Analiza kohortowa grupuje Twoich klientów według miesiąca, w którym dołączyli, a potem śledzi każdą grupę osobno w czasie. Zamiast jednej uśrednionej wartości widzisz, jak grupa ze stycznia zachowuje się w trzecim miesiącu w porównaniu z grupą z czerwca. Pozwala to oddzielić efekt zmian w produkcie od efektu wzrostu.
Budujesz tabelę kohortową, w której wierszami są miesiące dołączenia, a kolumnami liczba miesięcy od dołączenia. Każda komórka pokazuje, ilu klientów z danej grupy jest wciąż aktywnych. Czytanie kolumny w dół mówi Ci, czy nowsi klienci zachowują się lepiej niż starsi.
Przykład. Twoja kohorta ze stycznia liczy 200 klientów. Po trzech miesiącach nadal płaci 120 z nich, więc retencja w trzecim miesiącu wynosi 60 procent. Twoja kohorta z czerwca liczy 500 klientów, a po trzech miesiącach zostaje 350, czyli 70 procent. Coś, co zmieniłeś między styczniem a czerwcem, zadziałało. Uśredniona wartość retencji dla wszystkich klientów ukryłaby to, bo większa czerwcowa grupa przeciąga średnią w swoją stronę.
Kohorty ujawniają też przeciwny problem. Szybki wzrost sprawia, że ogólny churn wygląda na niski, po prostu dlatego, że większość klientów jest nowa i nikt jeszcze nie zdążył odejść. Gdy wzrost zwalnia, churn, który był tam cały czas, staje się widoczny.
Błąd, który popełniają założyciele, to porównywanie kohort w różnym wieku. Twoja kohorta z czerwca istnieje od trzech miesięcy, a kohorta ze stycznia od ośmiu. Oczywiście więcej osób ze stycznia odeszło. Porównuj trzeci miesiąc z trzecim miesiącem, szósty z szóstym, i nigdy nie zestawiaj liczb młodej kohorty z pełnym cyklem życia starej.
Nie potrzebujesz do tego dużej bazy klientów. Przy 50 klientach miesięcznie widzisz już, czy retencja w drugim miesiącu się zmienia. Tabele kohortowe działają też dla przychodu, częstotliwości zamówień i użycia produktu, nie tylko dla retencji.
