Analiza pe cohorte: cum să înțelegeți de ce clienții rămân sau pleacă
Analiza pe cohorte scoate la iveală tiparele de retenție ascunse în cifrele agregate. Iată cum să o citiți, să o construiți și să acționați pe baza concluziilor.
Rata dumneavoastră generală de retenție este de 78%. Este bine? Depinde în totalitate de ce clienți rămân și de care pleacă — iar exact asta nu vă poate spune cifra agregată de retenție. O companie cu o retenție de 78% poate să-și păstreze cu succes cei mai valoroși clienți, în timp ce îi pierde pe cei mai noi, sau poate să-și mențină baza veche de clienți, în timp ce cohortele recente renunță rapid. Cifra agregată ascunde ambele povești. Analiza pe cohorte le dezvăluie.
O cohortă este pur și simplu un grup de clienți care au început în același moment — s-au înregistrat în aceeași lună, au făcut prima achiziție în același trimestru sau au trecut la un plan superior în aceeași săptămână. Urmărind fiecare cohortă separat în timp, puteți vedea cum se schimbă tiparele de retenție de-a lungul diferitelor perioade din istoria companiei. Rezultatul este unul dintre cele mai puternice instrumente de diagnostic de care dispune o echipă de produs sau de business.
Cum citiți un tabel de retenție pe cohorte
Un tabel standard de retenție pe cohorte are cohortele de achiziție pe rânduri (ianuarie, februarie, martie...) și lunile scurse de la achiziție pe coloane (Luna 0, Luna 1, Luna 2...). Luna 0 este întotdeauna 100% — acesta este punctul de plecare. Cifrele de pe fiecare rând arată ce procent din cohorta respectivă mai era activ în fiecare lună următoare.
| Cohortă | Luna 0 | Luna 1 | Luna 2 | Luna 3 | Luna 4 | Luna 5 | Luna 6 |
|---|---|---|---|---|---|---|---|
| Ianuarie | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Februarie | 100% | 71% | 55% | 43% | 41% | 39% | — |
| Martie | 100% | 76% | 62% | 51% | 49% | — | — |
| Aprilie | 100% | 79% | 65% | 61% | — | — | — |
| Mai | 100% | 82% | 69% | — | — | — | — |
| Iunie | 100% | 84% | — | — | — | — | — |
Acest tabel spune o poveste clară: retenția s-a îmbunătățit semnificativ de la o lună la alta. Cohorta din ianuarie a păstrat doar 34% până în Luna 6, în timp ce cohortele mai recente se mențin la 69–84% în primele două luni. S-a schimbat ceva — probabil o îmbunătățire a produsului, un onboarding mai bun sau o schimbare a canalului de achiziție, care a adus clienți mai potriviți. Cifra agregată de retenție ar fi ascuns complet acest lucru.
Cele trei tipare de urmărit
Odată ce aveți un tabel pe cohorte, căutați trei tipare specifice. Fiecare indică o problemă diferită și cere o soluție diferită.
O scădere abruptă la început: Dacă retenția dintre Luna 0 și Luna 1 este constant sub 50%, aveți o problemă de onboarding. Clienții se înregistrează, dar nu găsesc destul de repede valoare ca să rămână. Este cel mai frecvent tipar în SaaS-ul aflat la început și cel mai ușor de remediat — un onboarding mai bun, un time-to-value mai scurt și o implicare timpurie mai proactivă ajută toate.
Declin constant la toate cohortele: Dacă retenția scade în același ritm, de la o lună la alta, la toate cohortele, aveți o problemă de valoare a produsului. Clienții încearcă produsul, unii rămân la început, dar nu există suficientă valoare continuă care să-i țină implicați. Nicio îmbunătățire a onboardingului nu va rezolva asta — produsul în sine trebuie să ofere mai multe motive de a reveni.
O curbă „zâmbet” care se aplatizează: Cele mai bune curbe de retenție se aplatizează după o scădere inițială. Clienții care rezistă primele două-trei luni tind să rămână. Scopul este să maximizați numărul de clienți care ajung la acel punct de inflexiune. Dacă nu se aplatizează niciodată curba dumneavoastră — dacă retenția scade în aceeași măsură în Luna 6 ca în Luna 1 — nu aveți o bază stabilă de clienți păstrați, iar calculele de LTV construite pe acea cohortă vor induce în eroare.
Cea mai importantă cifră dintr-un tabel pe cohorte nu este procentul din Luna 6, ci panta dintre Luna 0 și Luna 2. Acolo se pierd cei mai mulți clienți și acolo au cel mai mare efect majoritatea intervențiilor.
Segmentarea cohortelor: unde se află adevărata perspectivă
Analiza pe cohorte devine cu adevărat puternică atunci când segmentați cohortele după canalul de achiziție, nivelul de preț, dimensiunea clientului sau geografie. Un tabel care arată o retenție generală de 60% după trei luni poate dezvălui că clienții veniți din căutarea organică au o retenție de 75%, în timp ce cei din social media plătit au una de 40%. Această singură constatare schimbă întreaga discuție despre alocarea bugetului de marketing.
Prima segmentare cu cea mai mare valoare este aproape întotdeauna cea după canalul de achiziție. Clienții care vă găsesc prin recomandări, conținut sau căutare organică au de obicei o retenție vizibil mai mare decât cei atrași prin campanii plătite de amploare. Dacă datele dumneavoastră pe cohorte arată acest tipar — și de obicei îl arată — este un argument solid pentru a investi în conținut și în programe de recomandare, chiar și atunci când achiziția plătită pare mai ieftină după costul pe achiziție. CAC-ul pare mic până când includeți retenția în model.
Ce faceți cu un tabel pe cohorte în declin
Dacă cele mai recente cohorte au o retenție mai slabă decât cele mai vechi, este un semnal urgent. Înseamnă că ceva din produs, din achiziție sau din onboarding s-a înrăutățit — și s-a înrăutățit recent. Verificați ce s-a schimbat. Ați deschis un nou canal de achiziție care aduce clienți mai puțin calificați? Ați lansat o funcție care a perturbat un flux de lucru existent? Ați schimbat prețurile într-un mod care a atras clienți nepotriviți?
Îmbunătățirea retenției pe cohorte este aproape întotdeauna o problemă de produs și de onboarding înainte de a fi una de marketing. Succesiunea de intervenții care tinde să funcționeze: mai întâi, identificați acțiunile pe care clienții păstrați le fac în primele două săptămâni și pe care clienții pierduți nu le fac. Apoi, reproiectați onboardingul pentru ca aceste acțiuni să apară mai devreme. În final, folosiți comportamentul de la început drept semnal pentru a identifica clienții cu risc de plecare și interveniți înainte să renunțe, nu după.
Cohortele vechi arată excelent pentru că clienții care au rămas sunt, prin definiție, cei mai mulțumiți și cei mai potriviți clienți ai dumneavoastră. Când vă uitați la retenția din Luna 24 a unei cohorte de acum doi ani, vedeți o populație deja filtrată puternic prin churn. Nu folosiți comportamentul clienților păstrați pe termen lung ca model pentru ce vor face clienții noi — ei sunt un eșantion selectat, nu unul reprezentativ.
Analiza pe cohorte este cel mai utilă atunci când este revizuită constant, nu făcută o dată și uitată. În FabricLoop, echipele de produs și de creștere țin adesea în grupul comun o notă lunară cu un instantaneu actualizat al cohortelor — tabelul reîmprospătat cu cele mai recente date, o interpretare de un paragraf despre ce s-a mișcat și de ce, și o listă de sarcini cu intervențiile testate pe cohortele cu risc. Când analiza se află lângă sarcinile care răspund ei, distanța dintre concluzie și acțiune se reduce considerabil.