Кохортният анализ групира клиентите ти по месеца, в който са се присъединили, и после проследява всяка група поотделно във времето. Вместо едно смесено средно число, виждаш как януарската група се държи в третия месец в сравнение с юнската група. Той разделя ефекта от промените в продукта ти от ефекта на растежа.
Изграждаш кохортна таблица с месеците на присъединяване като редове и месеците от присъединяването като колони. Всяка клетка показва колко от тази група все още са активни. Четенето надолу по колона ти казва дали по-новите клиенти се държат по-добре от по-старите.
Пример. Януарската ти кохорта има 200 клиенти. След три месеца 120 все още плащат, така че задържането на трети месец е 60 процента. Юнската ти кохорта има 500 клиенти, и след три месеца остават 350, което е 70 процента. Нещо, което си променил между януари и юни, е проработило. Смесено число за задържане за всички клиенти би скрило това, защото по-голямата юнска група дърпа средното.
Кохортите разкриват и обратния проблем. Бързият растеж прави общия churn да изглежда нисък, просто защото повечето клиенти са нови и никой все още не е имал време да си тръгне. Когато растежът се забави, churn-ът, който винаги е бил там, става видим.
Грешката, която основателите правят, е сравняването на кохорти на различна възраст. Юнската ти кохорта съществува от три месеца, а януарската от осем. Разбира се, че повече от януарската група си е тръгнала. Сравнявай трети месец с трети месец, шести с шести, и никога не сравнявай числата на млада кохорта с целия живот на стара.
Не ти трябва голяма клиентска база за това. С 50 клиенти на месец вече можеш да видиш дали задържането на втория месец се движи. Кохортните таблици работят и за приходи, честота на поръчки и използване, не само за задържане.
