lub cecha użytkownika. Najczęściej stosowane punkty startu to:

• pierwsza wizyta na stronie,
• pierwsza konwersja, na przykład formularz lub zakup,
• rejestracja konta,
• pierwsza transakcja,
• rozpoczęcie okresu próbnego,
• pozyskanie z konkretnej kampanii lub kanału.

2. Ustal okresy obserwacji

Kohortę należy obserwować w równych przedziałach czasowych. Mogą to być dni, tygodnie, miesiące lub kwartały. Wybór zależy od cyklu zakupowego. Dla aplikacji mobilnej sensowne mogą być dni 1, 7 i 30. Dla B2B z długim procesem sprzedaży lepsze będą 30, 60, 90 i 180 dni.

3. Dobierz właściwą metrykę

Najczęściej analizuje się retencję, przychód, liczbę zakupów, aktywność, konwersję do kolejnego etapu lejka lub rezygnacje. Warto pamiętać, że metryka musi odpowiadać na konkretne pytanie biznesowe.

Jak interpretować dane cohort?

Interpretacja danych cohort polega na porównywaniu grup między sobą i analizowaniu zmian w czasie. Kluczowe jest nie tylko to, czy wynik jest wysoki lub niski, ale dlaczego dana kohorta zachowuje się inaczej niż pozostałe.

Przykładowe pytania interpretacyjne

• Czy użytkownicy pozyskani z SEO wracają częściej niż użytkownicy z reklam płatnych?
• Czy kampania z wysoką liczbą leadów daje również wysoką liczbę klientów?
• Czy rabaty przyciągają klientów powracających, czy głównie kupujących jednorazowo?
• Czy użytkownicy pozyskani po zmianie landing page mają wyższą konwersję po czasie?
• Czy nowy onboarding poprawił aktywność użytkowników po 30 dniach?

Przykład zastosowania w firmie B2B

Firma B2B oferująca oprogramowanie dla działów sprzedaży prowadzi trzy źródła pozyskania leadów: SEO, Google Ads i webinary. W każdym miesiącu mierzy liczbę zapytań, ale chce wiedzieć, które źródło realnie generuje rozmowy handlowe i klientów.

Tworzy kohorty według miesiąca pozyskania leada oraz źródła. Następnie sprawdza, jaki procent leadów w ciągu 90 dni przeszedł przez kolejne etapy lejka: kwalifikacja, demo, oferta, sprzedaż.

Wynik pokazuje, że Google Ads dostarcza najwięcej leadów, ale webinary mają najwyższą jakość i najlepszą konwersję do sprzedaży. SEO daje stabilny wolumen i lepszą jakość niż kampanie płatne. Na tej podstawie firma może zmienić budżet, poprawić kampanie Ads lub rozbudować treści wspierające decyzję zakupową.

Najczęstsze błędy w analizie Cohort

Dobre praktyki przy pracy z kohortami

Cohort a segment – jaka jest różnica?

Cohort i segment są pojęciami podobnymi, ale nie oznaczają tego samego. Segment to dowolna grupa użytkowników wydzielona na podstawie cechy, na przykład urządzenia, lokalizacji, źródła ruchu lub typu klienta. Kohorta to grupa, którą łączy wspólny moment lub zdarzenie startowe, a jej zachowanie obserwuje się w czasie.

Kiedy analiza Cohort jest szczególnie przydatna?

• gdy firma chce ocenić jakość klientów z różnych kanałów pozyskania,
• gdy sama liczba leadów lub zakupów nie tłumaczy rentowności marketingu,
• gdy cykl sprzedaży trwa wiele dni, tygodni lub miesięcy,
• gdy ważne są powroty użytkowników, retencja lub ponowne zakupy,
• gdy firma testuje nowy onboarding, landing page, ofertę lub promocję,
• gdy trzeba porównać kampanie nie tylko po koszcie konwersji, ale także po wartości klienta.

FAQ – Cohort