Интерактив — «читаем» когортный анализ

Друзья, всем привет, на связи снова Андрон — основатель Simulative 👋🏻

Знаете, вот есть такие фразочки, которые все используют, но при этом никто до конца не понимает, что за этими словами стоит. Один человек сказал, другой понимающе кивнул, третий с умным видом поддакнул — на этом и разошлись, типа эффективно поработали)

Я человек конкретный, меня такие фразы откровенно вымораживают. В аналитике тоже такие есть. Вот например — «видеть что-то за цифрами». Ну это же вообще ни о чем фраза — у тебя что, экселька прозрачная, что ты что-то за цифрами видишь?)

Сами посудите: «Ты можешь считать себя классным аналитиком, если умеешь видеть бизнес-контекст за цифрами». Это чего вообще такое?) Я и сам так иногда говорю, чего уж там. Но сегодня твердо решил, что хватит это терпеть! Предлагаю такую формулировку:

Умение видеть бизнес-контекст за цифрами — это когда при просмотре отчета на любое колебание метрик в твоей голове сразу появляется набор гипотез: какие конкретные решения или события в компании могли так повлиять.

Простейший пример: видишь, что конверсия резко рухнула — мог банально сломаться сайт.

И прикол в том, что так «видеть» — реально возможно, и для этого даже не обязательно быть шаманом! Например, на прошлом потоке моего тренинга «Как делать аналитику» мы с ребятами на примере когортного анализа разбирали этот эффект. Прям смотрели в когорты, а потом я комментировал: что в этот момент в реальности происходило в бизнесе и какое влияние оказало.

Делать такие ретроспективные упражнения — топовая тема для прокачки умения «видеть что-то за цифрами». В будущее смотреть тяжело — ты еще не знаешь результата. А вот в прошлое — прикольно. Пытаешься объяснить каждое отклонение метрики и понимаешь, что почти на все есть адекватная бизнес-причина.

Предлагаю нам с вами прямо сейчас такое упражнение поделать и вместе посмотреть в одну из тех самых когортных табличек! Ваша задача — найти как можно больше интересных значений и попробовать их объяснить: что в этот момент происходило в этот момент в нашей школе Simulative, что привело к таким результатам.

Табличку прикрепил к посту (данные, само собой, изменены, но структура сохранена). Это когортная таблица с метрикой CR2 из горячей заявки — конверсия из горячего лида в продажу.

☝🏻 Давайте я закину, для затравочки) Обратите внимание но конверсию июньской когорты в июне (т.е. в свой первый месяц). Почему такая маленькая конверсия в продажу из горячей заявки относительно соседних месяцев? Что могло повлиять?

Пишите свои варианты в комментарии, а я буду отвечать — валидно или нет!