Η κατάτμηση απαντά: φέρονται διαφορετικά οι διαφορετικοί πελάτες;
Παράδειγμα: οι πελάτες που υιοθέτησαν τη λειτουργία Α έχουν churn δύο τοις εκατό. Οι πελάτες που δεν την υιοθέτησαν έχουν churn τέσσερα τοις εκατό. Η λειτουργία Α κρατά τους πελάτες. Η λειτουργία Α έχει σημασία.
Η ανάλυση cohort απαντά: φέρονται διαφορετικά οι διαφορετικές ομάδες πελατών στον χρόνο;
Παράδειγμα: οι πελάτες που εγγράφηκαν τον Ιανουάριο έχουν διατήρηση ογδόντα τοις εκατό τον πρώτο μήνα, εξήντα τον δεύτερο, σαράντα τον τρίτο. Οι πελάτες που εγγράφηκαν τον Φεβρουάριο έχουν διατήρηση εβδομήντα πέντε τον πρώτο μήνα, πενήντα τον δεύτερο. Το cohort του Ιανουαρίου διατηρείται καλύτερα. Κάτι άλλαξε ανάμεσα στον Ιανουάριο και τον Φεβρουάριο.
Πότε να χρησιμοποιείς κατάτμηση
Όταν ο δείκτης διαφέρει ανά τμήμα
Τα έσοδα διαφέρουν ανά μέγεθος πελάτη (μεγάλες εταιρείες και self-serve). Η επισκεψιμότητα διαφέρει ανά πηγή (πληρωμένη και οργανική). Η εμπλοκή διαφέρει ανά χρήση του προϊόντος (συχνοί και περιστασιακοί χρήστες). Χώρισε σε τμήματα και μέτρα ξεχωριστά. Όταν καταλαβαίνεις τη διαφορά, αποφασίζεις καλύτερα.
Μην κάνεις κατάτμηση αν ο δείκτης είναι ίδιος σε όλα τα τμήματα
Οι προβολές σελίδων είναι ίδιες Δευτέρα και Τρίτη. Δεν έχει νόημα να χωρίσεις ανά ημέρα. Ο χρόνος δεν είναι χρήσιμο τμήμα.
Πότε να χρησιμοποιείς ανάλυση cohort
Όταν έχει σημασία το cohort
Πώς διαφέρει η διαχρονική αξία πελάτη ανά μήνα εγγραφής; Οι μήνες έχουν σημασία (εποχικότητα, αλλαγές στο προϊόν). Η ανάλυση cohort δείχνει την επίδραση του χρόνου.
Μη χρησιμοποιείς ανάλυση cohort αν το cohort δεν έχει νόημα
Οι σελίδες που φορτώνονται ανά επίσκεψη δεν διαφέρουν ουσιαστικά ανά μήνα εγγραφής. Η ανάλυση cohort θα έδειχνε θόρυβο, όχι σήμα.
Πραγματικό παράδειγμα: προχωρημένη κατάτμηση σε εταιρεία SaaS
Αρχική κατάτμηση ανά μέγεθος
Μεγάλες εταιρείες (ετήσια αξία συμβολαίου από εκατό χιλιάδες και πάνω): είκοσι πελάτες. Μηνιαίο churn δύο τοις εκατό. Μεσαίες εταιρείες (από δέκα χιλιάδες έως εκατό χιλιάδες): εκατό πελάτες. Μηνιαίο churn τέσσερα τοις εκατό. Self-serve (κάτω από δέκα χιλιάδες): πεντακόσιοι πελάτες. Μηνιαίο churn οκτώ τοις εκατό.
Οι μεγάλοι πελάτες μένουν. Οι πελάτες self-serve φεύγουν γρήγορα. Αυτό αναμένεται. Αλλά το churn των μεσαίων εταιρειών στο τέσσερα τοις εκατό είναι πάνω από τον στόχο του τρία τοις εκατό.
Περαιτέρω κατάτμηση ανά συμπεριφορά
Χώρισε τις μεσαίες εταιρείες ανά υιοθέτηση του προϊόντος. Μεσαίες εταιρείες που χρησιμοποιούν τη λειτουργία Α (υιοθέτηση): μηνιαίο churn δύο τοις εκατό. Μεσαίες εταιρείες που δεν τη χρησιμοποιούν (χωρίς υιοθέτηση): μηνιαίο churn έξι τοις εκατό.
Η λειτουργία Α κρατά τις μεσαίες εταιρείες. Ενέργεια: βελτίωσε το πώς ανακαλύπτουν τη λειτουργία Α. Φέρε περισσότερες μεσαίες εταιρείες να τη χρησιμοποιήσουν. Το churn πρέπει να πέσει.
Πραγματικό παράδειγμα: ανάλυση cohort σε marketplace
Παρακολούθησε το ποσοστό επαναλαμβανόμενων αγορών ανά cohort εγγραφής
Cohort Ιανουαρίου (χίλιοι αγοραστές): το ποσοστό επαναλαμβανόμενων αγορών τον πρώτο μήνα είναι τριάντα τοις εκατό. Τον δεύτερο είκοσι τοις εκατό. Τον τρίτο δεκαπέντε τοις εκατό.
Cohort Φεβρουαρίου (χίλιοι αγοραστές): το ποσοστό επαναλαμβανόμενων αγορών τον πρώτο μήνα είναι είκοσι πέντε τοις εκατό. Τον δεύτερο δεκαοκτώ τοις εκατό. Τον τρίτο δώδεκα τοις εκατό.
Βρες τη διαφορά
Το cohort του Ιανουαρίου διατηρείται καλύτερα από του Φεβρουαρίου. Γιατί; Ψάξε το.
Δοκίμασε την υπόθεση
Υπόθεση: τον Ιανουάριο υπήρχε ειδική διαδικασία υποδοχής. Τον Φεβρουάριο όχι. Δοκιμή: φέρε ξανά τη διαδικασία υποδοχής για το cohort του Μαρτίου.
Cohort Μαρτίου (χίλιοι αγοραστές): το ποσοστό επαναλαμβανόμενων αγορών τον πρώτο μήνα είναι τριάντα τοις εκατό (όπως τον Ιανουάριο). Τον δεύτερο είκοσι δύο τοις εκατό. Τον τρίτο δεκαέξι τοις εκατό.
Η υποδοχή βελτίωσε τη διατήρηση. Η λειτουργία Α ήταν η λύση.
Κατάτμηση και ανάλυση cohort μαζί
Συνδύασε και τα δύο για δυνατή ανάλυση
Χώρισε τους μεγάλους πελάτες ανά cohort.
Cohort μεγάλων πελατών Ιανουαρίου: ποσοστό ανανέωσης ογδόντα πέντε τοις εκατό. Cohort Φεβρουαρίου: ογδόντα τοις εκατό. Cohort Μαρτίου: ενενήντα τοις εκατό.
Ψάξε και ενέργησε
Οι μεγάλοι πελάτες του Μαρτίου ανανεώνουν καλύτερα. Γιατί; Ψάξε το. Βρες: το cohort του Μαρτίου πέρασε από νέα διαδικασία υποδοχής που δίνει βάρος στη σχέση με τον πελάτη. Η καλή σχέση αυξάνει τα ποσοστά ανανέωσης των μεγάλων πελατών. Ενέργεια: εφάρμοσε τη νέα υποδοχή σε όλα τα cohorts από εδώ και πέρα.
Συχνές ερωτήσεις
Πόσα τμήματα πρέπει να παρακολουθούμε;
Τρία έως επτά τμήματα το πολύ. Περισσότερα τμήματα φέρνουν πολυπλοκότητα. Το ιδανικό είναι τρία έως πέντε. Παράδειγμα: το μέγεθος πελάτη (μεγάλες, μεσαίες εταιρείες, self-serve) είναι τρία τμήματα. Είναι καθαρό. Αν προσθέσεις γεωγραφία (ΗΠΑ, ΕΕ, Ασία και Ειρηνικός) βγαίνουν εννέα τμήματα (3x3). Πάρα πολλά. Κράτα τα τμήματα σε μία ή δύο διαστάσεις. Με τον δημιουργό ιστοσελίδων της WEMASY μπορείς να το στήσεις κατευθείαν στην ιστοσελίδα σου.
Πώς αποφασίζουμε με ποια διάσταση θα κάνουμε κατάτμηση;
Χώρισε με τη διάσταση που επηρεάζει τη συμπεριφορά. Το μέγεθος πελάτη επηρεάζει τη συμπεριφορά (οι μεγάλες εταιρείες φέρονται αλλιώς από το self-serve). Ο κλάδος επηρεάζει τη συμπεριφορά (οι πελάτες SaaS φέρονται αλλιώς από το λιανικό εμπόριο). Η πηγή επισκεψιμότητας επηρεάζει τη συμπεριφορά (η πληρωμένη αναζήτηση φέρεται αλλιώς από την οργανική). Χώρισε με τη διάσταση που εξηγεί τη διακύμανση του δείκτη.
Πόσο πίσω πρέπει να πάει η ανάλυση cohort;
Τουλάχιστον δώδεκα μήνες. Τα πολύ νέα cohorts (κάτω από τρεις μήνες) είναι άωρα. Τα παλιότερα cohorts (δώδεκα μήνες και πάνω) δείχνουν τον πλήρη κύκλο ζωής. Παράδειγμα: παρακολούθησε το churn πελατών μέχρι τους δώδεκα μήνες γιατί τα ετήσια συμβόλαια είναι δέσμευση. Παρακολούθησε το ποσοστό επαναλαμβανόμενων αγορών μέχρι τους έξι μήνες γιατί ο κύκλος αγοράς είναι πιο σύντομος.
Να χρησιμοποιούμε ποσά σε δολάρια ή ποσοστά στην ανάλυση cohort;
Ποσοστά για δείκτες διατήρησης και επαναλαμβανόμενων αγορών. Ποσά σε δολάρια για δείκτες εσόδων και αξίας. Η διατήρηση είναι ίδια είτε ο πελάτης είναι μικρός είτε μεγάλος (και οι δύο πρέπει να μείνουν ως ποσοστό του cohort). Τα έσοδα διαφέρουν ανά μέγεθος πελάτη (χρειάζεσαι ποσά σε δολάρια για να δεις την επίδραση).
Πώς χειριζόμαστε την εποχικότητα στην ανάλυση cohort;
Λάβε την υπόψη. Το cohort του Ιανουαρίου κουβαλά την επίδραση των γιορτών. Το cohort του Απριλίου έρχεται μετά την περίοδο των φόρων. Τα cohorts διαφέρουν λόγω εποχικότητας, όχι λόγω αλλαγών στο προϊόν. Σύγκρινε cohorts της ίδιας εποχής. Cohort Ιανουαρίου 2024 με cohort Ιανουαρίου 2025. Η σύγκριση από έτος σε έτος αφαιρεί την εποχικότητα.
Πώς παρουσιάζουμε τα συμπεράσματα από τα cohorts;
Δείξε πίνακα διατήρησης cohort με στήλες για τον πρώτο, τον δεύτερο και τον τρίτο μήνα. Βάλε μία γραμμή για κάθε cohort. Το μοτίβο φαίνεται αμέσως. Το cohort του Ιανουαρίου έχει ογδόντα, εξήντα, σαράντα (σταθερή πτώση). Το cohort του Φεβρουαρίου έχει εβδομήντα, πενήντα, τριάντα (πιο απότομη πτώση). Ο οπτικός πίνακας είναι πιο καθαρός από γραπτή εξήγηση.