Sinulla on 10 000 käyttäjää. Kokonaispysyvyytesi on 40 prosenttia: 40 prosenttia palaa toisena kuukautena. Mutta tuo luku kätkee todellisen tarinan. Tammikuussa rekisteröityneet pysyvät 50 prosentin asteella. Elokuussa rekisteröityneet 20 prosentin asteella. Ryhmittelemällä käyttäjät kohortteihin näet kaavat, jotka kokonaisluvut kätkevät.
Kohorttianalyysi ryhmittelee käyttäjät yhteisen piirteen mukaan (milloin he rekisteröityivät, mistä he tulivat, mitä he tekivät ensin) ja seuraa heidän käyttäytymistään ajan yli. Tässä artikkelissa kerrotaan, miten kohorttianalyysi toimii, mitä se paljastaa, minkä muu analytiikka ohittaa, ja miten kohorttien avulla parannat pysyvyyttä ja sitoutumista.
Kohortti on käyttäjäryhmä, jolla on jotain yhteistä. He kaikki rekisteröityivät samalla viikolla. He kaikki tulivat samasta markkinointikanavasta. He kaikki suorittivat perehdytyksen. He kaikki käyttivät samaa ominaisuutta.
Miksi kohortit ovat tärkeitä: kokonaismittarit kätkevät vaihtelun. Kokonaispoistumasi on 30 prosenttia. Voit luulla, että tuotteessasi on poistumisongelma, ja suunnitella sen uusiksi. Mutta jos jaat käyttäjät kohortteihin, huomaat: perehdytyksen suorittaneiden poistuma on 10 prosenttia, perehdytyksen ohittaneiden 70 prosenttia. Ongelmasi ei ole tuote vaan perehdytys. Kohortit paljastavat todellisen ongelman.
Seurattavat kohorttityypit
Aikaan perustuvat kohortit: Ryhmittele käyttäjät sen mukaan, milloin he rekisteröityivät. Seuraa tammikuun kohorttia 12 kuukauden ajan. Seuraa helmikuun kohorttia 11 kuukauden ajan. Se paljastaa kausikaavoja ja käyttäjien laadun trendejä ajan yli. Oliko heinäkuun rekisteröityneiden pysyvyys huonompi, koska tuote oli heinäkuussa keskeneräisempi? Oliko marraskuun rekisteröityneiden pysyvyys parempi, koska paransit perehdytystä?
Käyttäytymiseen perustuvat kohortit: Ryhmittele käyttäjät sen mukaan, mitä he tekivät. Käyttäjät, jotka kutsuivat toisen käyttäjän ensimmäisellä viikolla. Käyttäjät, jotka loivat maksullisen tiimin toisella viikolla. Käyttäjät, jotka katsoivat ohjevideon. Se paljastaa, mitkä varhaiset käyttäytymismallit ennustavat pitkän aikavälin pysyvyyttä. Jos ensimmäisellä viikolla perehdytyksen suorittavat pysyvät kolme kertaa pidempään kuin sen ohittavat, perehdytys on ratkaisevaa.
Lähteeseen perustuvat kohortit: Ryhmittele käyttäjät sen mukaan, mistä he tulivat. Hausta tulleet käyttäjät. Mainoksista tulleet käyttäjät. Suosituksista tulleet käyttäjät. Se paljastaa, mitkä liikennelähteet tuovat laadukkaita, uskollisia käyttäjiä ja mitkä kertaselaajia. Ehkä mainokset tuovat määrää mutta heikkoa pysyvyyttä. Ehkä suositukset tuovat pienempiä määriä mutta korkean pysyvyyden.
Demografiset kohortit: Ryhmittele käyttäjät sijainnin, yrityksen koon tai toimialan mukaan. Yhdysvaltalaiset käyttäjät pysyvät paremmin kuin kansainväliset. Suuryrityskäyttäjät pysyvät pidempään kuin pienet tiimit. Se paljastaa, mitkä ryhmät ovat parhaita asiakkaitasi ja mihin kannattaa keskittyä.
Näin luet kohorttien pysyvyystaulukon
Kohorttitaulukko näyttää käyttäjät (rivit) ja kuukaudet (sarakkeet). Ensimmäinen sarake on kuukausi nolla (rekisteröitymiskuukausi). Kuukausi yksi on ensimmäinen rekisteröitymisen jälkeinen kuukausi. Kuukausi kaksi on toinen. Luvut näyttävät, kuinka suuri osa alkuperäisestä kohortista palasi.
Esimerkki: tammikuun kohortti, 1 000 käyttäjää
Kuukausi nolla: 100 prosenttia (kaikki 1 000)
Kuukausi yksi: 70 prosenttia (700 palasi)
Kuukausi kaksi: 50 prosenttia (500 palasi)
Kuukausi kolme: 40 prosenttia (400 palasi)
Tämä näyttää: menetät 30 prosenttia ensimmäisenä kuukautena ja vakiinnut sen jälkeen. Pidät pitkällä aikavälillä 40 prosenttia.
Vertaa kohortteja keskenään. Jos tammikuu pitää 40 prosenttia ja helmikuu 35 prosenttia, helmikuu on hieman matalampi. Jos marraskuu pitää 20 prosenttia ja joulukuu 60 prosenttia, jokin muuttui. Joulukuun kohortti on erilainen.
Mitä kohortit paljastavat, minkä muut mittarit kätkevät
Kuukausittainen kokonaispysyvyytesi on 50 prosenttia. Kuulostaa kohtuulliselta. Mutta huhtikuun kohorttisi pysyy 70 prosentin asteella ja elokuun kohortti 30 prosentin asteella. Jokin muuttui huhtikuun ja elokuun välillä. Teitkö tuotemuutoksen? Perehdytysmuutoksen? Kohortit paikantavat, milloin tuotteesi laatu muuttui.
Kokonaisaktivointisi (perehdytyksen suorittaneet käyttäjät) on 60 prosenttia. Mutta maksetuista mainoksista tulleet aktivoituvat 30 prosentin asteella ja hausta tulleet 80 prosentin asteella. Nyt tiedät: mainosten kohdennus tuo vääriä ihmisiä. Korjaa kohdennus, älä perehdytystä.
Kohortit paljastavat ongelmat, jotka kokonaismittarit ohittavat.
Yleisiä virheitä kohorttianalyysissä
Korrelaation sekoittaminen syy-yhteyteen: Perehdytyksen suorittaneet pysyvät kolme kertaa paremmin kuin sen ohittaneet. Aiheuttaako perehdytys pysyvyyden? Ei välttämättä. Ehkä käyttäjät, jotka välittävät tarpeeksi suorittaakseen perehdytyksen, välittävät myös tarpeeksi pysyäkseen. Perehdytys on aikeen merkki, ei välttämättä pysyvyyden syy. Testaa ennen kuin väität syy-yhteyttä.
Eri kokoisten kohorttien vertailu: Tammikuun kohortissasi on 5 000 käyttäjää. Joulukuun kohortissasi 100 käyttäjää. Niiden pysyvyysasteiden vertailu on epäreilua. Pienet kohortit ovat kohinaisempia. Anna niiden vakiintua ennen vertailua.
Kausivaikutusten sivuuttaminen: Marras- ja joulukuun kohortit pysyvät aina huonommin, koska pyhät iskevät. Tammikuun kohortit pysyvät usein paremmin, koska ihmisillä on uuden vuoden motivaatio. Ymmärrä kausikaavasi ennen kuin sanot yhden kohortin olevan parempi.
Liian lyhyt odotus: Loit kohortin kaksi viikkoa sitten. Älä vielä mittaa pysyvyyttä. Tarvitset vähintään 30 päivää nähdäksesi mielekkäitä kaavoja. Parempi: odota 90 päivää.
Näin parannat pysyvyyttä kohorttien avulla
Vaihe yksi: tunnista parhaiten pysyvä kohortti. Tammikuun kohortti pysyy 60 prosentin asteella. Joulukuun kohortti 30 prosentin asteella. Tammikuu on mallisi.
Vaihe kaksi: selvitä, mikä on erilaista. Kävikö tammikuun kohortti läpi erilaisen perehdytyksen? Saapuivatko he eri tuoteversion aikana? Reagoivatko he eri markkinointiviestintään?
Vaihe kolme: ota ero käyttöön heikommin pysyvässä kohortissa. Käytä tammikuun perehdytystä joulukuun rekisteröityneille. Katso, paraneeko pysyvyys.
Vaihe neljä: mittaa uusi kohortti. Toimiiko muutos? Kohorttien avulla voit testata ja mitata ryhmittäin.
Kohortit vs ryhmät vs suppilot
Ryhmä (segmentti) on tilannekuva: käyttäjät, joita kohdennamme tänään. Kohortti on matka: käyttäjäryhmä, jota seuraamme ajan yli. Suppilo on polku: kuinka suuri osa etenee vaiheesta toiseen.
Ryhmät vastaavat kysymykseen "keitä käyttäjämme ovat nyt?" Kohortit vastaavat kysymykseen "pysyvätkö käyttäjämme?" Suppilot vastaavat kysymykseen "missä käyttäjät putoavat pois?" Tarvitset kaikkia kolmea näkökulmaa.
Usein kysytyt kysymykset
Kuinka monta käyttäjää tarvitsen, jotta kohortti on mielekäs?
Vähintään 100 käyttäjää kohorttia kohden. Pienemmät kohortit ovat liian kohinaisia. 20 käyttäjällä yhden ihmisen lähtö muuttaa pysyvyyttäsi 5 prosentilla. 100 käyttäjällä yhden lähtö muuttaa sitä 1 prosentilla. Tavoittele yli 100:aa. Voit ottaa tämän käyttöön suoraan omalla sivustollasi WEMASY-sivustonrakentajalla.
Mikä on hyvä pysyvyys kohortille?
Se riippuu tuotteestasi. Sosiaalinen sovellus voi tavoitella 40 prosentin ensimmäisen kuukauden pysyvyyttä. Tuottavuustyökalu 60 prosenttia. Kapea SaaS 30 prosenttia. Vertaa omaan toimialaasi, ei kaikkiin tuotteisiin.
Voiko kohortin pysyvyys nousta ajan myötä?
Ei, yleensä pysyvyys vain laskee tai pysyy tasaisena. Kun joku lähtee, hän ei palaa automaattisesti (ellet aktivoi häntä uudelleen). Kohortti, joka alkaa 100 prosentista kuukautena nolla, laskee siitä eteenpäin. Jos näet pysyvyyden nousevan, mittauksessasi on jotain vialla.
Miten päätän, minkä piirteen mukaan kohortit muodostetaan?
Muodosta kohortit asioiden mukaan, joita voit hallita tai mitata. Voit mitata, milloin joku rekisteröityi, mistä hän tuli ja mitä hän teki ensin. Et voi helposti mitata asioita, kuten mielialaa tai aikomusta. Keskity kohortteihin, jotka liittyvät tuotemuutoksiin tai liiketoimintapäätöksiin.
Entä jos kohorttini eivät kerro selvää tarinaa?
Tarvitset ehkä erilaisia ryhmiä. Kokeile aikaan perustuvien kohorttien sijaan käyttäytymiseen perustuvia. Kaikkien käyttäjien sijaan kokeile vain maksavia asiakkaita. Kuukausittaisen sijaan kokeile viikoittaista. Kokeile eri ryhmittelyjä, kunnes tarina paljastuu.
Onko kohorttianalyysi sama asia kuin segmentointi?
Liittyvät, mutta eri asioita. Segmentointi jakaa käyttäjät ryhmiin tänään (arvokkaat, riskissä olevat, uudet). Kohorttianalyysi seuraa näitä ryhmiä ajan yli. Segmentointi on tilannekuva. Kohortit ovat elokuva, joka näyttää, miten ryhmät muuttuvat.