В отчёте сравнили LTV когорты пользователей января и когорты ноября на конец ноября и сделали вывод, что ноябрь «хуже». В чём ключевая проблема такого вывода?
AУ когорт разный горизонт наблюдения: ноябрьская не успела накопить выручку, сравнивать нужно на одинаковом возрасте
BLTV корректно считается только по всей базе пользователей сразу: разбивка на когорты добавляет шум и завышает поздние когорты
CПри неизменном среднем доходе на пользователя кривая LTV у всех когорт совпадает в любой момент времени по построению
DУ когорт разные источники привлечения по месяцам, и сравнение LTV двух календарных когорт смещено каналом, а не возрастом
Правильный ответ. LTV растёт со временем, поэтому сравнение когорт требует одинакового возраста и единых правил окна.
Разбор
Январская когорта имела месяцы, чтобы накопить платежи, а ноябрьская — всего несколько недель, поэтому прямое сравнение на одну дату почти всегда смещено. Корректнее сравнивать LTV на одинаковом возрасте когорты (например, на 30-й день) или строить кривые когорт. Иначе можно принять неверные решения по ценообразованию или платному контенту, думая, что новые пользователи стали хуже. Этот принцип критичен для продуктовой аналитики монетизации.
Можно заниматься бесплатно
Готовим вопросы…
Три вопроса по теме этой страницы, с объяснениями.
Ещё вопросы по теме «Монетизация и юнит-экономика»
- В freemium-приложении вы хотите понять, сколько в среднем приносит один платящий пользователь за месяц. Какая метрика отвечает на этот вопрос?
- Как корректнее считать месячный ARPU в модели freemium, где платит только часть аудитории?
- Вы тестируете новый экран оплаты и хотите измерить конверсию в оплату именно из просмотра этого экрана. Что должно быть в знаменателе?
- Как лучше всего интерпретировать `LTV` в продукте с подпиской?
- После изменения цен конверсия в оплату упала, но `ARPU` вырос. Какое объяснение наиболее вероятно?
- Все вопросы по «Монетизация и юнит-экономика» →