Analiza kohort: Jak zrozumieć, dlaczego klienci zostają lub odchodzą
Analiza kohort ujawnia wzorce retencji ukryte w zagregowanych liczbach. Oto jak je czytać, jak je budować i jak działać na podstawie tego, co odkryjemy.
Twój całkowity wskaźnik retencji to 78%. Czy to dobrze? To zależy całkowicie od tego, których klientów zatrzymujesz, a których tracisz — i to dokładnie to, co nie może Ci powiedzieć zagregowana liczba retencji. Firma z 78% retencją może z powodzeniem zatrzymywać swoich najcenniejszych klientów, jednocześnie tracąc nowych, lub może trzymać się starszej bazy klientów, podczas gdy jej nowe kohorty szybko kurczą się. Agregacja skrywa oba historie. Analiza kohort je ujawnia.
Kohorta to po prostu grupa klientów, którzy zaczęli w tym samym czasie — zarejestrowali się w tym samym miesiącu, dokonali pierwszego zakupu w tym samym kwartale lub uaktualnili się w tym samym tygodniu. Śledząc każdą kohortę niezależnie w czasie, można zobaczyć, jak wzorce retencji zmieniają się w różnych okresach historii Twojej firmy. Rezultatem jest jeden z najpotężniejszych narzędzi diagnostycznych dostępnych dla zespołu produktu lub biznesu.
Jak czytać tabelę retencji kohort
Standardowa tabela retencji kohort ma kohorty akwizycji w wierszach (styczeń, luty, marzec...) i miesiące od akwizycji w kolumnach (miesiąc 0, miesiąc 1, miesiąc 2...). Miesiąc 0 to zawsze 100% — to punkt wyjścia. Liczby w każdym wierszu pokazują, jaki procent danej kohorty pozostał aktywny w każdym kolejnym miesiącu.
| Kohorta | Miesiąc 0 | Miesiąc 1 | Miesiąc 2 | Miesiąc 3 | Miesiąc 4 | Miesiąc 5 | Miesiąc 6 |
|---|---|---|---|---|---|---|---|
| Styczeń | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Luty | 100% | 71% | 55% | 43% | 41% | 39% | — |
| Marzec | 100% | 76% | 62% | 51% | 49% | — | — |
| Kwiecień | 100% | 79% | 65% | 61% | — | — | — |
| Maj | 100% | 82% | 69% | — | — | — | — |
| Czerwiec | 100% | 84% | — | — | — | — | — |
Tabela ta mówi jasną historię: retencja znacznie się poprawia każdego miesiąca. Kohorta ze stycznia utrzymywała jedynie 34% w miesiącu 6, podczas gdy nowsze kohorty utrzymują 69–84% podczas ich pierwszych dwóch miesięcy. Coś się zmieniło — prawdopodobnie ulepszenie produktu, lepszy przepływ onboardingu lub zmiana kanału akwizycji, która przyprowadziła lepiej dopasowanych klientów. Zagregowana liczba retencji całkowicie by to zamaskowała.
Trzy wzory do szukania
Gdy masz już tabelę kohort, szukasz trzech specyficznych wzorów. Każdy wskazuje na inny problem i wymaga innego rozwiązania.
Stromy wstępny spadek: Jeśli retencja od miesiąca 0 do miesiąca 1 jest konsekwentnie poniżej 50%, masz problem z onboardingiem. Klienci rejestrują się i nie znajdują wystarczająco szybko wartości, aby zostać. To najbardziej powszechny wzór we wczesnym SaaS i najłatwiejszy do leczenia — lepszy onboarding, szybszy czas do wartości i bardziej proaktywne wczesne zaangażowanie wszystko pomaga.
Konsekwentny spadek wszystkich kohort: Jeśli retencja spada w tym samym tempie miesiąc za miesiącem dla wszystkich kohort, masz problem z wartością produktu. Klienci próbują produktu, niektórzy pozostają na początku, ale nie ma wystarczającej ciągłej wartości, aby ich utrzymać. Żadne ulepszenie onboardingu tego nie naprawi — sam produkt musi dostarczać więcej powodów do powrotu.
Krzywa "uśmiechu", która się wyrównuje: Najlepsze krzywe retencji wyrównują się po wstępnym spadku. Klienci, którzy przetrwają pierwsze dwa lub trzy miesiące, zwykle zostają. Celem jest maksymalizacja liczby klientów, którzy osiągną ten punkt przegięcia. Jeśli Twoja krzywa nigdy się nie wyrównuje — jeśli retencja spada w tym samym tempie w miesiącu 6 co w miesiącu 1 — nie masz stabilnej bazy zatrzymania, a obliczenia LTV oparte na tej kohortcie będą mylące.
Najważniejszą liczbą w tabeli kohort nie jest procent w miesiącu 6 — to nachylenie między miesiącem 0 a miesiącem 2. To miejsce, gdzie tracisz najwyżej klientów i gdzie większość interwencji ma wpływ.
Segmentacja kohort: gdzie żyją rzeczywiste spostrzeżenia
Analiza kohort staje się naprawdę potężna, gdy segmentujesz kohorty według kanału akwizycji, poziomu ceny, wielkości klienta czy lokalizacji. Tabela kohort pokazująca 60% retencji po trzech miesiącach może ujawnić, że klienci z organicznego wyszukiwania utrzymują 75%, a klienci z płaconych mediów społecznych utrzymują zaledwie 40%. Ta pojedyncza spostrzeżenie zmienia całą konwersację na temat alokacji marketingu.
Najbardziej wartościowa pierwsza segmentacja to prawie zawsze kanał akwizycji. Klienci, którzy cię znajdują przez referencje, treść lub wyszukiwanie organiczne, zwykle zatrzymują się w znacznie wyższych wskaźnikach niż ci pozyskiwani przez szerokie kampanie płatne. Jeśli Twoje dane kohort pokazują ten wzór — a zwykle tak jest — to silny argument dla inwestowania w treści i programy referralne, nawet jeśli akwizycja płatna wydaje się tańsza na CAC. CAC wygląda tanio, dopóki nie włożysz retencji do modelu.
Co robić z malejącą tabelą kohort
Jeśli Twoje najnowsze kohorty utrzymują się gorzej niż starsze, jest to pilny sygnał. Oznacza to, że coś w Twoim produkcie, akwizycji lub onboardingu uległo pogorszeniu — i pogorszeniu się niedawno. Sprawdź, co się zmieniło. Otworzyłeś nowy kanał akwizycji, który przynosi mniej kwalifikowanych klientów? Dostarczyłeś funkcję, która zaburzyła istniejący przepływ pracy? Zmieniłeś ceny w sposób, który przyciągał klientów, którzy nie byli dobrym dopasowaniem?
Poprawa retencji kohort to prawie zawsze problem produktu i onboardingu zanim stanie się problemem marketingu. Sekwencja interwencji, która zwykle działa: najpierw zidentyfikuj działania, które zatrzymani klienci podejmują w ciągu pierwszych dwóch tygodni, których nie podejmują klienci, którzy się churned. Następnie przeprojektuj onboarding, aby te działania odbywały się wcześniej. Następnie użyj wczesnego zachowania jako sygnału do identyfikacji zagrożonych klientów i interweniuj przed churnem, a nie po.
Długoterminowe kohorty wyglądają wspaniale, ponieważ klienci, którzy zostali, są z definicji Twoimi najbardziej zadowolonymi i najlepiej dopasowanymi klientami. Gdy patrzysz na retencję miesiąca 24 w dwuletniej kohortcie, widzisz populację, która została już znacznie filtrowana przez churn. Nie używaj zachowania długoterminowo zatrzymywanych klientów jako modelu tego, co będą robić nowi klienci — to wybrany przykład, a nie reprezentatywny.
Analiza kohort jest najwartościowsza, gdy jest regularnie przeglądana zamiast uruchamiania raz i zapomnienia. W FabricLoop zespoły produktu i wzrostu często utrzymują miesięczną notatkę w swojej wspólnej grupie ze zaktualizowaną migawką kohorty — tabelą odświeżoną najnowszymi danymi, jednoparagrafową interpretacją tego, co się zmieniło i dlaczego, oraz listą zadań interwencji testowanych na zagrożonych kohortach. Gdy analiza żyje obok zadań, które na nią reagują, przepaść między spostrzeżeniem a akcją znacznie się zmniejsza.