Когортный анализ и возвращаемость: как смотреть удержание на контентном сайте

Что такое когорта и зачем она нужна

Когортой называют группу посетителей, у которых есть общий признак. Чаще всего это время первого визита: все, кто впервые пришёл на сайт на этой неделе. Когортный анализ следит за такой группой во времени и отвечает на вопрос: какая доля людей вернулась через неделю, через две, через месяц. Общий показатель вернувшихся посетителей эту картину размывает: в нём смешаны и давние читатели, и вчерашние. Когорта же показывает динамику: улучшилась ли возвращаемость после изменений на сайте.

Для контентного сайта возвращаемость особенно важна. Читатель, который вернулся, знает ваш сайт и доверяет ему, а привлечь его повторно дешевле, чем нового. Подходящие показатели для блога: как измерять эффективность блога.

Как выглядит таблица удержания

Читать таблицу нужно построчно: как ведёт себя каждая группа, и по столбцам: становится ли новая группа лучше предыдущей. В примере доля вернувшихся через неделю растёт с 8 до 11 процентов, значит, что-то из сделанного работает.

Где взять данные

• Отчёты аналитики. Во многих системах, в том числе в Метрике, есть готовый отчёт по когортам; доступность и вид зависят от системы.
• Сегмент «вернувшиеся». Если отчёта нет, сравните долю вернувшихся посетителей по неделям: сегментация посетителей.
• Выгрузка данных. Для подробного анализа можно выгрузить визиты и посчитать самостоятельно: API и сырые данные Метрики.

from datetime import date

visits = [
    ("a", date(2026, 9, 1)), ("a", date(2026, 9, 9)),
    ("b", date(2026, 9, 1)),
    ("c", date(2026, 9, 2)), ("c", date(2026, 9, 20)),
]

first = {}
for user, day in sorted(visits, key=lambda v: v[1]):
    first.setdefault(user, day)

def back(days):
    return {u for u, d in visits if 1 <= (d - first[u]).days <= days}

print(len(back(7)) / len(first), len(back(30)) / len(first))

Скрипт находит дату первого визита каждого посетителя и считает долю тех, кто вернулся в течение недели и месяца. Данные аналитики приходят в другом виде, но принцип тот же.

Как проводить анализ

1. Определите когорту: неделя первого визита, источник первого визита, тип первой страницы.
2. Выберите периоды, подходящие вашему контенту: для новостей — дни, для руководств — недели и месяцы.
3. Постройте таблицу и обратите внимание на «хвост»: после какого срока возвращаемость перестаёт падать.
4. Сравните когорты: например, пришедшие из поиска и по ссылкам из рассылки.

Что влияет на возвращение читателей

• Понятная тематика. Читатель возвращается, если знает, чего ждать.
• Регулярность. Публикации по расписанию приучают возвращаться.
• Связанные материалы. Перелинковка удерживает человека внутри сайта: ссылки из блога.
• Способы напомнить о себе: подписка, рассылка, уведомления. Их использование требует согласия посетителей, формулировки уточняйте у юриста.
• Скорость и удобство сайта, особенно на телефоне.

Ограничения и ошибки

• Идентификатор посетителя хранится в браузере, поэтому очистка cookie и смена устройства «обнуляют» человека. Возвращаемость в реальности выше, чем в отчёте: аналитика без cookie.
• Не сравнивайте когорты разного размера без учёта случайных колебаний: у малых групп процент прыгает.
• Не оценивайте новостные и справочные сайты одним критерием: разовый визит за нужным ответом — нормальное поведение.

Какие показатели считать рядом с когортами

• Доля вернувшихся за 7 и 30 дней — основной показатель для блога.
• Число визитов на одного вернувшегося — показывает, насколько плотно люди пользуются сайтом.
• Источник возврата: прямой заход, поиск или рассылка. Если люди возвращаются через поиск, вы рискуете тем, что они каждый раз выбирают вас заново.
• Страницы первого визита. Какие материалы приводят людей, которые потом возвращаются, — берите в образец.

Частые вопросы