Analisis Kohort: Cara Memahami Mengapa Pelanggan Kekal atau Pergi
Analisis kohort mendedahkan corak pengekalan yang tersembunyi dalam angka agregat anda. Inilah cara membacanya, membinanya, dan bertindak berdasarkan penemuan anda.
Kadar pengekalan keseluruhan anda ialah 78%. Adakah itu bagus? Ia bergantung sepenuhnya pada pelanggan mana yang kekal dan mana yang pergi — dan itulah yang tidak dapat didedahkan oleh angka pengekalan agregat anda. Sebuah syarikat dengan pengekalan 78% mungkin berjaya mengekalkan pelanggannya yang paling bernilai sambil kehilangan pelanggan terbaharu, atau mungkin mengekalkan asas pelanggan lama sementara kohort terkini churn dengan pantas. Angka agregat menyembunyikan kedua-dua kisah itu. Analisis kohort mendedahkannya.
Kohort ialah sekumpulan pelanggan yang bermula pada masa yang sama — mendaftar pada bulan yang sama, membuat pembelian pertama pada suku tahun yang sama, atau menaik taraf pada minggu yang sama. Dengan menjejaki setiap kohort secara berasingan dari semasa ke semasa, anda dapat melihat bagaimana corak pengekalan berubah merentasi tempoh-tempoh berbeza dalam sejarah syarikat anda. Hasilnya ialah salah satu diagnostik paling berkuasa yang tersedia untuk pasukan produk atau perniagaan.
Cara membaca jadual pengekalan kohort
Jadual pengekalan kohort yang standard mempunyai kohort pemerolehan di sepanjang baris (Januari, Februari, Mac...) dan bulan sejak pemerolehan di sepanjang lajur (Bulan 0, Bulan 1, Bulan 2...). Bulan 0 sentiasa 100% — itulah titik permulaan. Angka di sepanjang setiap baris menunjukkan peratusan kohort itu yang masih aktif pada 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% | — |
| Mac | 100% | 76% | 62% | 51% | 49% | — | — |
| April | 100% | 79% | 65% | 61% | — | — | — |
| Mei | 100% | 82% | 69% | — | — | — | — |
| Jun | 100% | 84% | — | — | — | — | — |
Jadual ini menceritakan kisah yang jelas: pengekalan bertambah baik dengan ketara setiap bulan. Kohort Januari hanya mengekalkan 34% pada Bulan 6, sementara kohort yang lebih baharu mengekalkan 69–84% sepanjang dua bulan pertama mereka. Sesuatu telah berubah — mungkin penambahbaikan produk, aliran onboarding yang lebih baik, atau perubahan dalam saluran pemerolehan yang membawa pelanggan yang lebih sesuai. Angka pengekalan agregat akan menyembunyikan perkara ini sepenuhnya.
Tiga corak yang perlu dicari
Apabila anda mempunyai jadual kohort, anda mencari tiga corak khusus. Setiap satunya menunjukkan masalah yang berbeza dan memerlukan penyelesaian yang berbeza.
Penurunan awal yang curam: Jika pengekalan Bulan 0 ke Bulan 1 secara konsisten di bawah 50%, anda mempunyai masalah onboarding. Pelanggan mendaftar tetapi tidak menemui nilai dengan cukup pantas untuk kekal. Ini corak yang paling lazim dalam SaaS peringkat awal dan paling mudah ditangani — onboarding yang lebih baik, masa ke nilai yang lebih singkat, dan pelibatan awal yang lebih proaktif semuanya membantu.
Penurunan konsisten merentas semua kohort: Jika pengekalan terus menurun pada kadar yang sama dari bulan ke bulan merentas semua kohort, anda mempunyai masalah nilai produk. Pelanggan mencuba produk, sebahagian kekal pada mulanya, tetapi tiada nilai berterusan yang cukup untuk memastikan mereka terus terlibat. Sebanyak mana pun penambahbaikan onboarding tidak akan menyelesaikan ini — produk itu sendiri perlu memberi lebih banyak sebab untuk mereka kembali.
Lengkung "senyuman" yang mendatar: Lengkung pengekalan terbaik mendatar selepas penurunan awal. Pelanggan yang bertahan dua atau tiga bulan pertama cenderung kekal. Matlamatnya ialah memaksimumkan bilangan pelanggan yang sampai ke titik perubahan itu. Jika lengkung anda tidak pernah mendatar — jika pengekalan terus menurun pada kadar yang sama pada Bulan 6 seperti pada Bulan 1 — anda tidak mempunyai asas pelanggan kekal yang stabil, dan pengiraan LTV yang dibina atas kohort itu akan mengelirukan.
Angka paling penting dalam jadual kohort bukan peratusan pada Bulan 6 — ia ialah kecuraman antara Bulan 0 dan Bulan 2. Di situlah kebanyakan pelanggan hilang, dan di situlah kebanyakan intervensi mempunyai impak terbesar.
Segmentasi kohort: tempat cerapan sebenar berada
Analisis kohort menjadi benar-benar berkuasa apabila anda membahagikan kohort mengikut saluran pemerolehan, tahap harga, saiz pelanggan atau geografi. Jadual kohort yang menunjukkan pengekalan keseluruhan 60% selepas tiga bulan mungkin mendedahkan bahawa pelanggan daripada carian organik mengekalkan 75% manakala pelanggan media sosial berbayar mengekalkan 40%. Satu cerapan itu sahaja membingkaikan semula keseluruhan perbualan tentang peruntukan pemasaran.
Segmentasi bernilai tertinggi yang pertama hampir selalunya mengikut saluran pemerolehan. Pelanggan yang menemui anda melalui rujukan, kandungan atau carian organik biasanya mengekalkan kadar yang jauh lebih tinggi daripada mereka yang diperoleh melalui kempen berbayar yang luas. Jika data kohort anda menunjukkan corak ini — dan lazimnya begitu — itu hujah kukuh untuk melabur dalam kandungan dan program rujukan walaupun pemerolehan berbayar nampak lebih murah berdasarkan kos setiap pemerolehan. CAC kelihatan murah sehingga anda memasukkan pengekalan ke dalam model.
Apa yang perlu dilakukan jika jadual kohort menunjukkan penurunan
Jika kohort terbaharu anda mengekalkan pelanggan dengan lebih buruk daripada kohort yang lebih lama, itu isyarat mendesak. Ini bermakna ada sesuatu tentang produk, pemerolehan atau onboarding anda yang semakin merosot — dan merosot baru-baru ini. Periksa apa yang berubah. Adakah anda membuka saluran pemerolehan baharu yang membawa pelanggan yang kurang layak? Adakah anda melancarkan ciri yang mengganggu aliran kerja sedia ada? Adakah anda mengubah harga dengan cara yang menarik pelanggan yang kurang sesuai?
Meningkatkan pengekalan kohort hampir selalunya merupakan masalah produk dan onboarding sebelum menjadi masalah pemasaran. Urutan intervensi yang cenderung berkesan: pertama, kenal pasti tindakan yang dilakukan oleh pelanggan yang kekal dalam dua minggu pertama mereka tetapi tidak dilakukan oleh pelanggan yang churn. Kemudian, reka bentuk semula onboarding untuk menggalakkan tindakan itu lebih awal. Seterusnya, gunakan tingkah laku awal sebagai isyarat untuk mengenal pasti pelanggan berisiko dan campur tangan sebelum mereka churn, bukannya selepas itu.
Kohort yang sudah lama kelihatan hebat kerana pelanggan yang kekal, mengikut takrifan, ialah yang paling berpuas hati dan paling sesuai. Apabila anda melihat pengekalan Bulan 24 daripada kohort berusia dua tahun, anda melihat populasi yang telah ditapis dengan ketat oleh churn. Jangan gunakan tingkah laku pelanggan lama yang kekal sebagai model bagi apa yang akan dilakukan oleh pelanggan baharu — mereka sampel terpilih, bukan sampel yang mewakili.
Analisis kohort paling berguna apabila disemak secara konsisten dan bukannya dijalankan sekali lalu dilupakan. Dalam FabricLoop, pasukan produk dan pertumbuhan sering menyimpan nota bulanan dalam kumpulan bersama mereka dengan syot kilat kohort yang dikemas kini — jadual yang disegarkan dengan data terkini, tafsiran satu perenggan tentang apa yang bergerak dan sebabnya, serta senarai tugas intervensi yang diuji terhadap kohort berisiko. Apabila analisis berada bersama tugas yang menjawabnya, jurang antara cerapan dan tindakan mengecil dengan ketara.