Analisis Kohort: Cara Memahami Mengapa Pelanggan Tinggal atau Pergi
Analisis kohort mengungkapkan pola retensi yang tersembunyi dalam angka gabungan Anda. Berikut cara membaca, membuat, dan bertindak atas apa yang Anda temukan.
Tingkat retensi keseluruhan Anda adalah 78%. Apakah itu bagus? Itu tergantung sepenuhnya pada pelanggan mana yang tinggal dan mana yang pergi — dan itulah yang tidak dapat diungkapkan oleh angka retensi gabungan Anda. Sebuah perusahaan dengan retensi 78% mungkin berhasil mempertahankan pelanggan paling berharganya sambil berdarah yang terbaru, atau mungkin memegang basis pelanggan warisan sambil kohort baru churn dengan cepat. Agregat menyembunyikan kedua cerita. Analisis kohort mengungkapkannya.
Kohort adalah sekadar kelompok pelanggan yang mulai pada waktu yang sama — mendaftar di bulan yang sama, melakukan pembelian pertama di kuartal yang sama, atau ditingkatkan di minggu yang sama. Dengan melacak setiap kohort secara independen seiring waktu, Anda dapat melihat bagaimana pola retensi berubah di seluruh periode perusahaan Anda yang berbeda. 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 turun baris (Januari, Februari, Maret...) dan bulan sejak akuisisi berjalan di seluruh kolom (Bulan 0, Bulan 1, Bulan 2...). Bulan 0 selalu 100% — itulah titik awal. Angka di seluruh setiap baris menunjukkan persentase berapa dari 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 yang lebih baru mempertahankan 69–84% melalui dua bulan pertama mereka. Sesuatu berubah — mungkin peningkatan produk, aliran onboarding yang lebih baik, atau perubahan dalam saluran akuisisi yang membawa pelanggan yang lebih cocok. Angka retensi gabungan akan menyembunyikan ini sepenuhnya.
Tiga pola yang harus dicari
Setelah Anda memiliki tabel kohort, Anda mencari tiga pola spesifik. Masing-masing menunjukkan 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 dengan cukup cepat untuk tinggal. Ini adalah pola paling umum dalam SaaS tahap awal dan paling dapat diperlakukan — onboarding yang lebih baik, waktu ke nilai lebih cepat, dan keterlibatan awal yang lebih proaktif semuanya 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 tinggal awalnya, tetapi tidak ada nilai berkelanjutan yang cukup untuk membuat mereka tetap terlibat. Tidak ada jumlah peningkatan onboarding yang akan memperbaiki ini — produk itu sendiri perlu memberikan lebih banyak alasan untuk kembali.
Kurva "senyum" yang rata: Kurva retensi terbaik rata setelah penurunan awal. Pelanggan yang bertahan dua atau tiga bulan pertama cenderung tetap. Tujuannya adalah memaksimalkan jumlah pelanggan yang mencapai titik infleksi itu. Jika kurva Anda tidak pernah rata — jika retensi terus menurun dengan 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. Itulah di mana sebagian besar pelanggan hilang, dan di mana sebagian besar intervensi memiliki leverage.
Segmentasi kohort: di mana wawasan sebenarnya hidup
Analisis kohort menjadi benar-benar kuat ketika Anda membagi 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 membingkai kembali seluruh percakapan alokasi pemasaran.
Segmentasi nilai tertinggi pertama hampir selalu menurut saluran akuisisi. Pelanggan yang menemukan Anda melalui rujukan, konten, atau pencarian organik biasanya mempertahankan tingkat yang secara material lebih tinggi daripada yang diperoleh melalui kampanye berbayar yang luas. Jika data kohort Anda menunjukkan pola ini — dan biasanya demikian — itu adalah argumen kuat untuk berinvestasi dalam konten dan program rujukan bahkan ketika akuisisi berbayar tampak lebih murah berdasarkan 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 lama, itu adalah sinyal mendesak. Artinya sesuatu tentang produk, akuisisi, atau onboarding Anda memburuk — dan memburuk baru-baru ini. Periksa apa yang berubah. Apakah Anda membuka saluran akuisisi baru yang membawa pelanggan yang kurang qualified? Apakah Anda mengirim fitur yang mengganggu alur kerja yang ada? Apakah Anda mengubah harga dengan cara yang menarik pelanggan yang bukan kecocokan yang baik?
Meningkatkan retensi kohort hampir selalu masalah produk dan onboarding sebelum masalah pemasaran. Urutan intervensi yang cenderung bekerja: pertama, identifikasi tindakan yang dilakukan pelanggan yang dipertahankan dalam dua minggu pertama mereka yang tidak dilakukan pelanggan churn. Kemudian, desain ulang onboarding untuk mendorong tindakan itu lebih awal. Kemudian, gunakan perilaku awal sebagai sinyal untuk mengidentifikasi pelanggan berisiko dan intervensi sebelum mereka churn, daripada sesudahnya.
Kohort bertenor lama terlihat hebat karena pelanggan yang tinggal, menurut definisi, adalah yang paling puas dan yang paling cocok. Ketika Anda melihat retensi Bulan 24 dari kohort berusia dua tahun, Anda melihat populasi yang telah disaring dengan 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 yang representatif.
Analisis kohort paling berguna ketika ditinjau secara konsisten daripada dijalankan sekali dan dilupakan. Di FabricLoop, tim produk dan pertumbuhan sering mempertahankan catatan bulanan dalam grup bersama mereka dengan snapshot kohort yang diperbarui — tabel yang disegarkan dengan data terbaru, interpretasi satu paragraf tentang apa yang bergerak dan mengapa, dan daftar tugas intervensi yang diuji terhadap kohort berisiko. Ketika analisis hidup bersama dengan tugas yang meresponsnya, kesenjangan antara wawasan dan tindakan menyempit secara substansial.