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 odkryjesz.
Twój ogólny wskaźnik retencji wynosi 78%. Czy to dobry wynik? To zależy całkowicie od tego, których klientów zatrzymujesz, a których tracisz — i właśnie tego nie powie Ci zagregowany wskaźnik 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 odpływają. Agregacja skrywa obie 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 przeszli na wyższy plan 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 jedno z najpotężniejszych narzędzi diagnostycznych dostępnych dla zespołu produktowego lub biznesowego.
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% | — | — | — | — | — |
Ta tabela opowiada jasną historię: retencja wyraźnie poprawia się z miesiąca na miesiąc. Kohorta ze stycznia utrzymała w 6. miesiącu tylko 34% klientów, podczas gdy nowsze kohorty w pierwszych dwóch miesiącach utrzymują 69–84%. Coś się zmieniło — prawdopodobnie ulepszono produkt, poprawiono proces onboardingu albo zmieniono kanał pozyskiwania na taki, który przyciąga lepiej dopasowanych klientów. Zagregowany wskaźnik retencji całkowicie by to zamaskował.
Trzy wzorce, na które warto zwrócić uwagę
Gdy masz już tabelę kohort, szukasz trzech konkretnych wzorców. Każdy wskazuje na inny problem i wymaga innego rozwiązania.
Gwałtowny spadek na początku: jeśli retencja między miesiącem 0 a miesiącem 1 jest stale poniżej 50%, masz problem z onboardingiem. Klienci rejestrują się, ale zbyt późno dostrzegają wartość, by zostać. To najczęstszy wzorzec w SaaS na wczesnym etapie i najłatwiejszy do naprawienia — pomagają lepszy onboarding, krótszy czas do uzyskania wartości i bardziej proaktywne zaangażowanie od pierwszych dni.
Stały spadek we wszystkich kohortach: jeśli retencja spada w tym samym tempie miesiąc po miesiącu we wszystkich kohortach, masz problem z wartością produktu. Klienci próbują produktu, część zostaje na początku, ale brakuje stałej wartości, która utrzymałaby ich zaangażowanie. Żadna poprawa onboardingu tego nie naprawi — sam produkt musi dawać więcej powodów do powrotu.
Krzywa „uśmiechu”, która się wypłaszcza: najlepsze krzywe retencji wypłaszczają się po początkowym spadku. Klienci, którzy przetrwają pierwsze dwa–trzy miesiące, zwykle zostają. Celem jest zwiększenie liczby klientów, którzy dotrą do tego punktu przegięcia. Jeśli Twoja krzywa nigdy się nie wypłaszcza — jeśli w 6. miesiącu retencja spada w tym samym tempie co w 1. — nie masz stabilnej bazy utrzymanych klientów, a obliczenia LTV oparte na tej kohorcie będą mylące.
Najważniejszą liczbą w tabeli kohort nie jest wartość procentowa w 6. miesiącu, lecz nachylenie krzywej między miesiącem 0 a miesiącem 2. Tam traci się najwięcej klientów i tam większość działań ma największą dźwignię.
Segmentacja kohort: gdzie kryją się prawdziwe wnioski
Analiza kohort staje się naprawdę skuteczna, gdy segmentujesz kohorty według kanału pozyskania, planu cenowego, wielkości klienta lub lokalizacji. Tabela kohort, w której ogólna retencja po trzech miesiącach wynosi 60%, może ujawnić, że klienci z wyszukiwania organicznego mają retencję 75%, a klienci z płatnych social mediów — zaledwie 40%. Ten jeden wniosek zmienia całą dyskusję o alokacji budżetu marketingowego.
Najwartościowszą pierwszą segmentacją jest niemal zawsze podział według kanału pozyskania. Klienci, którzy trafiają do Ciebie przez polecenia, treści lub wyszukiwanie organiczne, zwykle mają zauważalnie wyższą retencję niż ci pozyskani przez szerokie kampanie płatne. Jeśli Twoje dane o kohortach pokazują ten wzorzec — a zwykle tak jest — to mocny argument za inwestowaniem w treści i programy poleceń, nawet jeśli pozyskiwanie płatne wydaje się tańsze w przeliczeniu na koszt pozyskania klienta. CAC wygląda na niski, dopóki nie uwzględnisz retencji w modelu.
Co robić, gdy tabela kohort pokazuje pogarszającą się retencję
Jeśli Twoje najnowsze kohorty mają gorszą retencję niż starsze, to pilny sygnał. Oznacza to, że coś w produkcie, pozyskiwaniu klientów lub onboardingu się pogorszyło — i to niedawno. Sprawdź, co się zmieniło. Czy uruchomiłeś nowy kanał pozyskiwania, który przyprowadza mniej wykwalifikowanych klientów? Czy wdrożyłeś funkcję, która zaburzyła istniejący sposób pracy? Czy zmieniłeś ceny tak, że zaczęli się pojawiać klienci słabo dopasowani do produktu?
Poprawa retencji kohort to niemal zawsze najpierw problem produktu i onboardingu, a dopiero potem marketingu. Kolejność działań, która zwykle się sprawdza: najpierw ustal, jakie działania w ciągu pierwszych dwóch tygodni podejmują klienci, którzy zostali, a nie podejmują ich klienci, którzy zrezygnowali. Następnie przeprojektuj onboarding tak, by te działania pojawiały się wcześniej. Potem wykorzystaj wczesne zachowanie jako sygnał do wskazania klientów zagrożonych odejściem i reaguj, zanim zrezygnują, a nie po fakcie.
Kohorty o długim stażu wyglądają świetnie, bo klienci, którzy zostali, to z definicji Twoi najbardziej zadowoleni i najlepiej dopasowani klienci. Gdy patrzysz na retencję w 24. miesiącu dla dwuletniej kohorty, widzisz populację, którą churn już mocno przefiltrował. Nie traktuj zachowania klientów z długim stażem jako modelu tego, jak zachowają się nowi klienci — to próba wybrana, a nie reprezentatywna.
Analiza kohort jest najbardziej użyteczna, gdy jest regularnie przeglądana, a nie wykonana raz i zapomniana. W FabricLoop zespoły produktowe i growth często prowadzą w swojej wspólnej grupie miesięczną notatkę z aktualnym zestawieniem kohort — tabelą odświeżoną najnowszymi danymi, jednoakapitową interpretacją tego, co się zmieniło i dlaczego, oraz listą zadań z interwencjami testowanymi na zagrożonych kohortach. Gdy analiza znajduje się obok zadań, które na nią odpowiadają, luka między wnioskiem a działaniem wyraźnie się zmniejsza.