Analisis Kohort: Cara Memahami Mengapa Pelanggan Bertahan atau Pergi
Analisis kohort mengungkapkan pola retensi yang tersembunyi dalam angka agregat Anda. Berikut adalah cara membacanya, membangunnya, dan bertindak berdasarkan apa yang Anda temukan.
Tingkat retensi keseluruhan Anda adalah 78%. Apakah itu baik? Itu sepenuhnya tergantung pada pelanggan mana yang bertahan dan yang mana yang pergi — dan itulah yang tidak dapat diberi tahu oleh angka retensi agregat Anda. Perusahaan dengan retensi 78% mungkin dengan sukses mempertahankan pelanggan paling berharganya sambil menguras yang baru, atau mungkin memegang basis pelanggan warisan sambil kohort terakhirnya churn dengan cepat. Agregat menyembunyikan kedua cerita. Analisis kohort mengungkapkannya.
Kohort hanyalah sekelompok pelanggan yang dimulai pada waktu yang sama — mendaftar dalam bulan yang sama, melakukan pembelian pertama dalam kuartal yang sama, atau upgrade dalam minggu yang sama. Dengan melacak setiap kohort secara independen dari waktu ke waktu, Anda dapat melihat bagaimana pola retensi berubah di berbagai periode sejarah perusahaan Anda. Hasilnya adalah salah satu diagnostik paling kuat yang tersedia untuk tim produk atau bisnis.
Cara membaca tabel retensi kohort
Tabel retensi kohort standar memiliki kohort akuisisi berjalan ke bawah baris (Januari, Februari, Maret...) dan bulan sejak akuisisi berjalan di seluruh kolom (Bulan 0, Bulan 1, Bulan 2...). Bulan 0 selalu 100% — itu adalah titik awal. Angka-angka di setiap baris menunjukkan persentase kohort itu yang masih aktif di setiap bulan berikutnya.
| Kohort | Bulan 0 | Bulan 1 | Bulan 2 | Bulan 3 | Bulan 4 | Bulan 5 | Bulan 6 |
|---|---|---|---|---|---|---|---|
| Januari | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Februari | 100% | 71% | 55% | 43% | 41% | 39% | — |
| Maret | 100% | 76% | 62% | 51% | 49% | — | — |
| April | 100% | 79% | 65% | 61% | — | — | — |
| Mei | 100% | 82% | 69% | — | — | — | — |
| Juni | 100% | 84% | — | — | — | — | — |
Tabel ini menceritakan kisah yang jelas: retensi telah meningkat secara signifikan setiap bulan. Kohort Januari hanya mempertahankan 34% pada Bulan 6, sementara kohort terakhir memegang 69–84% melalui dua bulan pertama mereka. Sesuatu berubah — mungkin peningkatan produk, alur onboarding yang lebih baik, atau perubahan saluran akuisisi yang membawa pelanggan yang lebih cocok. Angka retensi agregat akan sepenuhnya menyembunyikan ini.
Tiga pola untuk dicari
Setelah Anda memiliki tabel kohort, Anda mencari tiga pola spesifik. Masing-masing menunjuk ke masalah yang berbeda dan memerlukan perbaikan yang berbeda.
Penurunan awal yang curam: Jika retensi Bulan 0 ke Bulan 1 secara konsisten di bawah 50%, Anda memiliki masalah onboarding. Pelanggan mendaftar dan tidak menemukan nilai cukup cepat untuk tetap. Ini adalah pola paling umum di SaaS tahap awal dan paling dapat diperlakukan — onboarding yang lebih baik, waktu untuk nilai yang lebih cepat, dan keterlibatan awal yang lebih proaktif semua membantu.
Penurunan konsisten di semua kohort: Jika retensi terus menurun pada tingkat yang sama bulan demi bulan di semua kohort, Anda memiliki masalah nilai produk. Pelanggan mencoba produk, beberapa tetap awalnya, tetapi tidak ada nilai berkelanjutan yang cukup untuk membuat mereka tetap terlibat. Tidak ada peningkatan onboarding yang akan memperbaiki ini — produk itu sendiri perlu memberikan lebih banyak alasan untuk kembali.
Kurva "senyum" yang mendatar: Kurva retensi terbaik mendatar setelah penurunan awal. Pelanggan yang bertahan bulan pertama atau ketiga cenderung bertahan. Tujuannya adalah untuk memaksimalkan jumlah pelanggan yang mencapai titik infleksi itu. Jika kurva Anda tidak pernah mendatar — jika retensi terus menurun pada tingkat yang sama pada Bulan 6 seperti pada Bulan 1 — Anda tidak memiliki basis yang dipertahankan yang stabil, dan perhitungan LTV yang dibangun di atas kohort itu akan menyesatkan.
Angka paling penting dalam tabel kohort bukan persentase pada Bulan 6 — itu adalah kemiringan antara Bulan 0 dan Bulan 2. Di sinilah sebagian besar pelanggan hilang, dan di mana sebagian besar intervensi memiliki leverage.
Segmentasi kohort: di mana wawasan nyata hidup
Analisis kohort menjadi benar-benar kuat ketika Anda mensegmentasi kohort berdasarkan saluran akuisisi, tingkat harga, ukuran pelanggan, atau geografi. Tabel kohort yang menunjukkan retensi keseluruhan 60% setelah tiga bulan mungkin mengungkapkan bahwa pelanggan dari pencarian organik mempertahankan 75% sementara pelanggan media sosial berbayar mempertahankan 40%. Wawasan tunggal itu mengubah kerangka percakapan alokasi pemasaran seluruh.
Segmentasi nilai tertinggi pertama hampir selalu berdasarkan saluran akuisisi. Pelanggan yang menemukan Anda melalui rujukan, konten, atau pencarian organik biasanya mempertahankan pada tingkat materially yang lebih tinggi daripada yang diperoleh melalui kampanye berbayar yang luas. Jika data kohort Anda menunjukkan pola ini — dan biasanya terjadi — itu adalah argumen kuat untuk berinvestasi dalam program konten dan rujukan bahkan ketika akuisisi berbayar tampak lebih murah pada dasar biaya per akuisisi. CAC terlihat murah sampai Anda membangun retensi ke dalam model.
Apa yang harus dilakukan dengan tabel kohort yang menurun
Jika kohort terbaru Anda mempertahankan lebih buruk daripada yang lebih tua, itu adalah sinyal mendesak. Ini berarti sesuatu tentang produk Anda, akuisisi Anda, atau onboarding Anda menjadi lebih buruk — dan menjadi lebih buruk baru-baru ini. Periksa apa yang berubah. Apakah Anda membuka saluran akuisisi baru yang membawa pelanggan yang kurang memenuhi syarat? Apakah Anda mengirimkan fitur yang mengganggu alur kerja yang ada? Apakah Anda mengubah harga dengan cara yang menarik pelanggan yang tidak cocok?
Meningkatkan retensi kohort hampir selalu masalah produk dan onboarding sebelum masalah pemasaran. Urutan intervensi yang cenderung berhasil: pertama, identifikasi tindakan yang diambil pelanggan yang dipertahankan dalam dua minggu pertama yang tidak dilakukan oleh pelanggan yang churn. Kemudian, perancang ulang onboarding untuk mendorong tindakan-tindakan tersebut lebih awal. Kemudian, gunakan perilaku awal sebagai sinyal untuk mengidentifikasi pelanggan yang berisiko dan campur tangan sebelum mereka churn, bukan sesudahnya.
Kohort yang sudah lama terlihat bagus karena pelanggan yang bertahan, menurut definisi, adalah pelanggan paling puas dan yang paling cocok. Ketika Anda melihat retensi Bulan 24 dari kohort berusia dua tahun, Anda melihat populasi yang sudah disaring berat oleh churn. Jangan gunakan perilaku pelanggan yang dipertahankan lama sebagai model untuk apa yang akan dilakukan pelanggan baru — mereka adalah sampel yang dipilih, bukan sampel yang representatif.
Analisis kohort paling berguna ketika ditinjau secara konsisten daripada dijalankan sekali dan dilupakan. Di FabricLoop, tim produk dan pertumbuhan sering kali mempertahankan catatan bulanan dalam grup bersama mereka dengan snapshot kohort terbaru — tabel disegarkan dengan data terbaru, interpretasi satu paragraf dari apa yang bergerak dan mengapa, dan daftar tugas intervensi yang diuji terhadap kohort yang berisiko. Ketika analisis hidup bersama dengan tugas yang merespons, celah antara wawasan dan tindakan menyempit secara substansial.