Analisis Kohort: Cara Memahami Mengapa Pelanggan Bertahan atau Pergi
Analisis kohort mengungkap pola retensi yang tersembunyi di balik angka agregat Anda. Berikut cara membaca, menyusun, dan menindaklanjuti temuannya.
Tingkat retensi keseluruhan Anda 78%. Apakah itu bagus? Semuanya bergantung pada pelanggan mana yang bertahan dan mana yang pergi — dan itulah yang tidak bisa diungkapkan oleh angka retensi agregat Anda. Perusahaan dengan retensi 78% mungkin berhasil mempertahankan pelanggan paling berharganya sambil kehilangan pelanggan barunya, atau mungkin mempertahankan basis pelanggan lama sementara kohort terbarunya cepat churn. Angka agregat menyembunyikan kedua cerita itu. Analisis kohort mengungkapnya.
Kohort adalah sekelompok pelanggan yang mulai pada waktu yang sama — mendaftar di bulan yang sama, melakukan pembelian pertama di kuartal yang sama, atau melakukan upgrade di minggu yang sama. Dengan melacak setiap kohort secara terpisah dari waktu ke waktu, Anda bisa melihat bagaimana pola retensi berubah di berbagai periode perjalanan perusahaan Anda. Hasilnya adalah salah satu alat diagnostik paling ampuh yang tersedia bagi tim produk atau bisnis.
Cara membaca tabel retensi kohort
Tabel retensi kohort standar menempatkan kohort akuisisi di baris (Januari, Februari, Maret...) dan bulan sejak akuisisi di kolom (Bulan 0, Bulan 1, Bulan 2...). Bulan 0 selalu 100% — itu titik awalnya. Angka-angka di setiap baris menunjukkan persentase kohort tersebut yang masih aktif pada tiap 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 meningkat signifikan dari bulan ke bulan. Kohort Januari hanya mempertahankan 34% pada Bulan 6, sementara kohort terbaru bertahan di 69–84% selama dua bulan pertama. Ada sesuatu yang berubah — mungkin perbaikan produk, alur onboarding yang lebih baik, atau perubahan saluran akuisisi yang membawa pelanggan yang lebih cocok. Angka retensi agregat akan menutupi semua ini sepenuhnya.
Tiga pola yang perlu dicari
Setelah memiliki tabel kohort, Anda mencari tiga pola tertentu. Masing-masing menunjuk ke masalah yang berbeda dan memerlukan solusi yang berbeda.
Penurunan awal yang curam: Jika retensi dari Bulan 0 ke Bulan 1 secara konsisten di bawah 50%, Anda punya masalah onboarding. Pelanggan mendaftar tetapi tidak menemukan nilai secepat itu untuk bertahan. Ini pola yang paling umum pada SaaS tahap awal sekaligus yang paling bisa diatasi — onboarding yang lebih baik, time-to-value yang lebih cepat, dan keterlibatan awal yang lebih proaktif, semuanya membantu.
Penurunan konsisten di semua kohort: Jika retensi terus menurun dengan laju yang sama dari bulan ke bulan di semua kohort, Anda punya masalah nilai produk. Pelanggan mencoba produk, sebagian awalnya bertahan, tetapi tidak ada cukup nilai berkelanjutan untuk membuat mereka tetap terlibat. Perbaikan onboarding sebanyak apa pun tidak akan menyelesaikannya — produknya sendiri harus memberi lebih banyak alasan untuk kembali.
Kurva "senyum" yang mendatar: Kurva retensi terbaik mendatar setelah penurunan awal. Pelanggan yang bertahan melewati dua atau tiga bulan pertama cenderung terus bertahan. Tujuannya adalah memaksimalkan jumlah pelanggan yang mencapai titik infleksi itu. Jika kurva Anda tidak pernah mendatar — jika retensi terus turun dengan laju yang sama di Bulan 6 seperti di Bulan 1 — Anda tidak memiliki basis pelanggan setia yang stabil, dan perhitungan LTV yang didasarkan pada kohort itu akan menyesatkan.
Angka terpenting dalam tabel kohort bukanlah persentase pada Bulan 6, melainkan kemiringan antara Bulan 0 dan Bulan 2. Di situlah sebagian besar pelanggan hilang, dan di situlah sebagian besar intervensi paling berpengaruh.
Segmentasi kohort: tempat wawasan sebenarnya berada
Analisis kohort menjadi benar-benar ampuh ketika Anda mensegmentasi kohort berdasarkan saluran akuisisi, tingkat harga, ukuran pelanggan, atau wilayah geografis. Tabel kohort yang menunjukkan retensi keseluruhan 60% setelah tiga bulan bisa saja mengungkap bahwa pelanggan dari pencarian organik bertahan 75% sementara pelanggan dari media sosial berbayar hanya 40%. Satu wawasan itu saja mengubah seluruh percakapan tentang alokasi anggaran pemasaran.
Segmentasi pertama yang paling bernilai hampir selalu berdasarkan saluran akuisisi. Pelanggan yang menemukan Anda lewat rujukan, konten, atau pencarian organik biasanya bertahan pada tingkat yang jauh lebih tinggi daripada yang didapat lewat kampanye berbayar yang luas. Jika data kohort Anda menunjukkan pola ini — dan biasanya memang begitu — itu argumen kuat untuk berinvestasi pada konten dan program rujukan, bahkan ketika akuisisi berbayar tampak lebih murah jika dilihat dari biaya per akuisisi. CAC terlihat murah sampai Anda memasukkan retensi ke dalam model.
Apa yang harus dilakukan jika tabel kohort menurun
Jika kohort terbaru Anda bertahan lebih buruk daripada kohort yang lebih lama, itu sinyal yang mendesak. Artinya ada yang memburuk pada produk, akuisisi, atau onboarding Anda — dan memburuknya belum lama ini. Periksa apa yang berubah. Apakah Anda membuka saluran akuisisi baru yang membawa pelanggan yang kurang berkualitas? Apakah Anda merilis fitur yang mengganggu alur kerja yang sudah ada? Apakah Anda mengubah harga dengan cara yang menarik pelanggan yang kurang cocok?
Meningkatkan retensi kohort hampir selalu merupakan masalah produk dan onboarding sebelum menjadi masalah pemasaran. Urutan intervensi yang cenderung berhasil: pertama, identifikasi tindakan yang dilakukan pelanggan yang bertahan dalam dua minggu pertama tetapi tidak dilakukan pelanggan yang churn. Kedua, rancang ulang onboarding agar mendorong tindakan itu lebih awal. Ketiga, gunakan perilaku awal sebagai sinyal untuk mengidentifikasi pelanggan yang berisiko churn dan lakukan intervensi sebelum mereka churn, bukan sesudahnya.
Kohort yang sudah lama terlihat bagus karena pelanggan yang bertahan, menurut definisinya, adalah pelanggan yang paling puas dan paling cocok. Ketika Anda melihat retensi Bulan 24 dari kohort berusia dua tahun, Anda melihat populasi yang sudah disaring ketat oleh churn. Jangan jadikan perilaku pelanggan lama sebagai model untuk perilaku pelanggan baru — mereka adalah sampel terpilih, bukan sampel yang representatif.
Analisis kohort paling berguna jika ditinjau secara konsisten, bukan dijalankan sekali lalu dilupakan. Di FabricLoop, tim produk dan pertumbuhan sering memelihara catatan bulanan di grup bersama mereka berisi snapshot kohort terbaru — tabel yang diperbarui dengan data terbaru, interpretasi satu paragraf tentang apa yang bergerak dan mengapa, serta daftar tugas intervensi yang diuji pada kohort berisiko. Ketika analisis berada berdampingan dengan tugas-tugas yang menindaklanjutinya, jarak antara wawasan dan tindakan menyempit secara signifikan.