Segmentointi vastaa kysymykseen: käyttäytyvätkö eri asiakkaat eri tavoin?
Esimerkki: asiakkailla, jotka ottivat ominaisuuden A käyttöön, asiakaspoistuma on kaksi prosenttia. Asiakkailla, jotka eivät ottaneet ominaisuutta A käyttöön, asiakaspoistuma on neljä prosenttia. Ominaisuus A ohjaa asiakkuuden säilymistä. Ominaisuus A on tärkeä.
Kohorttianalyysi vastaa kysymykseen: käyttäytyvätkö eri asiakasryhmät eri tavoin ajan kuluessa?
Esimerkki: tammikuussa liittyneistä asiakkaista kahdeksankymmentä prosenttia on mukana ensimmäisen kuukauden jälkeen, kuusikymmentä prosenttia toisen kuukauden jälkeen ja neljäkymmentä prosenttia kolmannen kuukauden jälkeen. Helmikuussa liittyneistä asiakkaista seitsemänkymmentäviisi prosenttia on mukana ensimmäisen kuukauden jälkeen ja viisikymmentä prosenttia toisen kuukauden jälkeen. Tammikuun kohortti pysyy paremmin mukana. Jokin muuttui tammikuun ja helmikuun välillä.
Milloin segmentointia kannattaa käyttää
Käytä segmentointia, kun mittari vaihtelee segmenteittäin
Liikevaihto vaihtelee asiakkaan koon mukaan (suuryritys vai itsepalveluasiakas). Liikenne vaihtelee liikenteen lähteen mukaan (maksettu vai orgaaninen). Sitoutuminen vaihtelee tuotteen käytön mukaan (aktiiviset vai satunnaiset käyttäjät). Segmentoi ja mittaa erikseen. Vaihtelun ymmärtäminen parantaa päätöksiä.
Älä segmentoi, jos mittari on sama kaikissa segmenteissä
Sivunäyttöjä on yhtä paljon maanantaina ja tiistaina. Päivän mukaan segmentoinnissa ei ole mieltä. Aika ei ole hyödyllinen segmentti.
Milloin kohorttianalyysiä kannattaa käyttää
Käytä kohorttianalyysiä, kun kohortilla on merkitystä
Miten asiakkuuden elinkaariarvo eroaa liittymiskuukauden mukaan? Kuukausilla on väliä kausivaihtelun ja tuotemuutosten vuoksi. Kohorttianalyysi paljastaa ajan vaikutukset.
Älä käytä kohorttianalyysiä, jos kohortilla ei ole merkitystä
Käynnin aikana ladattujen sivujen määrä ei vaihtele merkittävästi liittymiskuukauden mukaan. Kohorttianalyysi näyttäisi kohinaa, ei signaalia.
Esimerkki: edistynyt segmentointi SaaS-yrityksessä
Ensimmäinen segmentointi koon mukaan
Suuryritykset (vuosisopimuksen arvo sata tuhatta tai enemmän): kaksikymmentä asiakasta. Kuukausittainen asiakaspoistuma kaksi prosenttia. Keskisuuret yritykset (kymmenestä tuhannesta sataan tuhanteen): sata asiakasta. Kuukausittainen asiakaspoistuma neljä prosenttia. Itsepalveluasiakkaat (alle kymmenen tuhatta): viisisataa asiakasta. Kuukausittainen asiakaspoistuma kahdeksan prosenttia.
Suuryritysasiakkaat pysyvät. Itsepalveluasiakkaat poistuvat nopeasti. Tämä on odotettua. Keskisuurten yritysten neljän prosentin poistuma on kuitenkin yli kolmen prosentin tavoitteen.
Tarkempi segmentointi käyttäytymisen mukaan
Segmentoi keskisuuret yritykset edelleen tuotteen käytön mukaan. Keskisuuret yritysasiakkaat, jotka käyttävät ominaisuutta A (käyttöönotto): kuukausittainen asiakaspoistuma kaksi prosenttia. Keskisuuret yritysasiakkaat, jotka eivät käytä ominaisuutta A (ei käyttöönottoa): kuukausittainen asiakaspoistuma kuusi prosenttia.
Ominaisuus A ohjaa keskisuurten yritysten asiakkuuden säilymistä. Toimenpide: paranna ominaisuuden A löydettävyyttä keskisuurille yritysasiakkaille. Saa useampi keskisuuri yritys ottamaan ominaisuus A käyttöön. Poistuman pitäisi laskea.
Esimerkki: kohorttianalyysi markkinapaikassa
Seuraa ostajien uusintaostoprosenttia liittymiskohortin mukaan
Tammikuun kohortti (tuhat ostajaa): uusintaostoprosentti ensimmäisenä kuukautena on kolmekymmentä prosenttia. Toisena kuukautena se on kaksikymmentä prosenttia. Kolmantena kuukautena se on viisitoista prosenttia.
Helmikuun kohortti (tuhat ostajaa): uusintaostoprosentti ensimmäisenä kuukautena on kaksikymmentäviisi prosenttia. Toisena kuukautena se on kahdeksantoista prosenttia. Kolmantena kuukautena se on kaksitoista prosenttia.
Havaitse ero
Tammikuun kohortti pysyy mukana paremmin kuin helmikuun. Miksi? Selvitä.
Testaa hypoteesi
Hypoteesi: tammikuussa oli erityinen käyttöönotto-ohjaus. Helmikuussa ei ollut. Testi: otetaan käyttöönotto-ohjaus uudelleen käyttöön maaliskuun kohortille.
Maaliskuun kohortti (tuhat ostajaa): uusintaostoprosentti ensimmäisenä kuukautena on kolmekymmentä prosenttia (samaa tasoa kuin tammikuussa). Toisena kuukautena se on kaksikymmentäkaksi prosenttia. Kolmantena kuukautena se on kuusitoista prosenttia.
Käyttöönotto-ohjaus paransi asiakkuuden säilymistä. Ominaisuus A oli ratkaisu.
Segmentointi ja kohorttianalyysi yhdessä
Yhdistä molemmat tehokkaaseen analyysiin
Segmentoi suuryritysasiakkaat kohorteittain.
Tammikuun suuryrityskohortti: uusimisprosentti kahdeksankymmentäviisi prosenttia. Helmikuun suuryrityskohortti: uusimisprosentti kahdeksankymmentä prosenttia. Maaliskuun suuryrityskohortti: uusimisprosentti yhdeksänkymmentä prosenttia.
Selvitä ja toimi
Maaliskuun suuryritysasiakkaat uusivat paremmin. Miksi? Selvitä. Löydös: maaliskuun kohortti otettiin käyttöön uudella prosessilla, joka painottaa suhteiden rakentamista. Suhteiden rakentaminen nostaa suuryritysten uusimisprosenttia. Toimenpide: ota uusi käyttöönottoprosessi käyttöön kaikissa kohorteissa jatkossa.
Usein kysytyt kysymykset
Kuinka montaa segmenttiä kannattaa seurata?
Enintään kolmesta seitsemään segmenttiä. Useammat segmentit tuovat monimutkaisuutta. Sopiva määrä on kolmesta viiteen. Esimerkki: asiakkaan koko (suuryritys, keskisuuri yritys, itsepalvelu) on kolme segmenttiä. Se on selkeä. Maantieteen lisääminen (Yhdysvallat, EU, Aasian ja Tyynenmeren alue) tuottaa yhdeksän segmenttiä (3x3). Liikaa. Pidä segmentit yhdessä tai kahdessa ulottuvuudessa. WEMASY-sivustonrakentajan avulla voit ottaa tämän käyttöön suoraan omalla verkkosivullasi.
Miten päätämme, minkä ulottuvuuden mukaan segmentoimme?
Segmentoi käyttäytymiseen vaikuttavan ulottuvuuden mukaan. Asiakkaan koko vaikuttaa käyttäytymiseen, sillä suuryritys käyttäytyy eri tavoin kuin itsepalveluasiakas. Toimiala vaikuttaa käyttäytymiseen, sillä SaaS-asiakkaat käyttäytyvät eri tavoin kuin vähittäiskaupan asiakkaat. Liikenteen lähde vaikuttaa käyttäytymiseen, sillä maksettu hakuliikenne käyttäytyy eri tavoin kuin orgaaninen. Segmentoi sen ulottuvuuden mukaan, joka selittää mittarin vaihtelun.
Kuinka pitkälle taaksepäin kohorttianalyysin pitäisi ulottua?
Vähintään kaksitoista kuukautta. Lyhyemmät kohortit, jotka ovat alle kolme kuukautta vanhoja, ovat liian kehittymättömiä. Pidemmät kohortit, kaksitoista kuukautta tai enemmän, näyttävät koko elinkaaren. Esimerkki: seuraa asiakaspoistumaa kaksitoista kuukautta, koska vuosisopimukset ovat sitoumus. Seuraa ostajien uusintaostoprosenttia kuusi kuukautta, koska ostosykli on lyhyempi.
Pitäisikö kohorttianalyysissä käyttää dollarimääriä vai prosentteja?
Prosentteja asiakkuuden säilymisen ja uusintaostojen mittareihin. Dollarimääriä liikevaihdon ja arvon mittareihin. Asiakkuuden säilyminen on sama, olipa asiakas pieni tai suuri, sillä molempien pitää pysyä mukana osuutena kohortista. Liikevaihto vaihtelee asiakkaan koon mukaan, joten vaikutuksen näkemiseen tarvitaan dollarimääriä.
Miten käsittelemme kausivaihtelun kohorttianalyysissä?
Huomioi se. Tammikuun kohortissa näkyy joulusesongin jälkivaikutus. Huhtikuun kohortti tulee verokauden jälkeen. Kohortit eroavat kausivaihtelun vuoksi, eivät tuotemuutosten takia. Vertaa saman kauden kohortteja. Tammikuun 2024 kohortti verrattuna tammikuun 2025 kohorttiin. Vuosivertailu poistaa kausivaihtelun.
Miten kerromme kohorttianalyysin löydöksistä?
Näytä kohorttien säilymistaulukko, jossa on sarakkeet ensimmäiselle, toiselle ja kolmannelle kuukaudelle. Näytä rivit jokaiselle kohortille. Kuvio hyppää esiin. Tammikuun kohortin luvut ovat kahdeksankymmentä, kuusikymmentä ja neljäkymmentä, eli tasainen lasku. Helmikuun kohortin luvut ovat seitsemänkymmentä, viisikymmentä ja kolmekymmentä, eli jyrkempi lasku. Visuaalinen taulukko on selkeämpi kuin kirjallinen selitys.