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.
Проверь себя · 1/3разбор после ответа
Вы тестируете новый экран оплаты и хотите измерить конверсию в оплату именно из просмотра этого экрана. Что должно быть в знаменателе?
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» →