تحليل الأفواج يقسّم عملاءك حسب الشهر الذي انضموا فيه، ثم يتتبع كل مجموعة على حدة بمرور الوقت. بدلاً من متوسط واحد ممزوج، ترى كيف تتصرف مجموعة يناير في الشهر الثالث مقارنة بمجموعة يونيو. هذا يفصل أثر التغييرات التي أجريتها على المنتج عن أثر النمو.
تبني جدول أفواج تكون فيه أشهر الانضمام صفوفاً، والأشهر منذ الانضمام أعمدة. كل خلية تُظهر كم عدد أفراد تلك المجموعة ما زالوا نشطين. قراءة عمود من الأعلى إلى الأسفل تخبرك ما إذا كان العملاء الجدد يتصرفون بشكل أفضل من القدامى.
مثال. فوج يناير لديك يضم 200 عميل. بعد ثلاثة أشهر، ما زال 120 منهم يدفعون، أي أن نسبة الاحتفاظ في الشهر الثالث هي 60 بالمئة. فوج يونيو لديك يضم 500 عميل، وبعد ثلاثة أشهر بقي 350 منهم، أي 70 بالمئة. شيء ما غيّرته بين يناير ويونيو نجح. رقم احتفاظ ممزوج عبر كل العملاء كان سيخفي هذا، لأن مجموعة يونيو الأكبر تسحب المتوسط نحوها.
الأفواج تكشف أيضاً المشكلة العكسية. النمو السريع يجعل معدل التسرب الإجمالي يبدو منخفضاً، لمجرد أن معظم العملاء جدد ولم يحن الوقت بعد لأي منهم كي يغادر. عندما يتباطأ النمو، يصبح التسرب الذي كان موجوداً طوال الوقت مرئياً.
الخطأ الذي يقع فيه المؤسسون هو مقارنة أفواج بأعمار مختلفة. فوج يونيو موجود منذ ثلاثة أشهر، وفوج يناير منذ ثمانية. بالطبع غادر عدد أكبر من مجموعة يناير. قارن الشهر الثالث بالشهر الثالث، والشهر السادس بالشهر السادس، ولا تقارن أبداً أرقام فوج فتيّ بكامل عمر فوج قديم.
لست بحاجة إلى قاعدة عملاء كبيرة لهذا. مع 50 عميلاً في الشهر يمكنك بالفعل ملاحظة ما إذا كانت نسبة الاحتفاظ في الشهر الثاني تتحرك. جداول الأفواج تصلح أيضاً للإيرادات وتكرار الطلبات والاستخدام، وليس فقط للاحتفاظ بالعملاء.
