Налаштування когортного аналізу мобільного застосунку

Ми часто бачимо, як команди орієнтуються на DAU, але не помічають, що retention падає. Наш досвід показує: day-1 retention 40% і day-7 retention 20% — ознаки різних проблем. Когортний аналіз — єдиний спосіб побачити реальну поведінку користувачів. Він показує, як поводяться користувачі одного тижня встановлення через 7, 14, 30 днів після першого запуску. Агрегований DAU приховує деградацію: якщо нові користувачі приходять швидше, ніж ідуть старі, DAU зростає — а утримання падає. Когорти це показують. Поняття когортного аналізу широко використовується в мобільній аналітиці. Однак на практиці стикаються з типовими помилками: нестабільний ідентифікатор користувача, неправильний вибір першої цінної дії, відсутність розбивки за версіями. Ці проблеми спотворюють дані, вводячи команду в оману. Зв'яжіться з нами, щоб налаштувати когортний аналіз коректно.

Що потрібно для когортного аналізу

Дві обов'язкові умови: стабільний user_id і подія активації. Без них когорта не будується коректно. Економія на рекламному бюджеті після точного налаштування може досягати 20%.

User ID має бути однаковим при перевстановленні застосунку. Якщо генерувати новий щоразу, користувач завжди буде в новій когорті. Рішення:

• iOS: Keychain для зберігання згенерованого UUID (переживає видалення застосунку)
• Android: AccountManager або server-side ID після реєстрації
• Після авторизації: Analytics.setUserId(serverUserId) — користувач прив'язується до акаунту

Подія активації — перша дія, яка показує цінність продукту. Для різних застосунків різна:

Вибір події активації впливає на те, що показує когорта. app_open — занадто широко, включає випадкових користувачів. premium_purchase — занадто вузько для аналізу утримання всієї аудиторії.

Чому важливий stable user_id?

Без стабільного ідентифікатора ви не зможете відрізнити нового користувача від того, хто повернувся після перевстановлення. Це призводить до завищення кількості нових користувачів і заниження утримання. Ми гарантуємо правильне налаштування Keychain та AccountManager на основі вашої платформи. За нашими даними, 90% клієнтів до налаштування мали нестабільність user_id, що спотворювало когорти на 50% і більше. Отримайте аудит поточної аналітики — оцінимо стабільність user_id та коректність подій безкоштовно.

Як вибрати подію активації?

Подія активації має відображати перший момент, коли користувач отримує користь. Наприклад, для фітнес-застосунку це workout_completed, а не app_open. Один із наших клієнтів (фітнес-застосунок) після налаштування когорт за workout_completed виявив, що утримання у тих, хто завершив перше тренування в перші 2 дні, на 30% вище. Ми змінили онбордінг, підштовхуючи до першого тренування, і retention виріс на 15% за місяць. Зверніться за консультацією, щоб підібрати подію активації для вашого застосунку.

Реалізація когортного аналізу

Firebase / BigQuery — налаштування когортного аналізу

Firebase сам будує Retention Chart у розділі Analytics, але з обмеженою гнучкістю. Для глибокого аналізу експортуємо сирі дані в BigQuery через Firebase → Integrations → BigQuery. Далі SQL:

-- Когорта по тижнях встановлення, retention на 7-й день
WITH cohorts AS (
    SELECT
        user_pseudo_id,
        DATE_TRUNC(MIN(PARSE_DATE('%Y%m%d', event_date)), WEEK) AS cohort_week,
        MIN(event_timestamp) AS first_open_ts
    FROM `project.analytics_*.events_*`
    WHERE event_name = 'first_open'
    GROUP BY user_pseudo_id
),
activity AS (
    SELECT DISTINCT
        user_pseudo_id,
        DATE_TRUNC(PARSE_DATE('%Y%m%d', event_date), WEEK) AS activity_week
    FROM `project.analytics_*.events_*`
    WHERE event_name = 'session_start'
)
SELECT
    c.cohort_week,
    DATE_DIFF(a.activity_week, c.cohort_week, WEEK) AS week_number,
    COUNT(DISTINCT c.user_pseudo_id) AS cohort_size,
    COUNT(DISTINCT a.user_pseudo_id) AS retained_users,
    ROUND(COUNT(DISTINCT a.user_pseudo_id) / COUNT(DISTINCT c.user_pseudo_id) * 100, 1) AS retention_pct
FROM cohorts c
LEFT JOIN activity a ON c.user_pseudo_id = a.user_pseudo_id
GROUP BY 1, 2
ORDER BY 1, 2

Цей запит дає retention-таблицю по тижнях.

Amplitude

В Amplitude когортний аналіз — нативний інструмент у розділі Retention Analysis. Налаштовуємо:

1. Starting Event — first_open або подія активації
2. Return Event — session_start або app_open
3. Групування по днях/тижнях
4. Breakdown по: джерелу встановлення, платформі, версії застосунку

Amplitude дозволяє порівнювати когорти поруч — зручно бачити, чи покращилося утримання після продуктового оновлення.

Mixpanel

У Mixpanel розділ Retention будує класичну retention-матрицю. Додатково є Lifecycle — показує, який відсоток користувачів повертається після тривалої відсутності. Для казуальних ігор це важлива метрика.

Порівняння інструментів для когортного аналізу

Поведінкові когорти

Крім часових когорт (за датою встановлення) корисні поведінкові когорти — групи користувачів, які виконали певну дію. Наприклад, в Amplitude Behavioural Cohorts можна сегментувати користувачів за діями: "додав у кошик", "поділився контентом".

# Приклад логіки в BigQuery:
# Когорта: користувачі, які завершили онбордінг
# Питання: який їхній retention vs користувачі, які пропустили онбордінг?

Якщо утримання у тих, хто завершив онбордінг, в 2 рази вище — це доказ, що онбордінг потрібно покращувати, а не скорочувати.

Типові проблеми при налаштуванні когортного аналізу

• Нестабільний user_id — дані спотворені.
• Неправильна подія активації — когорта не відображає цінність.
• Використання лише app_open як повернення — змішуються сесії та активні користувачі.
• Відсутність breakdown за версіями — не видно ефекту оновлень.

Наш досвід включає налаштування когортного аналізу для застосунків з аудиторією від 10 000 до 5 млн користувачів. Ми гарантуємо коректне відображення retention та LTV.

Що входить у роботу

• Аудит стабільності user_id в поточній реалізації
• Визначення подій активації спільно з продакт-менеджером
• Налаштування когортного аналізу в Firebase + BigQuery / Amplitude / Mixpanel
• SQL-запити для кастомних когортних звітів
• Налаштування поведінкових когорт для ключових гіпотез
• Документація та передача команді

Строки

Налаштування когортного аналізу в готовому інструменті (Amplitude/Mixpanel): 1–2 дні. BigQuery + кастомні SQL-запити: 2–4 дні. Вартість розраховується індивідуально.

Отримайте аудит поточної аналітики — оцінимо стабільність user_id та коректність подій безкоштовно.

Аналітика мобільних застосунків: Firebase, Amplitude, AppsFlyer та атрибуція

Наша команда регулярно стикається з проектами, де аналітика вже «налаштована», але реальних інсайтів немає. Типовий приклад — стартап з 50k DAU: трекінг десятків подій без жодної відповіді на питання «чому користувачі не доходять до оплати». За два тижні ми побудували базову воронку і з'ясували, що 70% аудиторії відвалюється на екрані верифікації номера телефону. Після локалізації бага retention зріс на 12%. Висновок: аналітика повинна починатися з конкретних питань, а не з трекінгу всього підряд.

Чому таксономія подій — основа аналітики мобільних застосунків?

Firebase Analytics, Amplitude, Mixpanel — технічно схожі. Різниця в тому, що ви в них кладете. Типова помилка: події screen_view, button_tap_1, button_tap_2 без контексту. Через місяць ніхто не пам'ятає, що таке button_tap_2.

Правильна таксономія: об'єкт + дія + контекст. product_viewed, checkout_started, payment_completed з параметрами product_id, category, price, source. Це дозволяє будувати воронки, когортний аналіз та retention без додаткового трекінгу.

Ми фіксуємо naming convention у tracking plan — документі (Google Sheet або Amplitude Data Catalog), де описано кожну подію, її параметри та умови спрацьовування. Tracking plan синхронізується з командою аналітиків до початку розробки, а не після. Такий підхід гарантує, що через місяць дані залишаться інтерпретованими, а не перетворяться на звалище. Досвід впровадження на 50+ проектах підтверджує: при відсутності tracking plan вартість підтримки аналітики зростає у 2-3 рази за рахунок переробок.

Що обрати для аналітики мобільних застосунків: Firebase, Amplitude чи Mixpanel?

Таблиця нижче показує ключові відмінності трьох популярних платформ. Вибір залежить від бюджету, трафіку та завдань.

Firebase Analytics — безкоштовно, глибока інтеграція з Google Ads, BigQuery-експорт для сирих даних. Обмеження: затримка даних до 24 годин, обмежені воронки. Для стартапів з Google Ads трафіком — перший вибір.

Amplitude — продуктова аналітика з акцентом на когорти та шляхи користувача. Journeys (колишній Pathfinder) показує реальні шляхи між подіями — не передбачувані воронки, а фактичні маршрути. Session Replay — запис сесій для UX-аналізу. Безкоштовний тир до 10 млн events/місяць достатній для більшості продуктів на старті.

Mixpanel — ближче до Amplitude, сильніший у сегментації в реальному часі. Insights, Funnels, Retention — базові інструменти, які закривають 90% аналітичних завдань продакта.

Більш формальні визначення цих платформ можна знайти у Wikipedia (Firebase) та Wikipedia (Amplitude).

Як вирішити проблему мультиканальної атрибуції з AppsFlyer?

Знати звідки прийшов користувач — окреме завдання. Firebase Attribution працює лише всередині Google-екосистеми. Для мультиканальної атрибуції (Facebook Ads, TikTok, Apple Search Ads, programmatic) потрібен MMP — Mobile Measurement Partner.

AppsFlyer — лідер ринку. OneLink — universal deep link, який працює на iOS та Android і коректно атрибутує встановлення з будь-якого каналу. Protect360 — вбудований захист від fraud (фейкові встановлення, click injection на Android). Adjust та Branch — конкуренти з подібним функціоналом. Branch сильний у deep linking; Adjust популярний у gaming.

Згідно з Apple, з iOS 14.5 застосунки повинні отримувати дозвіл користувача через ATT перед збором IDFA для відстеження. AppsFlyer використовує probabilistic matching (IP + user agent + timing) для цих користувачів — точність нижча, але краще ніж нічого. SKAdNetwork та Privacy Preserving Attribution надають агреговані дані від Apple із затримкою 24-72 години.

Як налаштувати crash-аналітику, щоб не пропускати баги?

Firebase Crashlytics — стандарт для crash reporting. Автоматично групує креші за стектрейсом, показує affected users %, velocity alerts при зростанні crash rate більш ніж на 10% за годину.

Важливо: символікація. На iOS .dSYM файли повинні автоматично завантажуватися при кожній збірці — через Fastlane upload_symbols_to_crashlytics або Xcode Cloud built-in. Без символів креш у Crashlytics виглядає як набір адрес пам'яті. Це трапляється частіше, ніж здається при переході на новий CI — в одному проекті з аудиторією 500k користувачів ми виявили, що 40% крешів залишалися несимволізованими через пропущений етап у CI/CD. Після автоматизації час реакції на баги скоротився з 3 годин до 15 хвилин.

Для React Native та Flutter — @sentry/react-native та sentry_flutter дають додатковий контекст: breadcrumbs, мережеві запити перед крешем, стан Redux/Provider.

Нижче — порівняння популярних інструментів crash-аналітики для вибору під свої завдання.

Налаштування оточення

Три оточення з окремими Firebase проектами: dev, staging, production. Змішувати аналітику з тестових сесій і production — поширена помилка, яка спотворює всі метрики. На iOS через GoogleService-Info.plist для кожної схеми, на Android через google-services.json у папці кожного flavor.

Терміни: базова аналітика з Firebase + Crashlytics — 3-5 днів. Повноцінний tracking plan + Amplitude/Mixpanel з воронками та когортами — 2-3 тижні. Атрибуція через AppsFlyer з deep linking та fraud protection — 1-2 тижні. Вартість розраховується індивідуально залежно від складності інтеграцій.

Що входить у нашу роботу

В рамках впровадження аналітики ми надаємо:

• Розробку та узгодження tracking plan з командами продукту та маркетингу.
• Інтеграцію SDK (Firebase, Amplitude, Mixpanel, AppsFlyer) з урахуванням вашого стеку (Swift/Kotlin/Flutter/React Native).
• Налаштування воронок, когорт, дашбордів та алертів.
• Автоматизацію символікації та завантаження .dSYM через Fastlane.
• Документацію щодо подій та параметрів.
• Навчання команди роботі з аналітичною платформою.
• Два тижні пост-релізної підтримки та коригування трекінгу.

Наш досвід — 7 років впровадження аналітики та понад 80 успішних проектів у сфері мобільної розробки. Ми гарантуємо коректність даних і прозорість кожного етапу.

Зв'яжіться з нами, щоб отримати консультацію з налаштування аналітики вашого застосунку. Замовте аудит поточної аналітики — і ми покажемо, які метрики ви втрачаєте.