Продуктовая аналитика для маркетинга

Когорты в SaaS: почему «активация» без разбиения по моменту — это самообман

В SaaS я всё чаще вижу одну и ту же ошибку в воронках и дашбордах: команда считает активацию как одно событие и складывает всех пользователей в один поток. В итоге метрика вроде “% активированных” превращается в красивую, но бесполезную цифру — потому что когорта по сути отсутствует.

Моя практическая позиция простая: для управления воронкой нужны не события, а сравнимые группы во времени. Без этого вы оптимизируете не продукт и не маркетинг, а календарь — сезонность, изменения качества трафика, версии онбординга, работу саппорта и даже банальную разницу в выдержке пользователей до первого касания с value.

Как я это формализую

1) Когорта по моменту регистрации/первого касания (T0)
— например, по неделе регистрации в trial или по дню создания workspace.
— дальше мы смотрим удержание и “дожим” на горизонте 7/14/30 дней.

2) Событие активации без “одного порога”
Вместо “активирован, если сделал X” я почти всегда разделяю активацию на два слоя:
— техническая активация (первое успешное действие в продукте: подключил источник, создал сущность, прошёл нужный шаг)
— ценностная активация (первый результат, который пользователь считает полезным: например, первая запланированная рассылка с отправкой/первый отчёт с выгрузкой и просмотром результата).
Даже если это всё ещё одно событие, важно различать, где оно лежит по времени относительно T0.

3) Отдельные когортные карты для сегментов, а не только “все пользователи”
В 2026 году, когда privacy-first атрибуция и модели инкрементальности вытесняют last-click, агрегирование “по всем” особенно опасно: вы теряете управляемость. Один сегмент может “заводиться” в продукт быстрее, другой — дольше созревает, третий — требует кастомного онбординга. В общей сумме всё усредняется и выглядит одинаково.

Единичное наблюдение из практики (и почему оно меня переубедило)

В одном проекте мы перестали смотреть “конверсию в activation” как KPI и вместо этого построили когорты trial-юзеров по неделям T0. Оказалось, что активация почти не менялась (на уровне ~48–51%), но удержание через 30 дней плавало от 14% до 22%. Причина была не в “качестве продукта”, а в том, как по времени сдвигалась ценностная активация: в недели с лучшим 30-day retention пользователи чаще приходили в тот сценарий, где value появлялся раньше 48 часов после T0. То есть продукт “тот же”, а маркетинг/онбординг меняли темп до первого результата.

Это важный вывод: активация может быть стабильной, а выручка — нет. Поэтому воронка должна быть временной.

Как использовать это в работе маркетолога (без усложнений)

— Берите 2–3 ключевых шага и введите метрики “скорость до ценности”, а не только факт события.
— Стройте retention-матрицу когортами по T0 и проверяйте, где ломается наклон кривых: в ранней части (скорость) или в середине (обработка возражений, снижение фрикции, успех интеграций).
— Старайтесь привязать изменения маркетинга не к “что мы сделали”, а к “как изменилось распределение времени до value” в конкретных когортных линиях.

В RevOps-логике (выручка как общая ответственность) это особенно здраво: вы перестаёте спорить “у кого лучше лиды” и начинаете обсуждать “в каком сегменте и в какой момент пользователь достигает результата”. Там, где есть разбиение по времени и группе, управляемость появляется снова.

Если хотите, в следующем посте разберу шаблон когортной таблицы именно для SaaS: какие оси выбрать и какие события лучше считать ценностью, чтобы модель не воровала смысл у метрик.

— @ProductAnalyticsMK

1 view06:42