ПРИВАТНОСТЬ · 152-ФЗ

Файлы обрабатываются локально в вашем браузере

Ничего не загружается на наши серверы. Все операции выполняются полностью в браузере через библиотеку parser. Файл не покидает ваше устройство.

Это значит: работает офлайн (после первой загрузки страницы), не зависит от лимитов сервера, персональные данные не обрабатываются нами в смысле 152-ФЗ — нечего хранить и нечего утечь.

БИЗ-0107локально в браузереCSV → heatmapревизия 2026-05-08

Когортный анализ retention

Загрузите CSV (user_id, signup_date, active_date) — получите матрицу удержания по неделям или месяцам с тепловой картой. Все данные обрабатываются локально.

⏱ ~1 мин · CSV до 10 МБ · локально в браузере

Анализ · БИЗ-0107|cohort retention matrix

calcal.ru / kohortnyj-analiz-retention-onlajn

Период:

Формат CSV: user_id,signup_date,active_date по одной строке на каждое событие. Все обработка локально, ничего на сервер не уходит.

Уникальных юзеров

5

Событий

10

Когорт

3

Когорта	Размер	M0	M1	M2	M3	M4	M5	M6	M7	M8	M9	M10	M11
2025-01	2	100%	100%	50%	0%	—	—	—	—	—	—	—	—
2025-02	2	100%	50%	0%	—	—	—	—	—	—	—	—	—
2025-03	1	100%	100%	—	—	—	—	—	—	—	—	—	—

Как читать. Строка — когорта (по дате регистрации). Колонка M0 — первый месяц (всегда 100 % активные = размер). M1 — % когорты, ставшей активной во второй месяц. Хороший SaaS: M1 ≥ 70 %, M3 ≥ 50 %, M6 ≥ 40 %. Плоская кривая после M2 — признак продакт-маркет фит.

Загрузка…

M0

всегда 100 %

≥ 70 %

M1 хороший SaaS

≥ 40 %

M6 средний продукт

smile

кривая = PMF

Что такое когорты

ККогорта — группа пользователей, объединённых датой первого действия. Это базовая единица продуктовой аналитики, потому что усреднённые метрики «всех пользователей вместе» скрывают реальную динамику. Допустим, ваше DAU стабильно 1 000 — это может означать как стабильную базу из старых юзеров с маленьким притоком, так и быстрый churn + столь же быстрое привлечение. Когорты разделяют эти сценарии.

Как читать матрицу

Каждая строка — одна когорта (например, «зарегистрировались в марте 2025»). Столбец M0 — первый месяц (всегда 100 %, размер когорты). M1 — % этой когорты, остававшейся активной во второй месяц после регистрации. M2 — в третий и т.д. Цвет ячейки помогает быстро увидеть здоровые и проблемные периоды.

Если ваш retention к 6-му месяцу опускается ниже 30 %, у вас не SaaS-бизнес, а рекламная воронка. Без удержания нет масштабирования.— Sequoia Capital, Cohort Analysis Guide

Главные паттерны кривых

Smiling curve — проседает к M1–M3, потом стабилизируется или растёт. Признак продакт-маркет фит.
L-shape — резкий обвал в M1, дальше плоский низкий уровень. Большинство юзеров уходит сразу — проблема активации.
Cliff — плавное снижение до определённого месяца, потом обвал. Часто — конец триала или истечение льготного тарифа.
Improving curves — каждая следующая когорта показывает retention лучше предыдущей. Продукт улучшается со временем.

ИСТОЧНИКИ

Cohort Analysis Guide. Sequoia Capital. sequoiacap.com. 2024.
Retention is the holy grail of growth. Andreessen Horowitz (a16z). a16z.com. 2023.
Best practices for cohort analysis. Amplitude Product Analytics. amplitude.com. 2024.
OpenView Product Benchmarks Report. OpenView Partners. openviewpartners.com. 2024.

Анализатор работает локально, данные не передаются на наши серверы. Для регулярного мониторинга используйте Yandex.Metrica, Amplitude, Mixpanel или собственный SQL-стек.

РАЗДЕЛ 04 · НЮАНСЫ

Что важно понимать

01

Что такое когорта

Группа клиентов, объединённых датой первого действия (регистрация, первая покупка). Матрица показывает, какая % этой группы возвращается в каждый последующий период.

02

M0 = 100 %

Первый период всегда 100 % — все юзеры активны в момент регистрации. Реально интересно начинается с M1, M2, M3.

03

Smiling curve

Хороший продукт: после провала в M1–M3 retention стабилизируется или растёт (улыбающаяся кривая) — это знак продакт-маркет фит.

04

L-shape

Плохой продукт: резкое падение и плоский низкий retention. Большинство юзеров уходят в первый месяц и не возвращаются. Нужно работать над активацией.

РАЗДЕЛ 05 · ПЛАН

Три шага к инсайтам

01ДАННЫЕ

Выгрузите события

Из CRM, БД или аналитики (Я.Метрика API, Mixpanel, Amplitude) экспортируйте 3 поля: user_id, signup_date, active_date. Любая регулярная активность подходит — заходы, покупки, клики.

02АНАЛИЗ

Найдите аномалии

Сравните когорты разных месяцев: если новые когорты держат retention лучше — продукт улучшается. Если хуже — изменения навредили.

03СЕГМЕНТЫ

Разрезайте по каналам

Когорты пользователей из разных каналов (контекст vs органика vs рефералы) дают кардинально разный retention. Считайте отдельно — найдёте «золотой» канал.

ЧАСТЫЕ ВОПРОСЫ

Часто задаваемые вопросы

Когортный анализ — методика разделения пользователей на группы по дате первого действия (когорту регистрации) и измерения их поведения во времени. Каждая когорта анализируется как отдельная группа на протяжении её «жизни». В отличие от средних агрегированных метрик (например, общее число активных юзеров), когортный анализ показывает реальную динамику удержания: что произошло именно с теми, кто пришёл в январе, в феврале, в марте.

Тепловая карта (heatmap) визуализирует когорты в виде матрицы: строки — даты регистрации, столбцы — последующие периоды (M0, M1, M2…), цвет ячейки — % retained. Сразу видно: 1) Где в путешествии пользователя самый большой провал (часто M1 — между регистрацией и активацией). 2) Улучшается ли продукт со временем — новые когорты с лучшим retention. 3) Сезонность — когорты декабря или января ведут себя иначе.

Зависит от продукта. SaaS B2B: M1 ≥ 90 %, M6 ≥ 75 %, M12 ≥ 60 %. SaaS B2C: M1 ≥ 70 %, M6 ≥ 40 %. E-commerce: возвратные покупки — M1 5–15 %, M3 10–25 % (ниже из-за длинного цикла). Mobile-приложения (Sequoia): D1 ≥ 25 %, D7 ≥ 10 %, D30 ≥ 4–5 %. «Magic numbers»: M1 retention выше 80 % — отличный SaaS, ниже 50 % — плохо. Smiling curve (стабилизация после спада) — признак PMF.

Заголовок в первой строке: user_id,signup_date,active_date. Далее — по строке на каждое событие активности. signup_date — дата регистрации (одинаковая для всех событий одного юзера). active_date — дата фактической активности. Пример: 1,2025-01-05,2025-01-05 (день регистрации) и 1,2025-01-05,2025-02-10 (вернулся через 36 дней). Даты в формате ISO YYYY-MM-DD. Один user_id может встречаться много раз — сколько раз он был активен. Все данные обрабатываются локально в вашем браузере.

Воронка — последовательность шагов в одном пути (регистрация → подписка → оплата → активация → ретеншн). Показывает, на каком шаге теряются пользователи. Когортный анализ — фиксирует группу и наблюдает её во времени без привязки к шагам. Это разные срезы одной картины: воронка отвечает «где мы теряем», когорты — «когда мы теряем». Идеально использовать вместе.

Из любой системы аналитики или БД: 1) Yandex.Metrica — экспорт через API (logsapi.yandex.ru). 2) Amplitude / Mixpanel — встроенный cohort-builder + CSV-экспорт. 3) Прямой SQL к продуктовой базе (PostgreSQL, ClickHouse). 4) Google Sheets / Excel при ручной выгрузке заказов из CRM. Для start-up без аналитики — экспортируйте список регистраций и логов входов из админки. Минимум для смыслового анализа — 100 пользователей и 3+ месяца истории.

Был ли этот калькулятор полезен?

ревизия · 8 мая 2026

ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ

Инструмент справочный — не заменяет эксперта

Только для информационных целей. Все расчёты, результаты и данные, предоставляемые инструментом, носят исключительно ознакомительный и справочный характер. Они не являются профессиональной консультацией — медицинской, юридической, финансовой, инженерной или иной.

Точность результатов. Калькулятор основан на общепринятых формулах и методиках, однако фактические результаты могут отличаться в зависимости от индивидуальных условий, исходных данных и применяемых стандартов. Мы не гарантируем полноту, точность или актуальность приведённых расчётов.

Профессиональные решения — медицинские, финансовые, инженерные — должны приниматься только после консультации с квалифицированным специалистом. Не используйте автоматический расчёт как единственное основание для важных решений.

Ограничение ответственности. Авторы и разработчики сервиса не несут ответственности за прямой или косвенный ущерб, возникший из-за использования данных расчётов. Пользователь принимает на себя всю ответственность за интерпретацию результатов.

СМЕЖНЫЕ ИНСТРУМЕНТЫ

Файлы обрабатываются локально в вашем браузере

Когортный анализ retention

Что такое когорты

Как читать матрицу

Главные паттерны кривых

Что важно понимать

Три шага к инсайтам

Выгрузите события

Найдите аномалии

Разрезайте по каналам

Часто задаваемые вопросы

Лиана Арифметова

Инструмент справочный — не заменяет эксперта

Похожие калькуляторы

Юнит-экономика SaaS / e-commerce

Калькулятор амортизации кредита (график платежей)

Калькулятор страхования (ОСАГО, КАСКО, жизнь)

Калькулятор консалтинговых услуг (ставка, проект)

Ипотечный калькулятор онлайн

Калькулятор оборачиваемости запасов

Калькулятор амортизации основных средств

Калькулятор пенсии РФ (ИПК, страховая, накопительная)

Калькулятор социальных выплат (больничный, декретные, пособия)

Калькулятор торгового финансирования (аккредитив, факторинг)

Калькулятор хеджирования (фьючерсы и опционы)

Калькулятор зарплаты (НДФЛ, взносы, на руки)

Калькулятор таможенных пошлин и платежей

Калькулятор оборотного капитала

Калькулятор дивидендов (доходность и DRIP)