Analisi per Coorte: Come Capire Perché i Clienti Rimangono o Se Ne Vanno
L'analisi per coorte rivela gli schemi di retention nascosti dentro i tuoi numeri aggregati. Ecco come leggerla, costruirla, e agire su quello che trovi.
Il tuo tasso di retention complessivo è 78%. È buono? Dipende interamente da quali clienti rimangono e quali se ne vanno — e esattamente quello che il tuo numero di retention aggregato non può dirti. Un'azienda con 78% di retention potrebbe essere mantenendo con successo i suoi clienti più preziosi mentre sanguina i più nuovi, o potrebbe tenere una base di clienti legacy mentre le sue coorti recenti abbandonano rapidamente. L'aggregato nasconde entrambe le storie. L'analisi per coorte le rivela.
Una coorte è semplicemente un gruppo di clienti che hanno iniziato nello stesso momento — si sono iscritti nello stesso mese, hanno fatto il loro primo acquisto nello stesso trimestre, o hanno fatto l'upgrade nella stessa settimana. Tracciando ogni coorte indipendentemente nel tempo, puoi vedere come gli schemi di retention cambiano tra i diversi periodi della storia della tua azienda. Il risultato è uno dei più potenti diagnostici disponibili a un team di prodotto o business.
Come leggere una tabella di retention per coorte
Una tabella standard di retention per coorte ha coorti di acquisizione che corrono giù per le righe (Gennaio, Febbraio, Marzo...) e mesi da acquisizione che corrono attraverso le colonne (Mese 0, Mese 1, Mese 2...). Il Mese 0 è sempre 100% — è il punto di partenza. I numeri attraverso ogni riga mostrano quale percentuale di quella coorte era ancora attiva in ogni mese successivo.
| Coorte | Mese 0 | Mese 1 | Mese 2 | Mese 3 | Mese 4 | Mese 5 | Mese 6 |
|---|---|---|---|---|---|---|---|
| Gennaio | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Febbraio | 100% | 71% | 55% | 43% | 41% | 39% | — |
| Marzo | 100% | 76% | 62% | 51% | 49% | — | — |
| Aprile | 100% | 79% | 65% | 61% | — | — | — |
| Maggio | 100% | 82% | 69% | — | — | — | — |
| Giugno | 100% | 84% | — | — | — | — | — |
Questa tabella racconta una storia chiara: la retention è migliorata significativamente ogni mese. La coorte di Gennaio ha retention solo al 34% al Mese 6, mentre le coorti più recenti si mantengono al 69–84% attraverso i loro primi due mesi. Qualcosa è cambiato — probabilmente un miglioramento del prodotto, un flusso di onboarding migliore, o un cambiamento nel canale di acquisizione che ha portato clienti meglio adatti. Il numero di retention aggregato avrebbe completamente mascherato questo.
I tre schemi a cui guardare
Una volta che hai una tabella per coorte, stai cercando tre schemi specifici. Ognuno punta a un problema diverso e richiede un fix diverso.
Un crollo iniziale ripido: Se la retention da Mese 0 a Mese 1 è coerentemente sotto il 50%, hai un problema di onboarding. I clienti si iscrivono e non trovano valore abbastanza velocemente per restare. Questo è lo schema più comune in SaaS in fase iniziale e il più trattabile — onboarding migliore, time-to-value più veloce, e engagement iniziale più proattivo aiutano tutti.
Declino coerente attraverso tutte le coorti: Se la retention continua a declinare allo stesso tasso mese dopo mese attraverso tutte le coorti, hai un problema di valore del prodotto. I clienti provano il prodotto, alcuni rimangono inizialmente, ma non c'è abbastanza valore continuo per tenerli engaged. Nessuna quantità di miglioramento dell'onboarding risolverà questo — il prodotto stesso ha bisogno di consegnare più ragioni per tornare.
Una curva "sorriso" che si appiattisce: Le migliori curve di retention si appiattiscono dopo un calo iniziale. I clienti che sopravvivono ai primi due o tre mesi tendono a restare. L'obiettivo è massimizzare il numero di clienti che raggiungono quel punto di inflessione. Se la tua curva non si appiattisce mai — se la retention continua a declinare allo stesso tasso al Mese 6 come al Mese 1 — non hai una base di clienti treattenuta stabile, e i calcoli di LTV costruiti su quella coorte saranno fuorvianti.
Il numero più importante in una tabella per coorte non è la percentuale al Mese 6 — è la pendenza tra Mese 0 e Mese 2. È dove la maggior parte dei clienti viene persa, ed è dove la maggior parte degli interventi hanno leva.
Segmentare le coorti: dove vive il vero insight
L'analisi per coorte diventa davvero potente quando segmenti le coorti per canale di acquisizione, livello di prezzo, dimensione del cliente, o geografia. Una tabella per coorte che mostra una retention complessiva del 60% dopo tre mesi potrebbe rivelare che i clienti da ricerca organica hanno un 75% di retention mentre i clienti di social a pagamento hanno un 40%. Quel singolo insight riconfigura l'intera conversazione di allocazione di marketing.
La segmentazione di più alto valore è quasi sempre per canale di acquisizione. I clienti che ti trovano attraverso referral, contenuto, o ricerca organica tipicamente mantengono a tassi materialmente più alti di quelli acquisiti attraverso campagne a pagamento ampie. Se i tuoi dati per coorte mostrano questo schema — e di solito lo fanno — è un forte argomento per investire in programmi di contenuto e referral anche quando l'acquisizione a pagamento sembra più economica su una base costo-per-acquisizione. Il CAC sembra economico finché non costruisci la retention nel modello.
Cosa fare con una tabella per coorte in declino
Se le tue coorti più recenti mantenevano peggio di quelle più vecchie, è un segnale urgente. Significa che qualcosa del tuo prodotto, della tua acquisizione, o del tuo onboarding è peggiorato — e è peggiorato di recente. Controlla cosa è cambiato. Hai aperto un nuovo canale di acquisizione che porta clienti meno qualificati? Hai spedito una funzionalità che ha interrotto un flusso di lavoro esistente? Hai cambiato il pricing in un modo che ha attratto clienti che non erano un buon adattamento?
Migliorare la retention delle coorti è quasi sempre un problema di prodotto e onboarding prima di essere un problema di marketing. La sequenza di interventi che tende a funzionare: primo, identifica le azioni che i clienti trattenuti intraprendono nelle loro prime due settimane che i clienti che abbandonano non fanno. Quindi, ridisegna l'onboarding per guidare quelle azioni più presto. Quindi, usa il comportamento iniziale come segnale per identificare i clienti a rischio e intervieni prima che abbandonino, piuttosto che dopo.
Le coorti di lunga durata sembrano ottime perché i clienti che sono rimasti sono, per definizione, i tuoi clienti più soddisfatti e meglio adatti. Quando guardi la retention del Mese 24 di una coorte di due anni fa, stai vedendo una popolazione che è già stata pesantemente filtrata da abbandono. Non usare il comportamento dei clienti a lunga permanenza come un modello per quello che i nuovi clienti faranno — sono un campione selezionato, non uno rappresentativo.
L'analisi per coorte è più utile quando è rivista coerentemente piuttosto che eseguita una volta e dimenticata. In FabricLoop, i team di prodotto e crescita spesso mantengono una nota mensile nel loro gruppo condiviso con un'istantanea di coorte aggiornata — la tabella aggiornata con i dati più recenti, un'interpretazione paragrafo di cosa è cambiato e perché, e una lista di compiti di interventi testati contro le coorti a rischio. Quando l'analisi vive affiancata ai compiti che vi rispondono, il divario tra insight e azione si riduce sostanzialmente.