Cohort Analizi: Müşterilerin Neden Kalması Veya Ayrılması Anlaşılır
Cohort analizi toplam sayılarınızın içinde gizli olan tutma kalıplarını ortaya çıkarır. Bir tanesinin nasıl okunacağı, nasıl oluşturulacağı ve bulduğu şeyle nasıl hareket edileceği.
Genel tutma oranınız %78'dir. Bu iyi mi? Tamamen kalan müşterilerin ve ayrılan müşterilerin hangilerinin kalan olduğundan bağlıdır — ve bu tam olarak toplam tutma numaranızın sana söylemediktleri şeydir. %78 tutma ile bir şirket başarıyla en değerli müşterilerini tutuyor olabilir en yeni olanlarından kanamaya olabilir, ya da eski bir müşteri tabanına yapışıyor olabilir son cohortları hızla churn yapıyor. Toplam gizli her iki hikaye. Cohort analizi ortaya çıkarır.
Bir cohort basitçe aynı zamanda başlayan müşteri grubudur — aynı ayda kaydoldular, aynı çeyrekte ilk satın almayı yaptılar, ya da aynı haftada yükselttiler. Her cohort'ü zaman içinde bağımsız olarak takip ederek, tutma kalıplarının şirketinizin tarihindeki farklı dönemler arasında nasıl değiştiğini görebilirsiniz. Sonuç bir ürün ya da işletme ekibinde en güçlü tanıtıcılardan biridir.
Cohort tutma tablosu nasıl okunur
Standart bir cohort tutma tablosu satırları aşağı doğru koşan satın alma cohortlarına (Ocak, Şubat, Mart...) ve sütunlar arasında koşan satın almadan bu yana aylar (Ay 0, Ay 1, Ay 2...). Ay 0 her zaman %100 — bu başlangıç noktası. Her satır arasındaki sayılar bu cohort'un sonraki her ayda ne kadar aktif kaldığını gösterir.
| Cohort | Ay 0 | Ay 1 | Ay 2 | Ay 3 | Ay 4 | Ay 5 | Ay 6 |
|---|---|---|---|---|---|---|---|
| Ocak | 100% | 68% | 52% | 41% | 38% | 35% | 34% |
| Şubat | 100% | 71% | 55% | 43% | 41% | 39% | — |
| Mart | 100% | 76% | 62% | 51% | 49% | — | — |
| Nisan | 100% | 79% | 65% | 61% | — | — | — |
| Mayıs | 100% | 82% | 69% | — | — | — | — |
| Haziran | 100% | 84% | — | — | — | — | — |
Bu tablo açık bir hikaye anlatır: tutma her ay önemli ölçüde iyileşiyor. Ocak cohort'u Ay 6'ya kadar yalnızca %34'ü tutarken, daha yakın cohortlar ilk iki aylarında %69–84 oranında tutuyor. Bir şey değişti — muhtemelen bir ürün iyileştirmesi, daha iyi bir entegrasyon akışı veya daha iyi uyum müşterileri getiren bir satın alma kanalında bir değişiklik. Toplam tutma numarası bunu tamamen maskeleyordu.
Bakılması gereken üç kalıp
Bir cohort tablonuz olduğunda, üç belirli kalıp arıyorsunuz. Her biri farklı bir sorunu gösterir ve farklı bir düzeltme gerektirir.
Dik erken bırakma: Ay 0'dan Ay 1'e tutma tutarlı olarak %50'nin altındaysa, entegrasyon sorununuz var. Kullanıcılar kaydolur ve kalmak için yeterince hızlı değer bulamazlar. Bu erken aşama SaaS'te en yaygın kalıp ve en tedavi edilebilir — daha iyi entegrasyon, daha hızlı değeri söke, ve daha proaktif erken bağlılık tümü yardım.
Tüm cohortlar arasında tutarlı bırakma: Tutma tüm cohortlar genelinde ay-ay aynı oranda bırakmaya devam ediyorsa, ürün değeri sorununuz var. Müşteriler ürünü deneyin, bazı başta kalsın, ama onları meşgul tutmak için yeterli devam değeri yok. Hiçbir entegrasyon iyileştirmesi bunu düzeltmek olmayacak — ürünün kendisi daha fazla dönüş nedeni teslim etmesi gerekir.
Bir "gülümseme" eğrisi düzleşir: En iyi tutma eğrileri erken bıraktıktan sonra düzleşir. İlk iki veya üç ayda hayatta kalan müşteriler kalabilme eğilimindedir. Amaç, bu dönüş noktasına ulaşan müşteri sayısını en üst düzeye çıkarmaktır. Eğrin asla düzleşmiyorsa — tutma Ay 6'da Ay 1'de olduğu gibi aynı oranda düşmeye devam ediyorsa — sabit tutulmuş tabanı olmayacaksınız ve LTV hesaplamaları yanlış olacak.
Cohort tablosundaki en önemli sayı Ay 6'daki yüzde değildir — Ay 0 ile Ay 2 arasındaki eğimdir. Çoğu müşteri burada kaybolur ve çoğu müdahale kaldıracaktır.
Cohortları bölümleme: gerçek içgörü nerede yaşıyor
Cohort analizi cohortları satın alma kanalı, fiyatlandırma katmanı, müşteri boyutu veya coğrafya ile bölümlediğinizde gerçekten güçlü olur. Üç ay sonra genel tutma %60'ı gösteren bir cohort tablosu organik arama müşterilerinin %75'te tuttuğu, ücretli sosyal müşterilerin %40'ında tuttuğu ortaya çıkabilir. Bu tek içgörü tüm pazarlama ayırma konuşmasını yeniden çerçeveledi.
En yüksek değer ilk bölümlemesi neredeyse her zaman satın alma kanalıdır. Referral, içerik veya organik arama yoluyla bulduğunuz müşteriler tipik olarak geniş ücretli kampanyalar yoluyla edinilen müşterilerden daha yüksek oranlarda tutulur. Cohort verileriniz bu kalıbı gösteriyorsa — ve genellikle yapar — ücretli satın almaya göre daha ucuz görünse bile içerik ve referral programlarına yatırım için güçlü bir savunmadır. CAC tutmayı modele ekleyene kadar ucuz görünür.
Azalan cohort tablosu ne yapalı
En son cohort'leriniz eski olanlardan daha kötü tutuyorsa, bu acil bir sinyal. Bu ürün, satın alma veya entegrasyon hakkında bir şey — ve yakın zamanda kötüleşti. Ne değiştiğini kontrol et. Yeterli nitelikli olmayan müşterileri getiren yeni bir satın alma kanalı açtın mı? Mevcut iş akışını bozan bir özellik gönderdin mi? Kötü uyum olmayan müşterileri çeken şekilde fiyatlandırmayı değiştirdin mi? Cohort tutmasını iyileştirmek neredeyse her zaman pazarlama sorunumdan önce bir ürün ve entegrasyon sorunu. İşe yarayan müdahale dizisi: ilk olarak, tutma müşterilerinin ilk iki haftada almadığı churn müşterileri alırlar. Sonra, entegrasyon'ı bu eylemleri daha erken yürütmek için yeniden tasarla. Sonra, erken davranış olarak, onlardan sonra değil, churna vermeden önce müdahale etmek için at-risk müşterilerini belirlemek için sinyali kullanın.
Uzun tenüre cohort'ler harika görünür çünkü kaldı müşteriler tanım gereği en memnun ve en iyi uyumlarıdır. İki yaşında bir cohort Ay 24 tutmasına baktığınızda, churn tarafından zaten ağır filtrelenen bir nüfus görüyorsunuz. Uzun tutma müşterilerinin davranışını yeni müşterilerin ne yapacağının modeli olarak kullanmayın — müdahale olmadan temsili değil, seçilmiş bir örnektir.
Cohort analizi bir kez çalıştırılıp unutulurken tutarlı bir şekilde gözden geçirildiğinde en faydalıdır. FabricLoop'ta, ürün ve büyüme ekipleri genellikle paylaşılan grubu içinde güncellenmiş bir cohort anlık görüntüsü ile aylık bir not bakımı — tablo en son verilerle yenilendi, neyin hareket ettiğinin ve nedeninin tek paragraf yorumu, ve at-risk cohortlara karşı test edilen müdahalelerin görev listesi. Analiz, buna cevap veren görevler yanında yaşadığında, içgörü ve eylem arasındaki boşluk önemli ölçüde daraldı.