A kohorszelemzés a csatlakozás hónapja szerint csoportosítja az ügyfeleidet, majd az egyes csoportokat külön-külön követi nyomon az idő során. Ahelyett, hogy egyetlen összevont átlagot néznél, látod, hogyan viselkedik a januári csoport a harmadik hónapban a júniusi csoporthoz képest. Elválasztja a terméken végzett változtatások hatását a növekedés hatásától.
Egy kohorsztáblát építesz, ahol a sorok a csatlakozás hónapjai, az oszlopok pedig a csatlakozás óta eltelt hónapok. Minden cella azt mutatja, hányan aktívak még az adott csoportból. Egy oszlopot lefelé olvasva látod, hogy az újabb ügyfelek jobban teljesítenek-e, mint a régebbiek.
Egy példa. A januári kohorszod 200 ügyfélből áll. Három hónap után 120 még mindig fizet, tehát a harmadik havi megtartás 60 százalék. A júniusi kohorszodban 500 ügyfél van, és három hónap után 350 marad, ami 70 százalék. Valami, amit január és június között megváltoztattál, bevált. Egy összes ügyfélre vetített, összevont megtartási szám elrejtené ezt, mert a nagyobb júniusi csoport elhúzza az átlagot.
A kohorszok az ellenkező problémát is felfedik. A gyors növekedés miatt az összesített churn alacsonynak tűnik, egyszerűen azért, mert a legtöbb ügyfél új, és még senkinek nem volt ideje távozni. Amikor a növekedés lelassul, az addig is jelen lévő churn láthatóvá válik.
A gyakori hiba, amit az alapítók elkövetnek, hogy különböző korú kohorszokat hasonlítanak össze. A júniusi kohorszod három hónapja létezik, a januári pedig nyolc hónapja. Természetes, hogy a januári csoportból többen távoztak. Hasonlítsd a harmadik hónapot a harmadik hónaphoz, a hatodikat a hatodikhoz, és sose mérd egy fiatal kohorsz számait egy régi kohorsz teljes életciklusához.
Ehhez nincs szükséged nagy ügyfélbázisra. Havi 50 ügyféllel már látható, hogy mozdul-e a második havi megtartás. A kohorsztáblák bevételre, rendelési gyakoriságra és használatra is működnek, nemcsak megtartásra.
