Analisis kohort mengelompokkan pelanggan Anda berdasarkan bulan mereka bergabung, lalu melacak setiap kelompok secara terpisah dari waktu ke waktu. Alih-alih satu rata-rata gabungan, Anda melihat bagaimana perilaku kelompok Januari di bulan ketiga dibandingkan dengan kelompok Juni. Ini memisahkan efek perubahan produk Anda dari efek pertumbuhan.
Anda menyusun tabel kohort dengan bulan bergabung sebagai baris dan bulan sejak bergabung sebagai kolom. Setiap sel menunjukkan berapa banyak dari kelompok itu yang masih aktif. Membaca satu kolom dari atas ke bawah menunjukkan apakah pelanggan yang lebih baru berperilaku lebih baik daripada yang lebih lama.
Contoh. Kohort Januari Anda memiliki 200 pelanggan. Setelah tiga bulan, 120 masih membayar, sehingga retensi bulan ketiga adalah 60 persen. Kohort Juni Anda memiliki 500 pelanggan, dan setelah tiga bulan 350 bertahan, yaitu 70 persen. Sesuatu yang Anda ubah antara Januari dan Juni berhasil. Angka retensi gabungan di seluruh pelanggan akan menyembunyikan hal ini, karena kelompok Juni yang lebih besar menarik rata-ratanya.
Kohort juga mengungkap masalah sebaliknya. Pertumbuhan yang cepat membuat churn keseluruhan terlihat rendah, semata-mata karena sebagian besar pelanggan masih baru dan belum sempat pergi. Saat pertumbuhan melambat, churn yang sebenarnya sudah ada sejak awal menjadi terlihat.
Kesalahan yang dilakukan founder adalah membandingkan kohort pada usia yang berbeda. Kohort Juni Anda sudah ada selama tiga bulan dan kohort Januari selama delapan bulan. Wajar jika lebih banyak dari kelompok Januari yang sudah pergi. Bandingkan bulan ketiga dengan bulan ketiga, bulan keenam dengan bulan keenam, dan jangan pernah membandingkan angka kohort yang masih muda dengan seluruh masa hidup kohort yang lebih tua.
Anda tidak perlu basis pelanggan yang besar untuk ini. Dengan 50 pelanggan per bulan, Anda sudah bisa melihat apakah retensi bulan kedua bergerak. Tabel kohort juga berlaku untuk pendapatan, frekuensi pesanan, dan penggunaan, tidak hanya untuk retensi.
