Средние показатели вам врут — вот что смотреть вместо них
Самая большая ложь в аналитике прячется прямо на виду: среднее значение.
Оно делает цифры аккуратными и понятными — 3% CR, $60 AOV, $300 LTV. Но за этими «красивыми» числами часто скрываются проваленное привлечение, убыточные когорты или товары, которые тихо съедают маржу.
Опасность очевидна: если вы доверяете среднему, вы будете принимать решения, которые выглядят логичными на бумаге, но оборачиваются провалом на практике. Вопрос в том — что смотреть вместо?
Почему средние вводят в заблуждение
- Они скрывают аномалии.
Представьте 100 заказов: 99 из них примерно по $50, и один случайный заказ на $10 000. Средний AOV взлетает выше $150, хотя для 99% клиентов реальность совсем другая. - Они размывают сегменты.
Общий CR = 3%. Звучит нормально. Но если разделить: возвратные клиенты конвертятся в 8%, новые — всего в 0,5%. Среднее скрывает, что привлечение не работает. - Они сглаживают динамику.
В первом месяце CR был 5%, во втором — 1%. Среднее за два месяца — 3%, выглядит «стабильно». На деле же показатели рухнули. - Они искажают длинные хвосты.
40% клиентов тратят $20, остальные распределены от $30 до $300, и лишь пара человек накидывает заказы по $500+. Средний чек вроде бы $60, но «среднего» покупателя на самом деле не существует.
Кейс: иллюзия LTV
Команда радостно отчиталась: средний LTV = $300.
При CAC $100 это выглядело как идеальное соотношение 3:1.
Но проблема в том, что $300 — это смешанное историческое среднее. Старые когорты и несколько VIP-клиентов тянули цифру вверх. А текущая когорта давала всего $120–150 LTV.
Опираясь на среднее, менеджмент поднял допустимый CAC и начал масштабировать рекламные расходы. Итог? Большинство новых клиентов так и не отбили стоимость привлечения. «Рост» быстро превратился в отток денег.
Так невинное на вид среднее способно подтолкнуть к неверным шагам. Что же использовать вместо, если не хочется попасть в эту ловушку?
Что использовать вместо средних
Хорошая новость: для этого не нужны сложные инструменты. Пара простых подходов даст гораздо более честную картину — и убережёт от решений, которые на бумаге прибыльные, а в реальности убыточные.
Сегментация
Сегментация — это когда вы перестаёте смотреть на одну сваленную в кучу цифру и делите её на важные группы: новые и возвратные клиенты, каналы, устройства, категории товаров. Суть не в том, чтобы «порезать ради интереса» — у каждой группы должно быть своё решение.
- Общая цифра может скрывать проваленный сегмент.
- Вы чините то, что реально сломано, а не всё подряд.
- Можно расставить приоритеты: какие группы тащат бизнес, а какие тянут вниз.
👉 Сегментация показала: проблема не в целом магазине, а именно в обуви. Значит, вместо того чтобы запускать дорогую кампанию «бесплатный возврат для всех», достаточно улучшить таблицы размеров и фото для обувных товаров.
Распределения
Распределение показывает не только среднее, но и как именно распределены значения: что делает большинство клиентов, где основная масса заказов и сколько экстремальных выбросов растягивает хвост.
- Среднее скрывает форму данных.
- Видно, где на самом деле «живёт» большинство.
- Выбросы перестают диктовать общую историю.
👉 Распределение показало, что «типичный» клиент тратит около $40–45. Значит, вместо того чтобы рассчитывать на «средний» $60, логичнее строить апселлы и бандлы именно вокруг реальной массы покупателей.
Медиана
Медиана — это как «короткий путь» к распределению: одна цифра, но отражающая реальное среднее значение, а не растянутое выбросами.
- Показывает реальный центр данных.
- Устойчива к аномалиям.
- Даёт одну цифру, но более честную, чем среднее.
👉 Медиана показала, что большинство пользователей проводят всего пару минут, поэтому вместо радости за «7 минут вовлечения» нужно разобраться, почему так много людей уходит так быстро.
Процентили
Процентили позволяют увидеть, как распределены клиенты по уровням: что делают нижние 20%, где середина, и как ведёт себя топ-10%. Это как увеличить распределение и поставить на нём контрольные точки.
- Видно хвосты, а не только середину.
- Можно оценить риски (слабые клиенты) и возможности (топ-сегменты).
- Удобно ставить реалистичные бенчмарки и CAC-лимиты.
- Средний LTV: $300
- 70-й перцентиль: $120 (70% клиентов не дотягивают выше $120)
- 90-й перцентиль: $500 (только 10% клиентов тратят больше $500)
👉 Процентили показали, что большинство клиентов находятся сильно ниже среднего. Значит, вместо того чтобы ставить CAC, исходя из $300, безопаснее ориентироваться на $120–150.
Когорты
Когортный анализ — это группировка клиентов по дате первой покупки и отслеживание их поведения во времени. Вместо одной смешанной цифры видно, как ведут себя разные «поколения» клиентов.
- Видно изменения в качестве клиентов со временем.
- Понятно, сильнее или слабее стали новые волны.
- Можно связать результаты с кампаниями, сезонами или запусками.
👉 Когорты показали, что новые клиенты приносят намного меньше. Значит, вместо того чтобы радоваться среднему $180, нужно разбираться в каналах и офферах, которые привели когорту Q3.
Вывод
Средние кажутся безопасными, потому что они простые. Но в аналитике «просто» часто значит «слепо». Одна цифра скрывает аномалии, замыливает сегменты и создаёт иллюзию уверенности там, где на самом деле риск.
Вывод очевиден: средние не помогают принимать решения — они их маскируют. Чтобы увидеть реальность, нужно вскрывать цифры: сегментами, когортами, распределениями, перцентилями.
И в конце концов выбор всегда один: продолжать гнаться за средними и гнаться за иллюзиями, или копнуть глубже и наконец увидеть правду в своих метриках.