Kohortová analýza zoskupuje tvojich zákazníkov podľa mesiaca, v ktorom sa pripojili, a potom sleduje každú skupinu samostatne v čase. Namiesto jedného priemerného čísla vidíš, ako sa januárová skupina správa v treťom mesiaci v porovnaní s júnovou skupinou. Oddeľuje efekt zmien tvojho produktu od efektu rastu.
Kohortovú tabuľku zostavíš tak, že mesiace pripojenia sú riadky a mesiace od pripojenia sú stĺpce. Každá bunka ukazuje, koľko zo skupiny je stále aktívnych. Čítanie stĺpca smerom nadol ti povie, či sa novší zákazníci správajú lepšie než starší.
Príklad. Tvoja januárová kohorta má 200 zákazníkov. Po troch mesiacoch stále platí 120, takže retencia v treťom mesiaci je 60 percent. Tvoja júnová kohorta má 500 zákazníkov a po troch mesiacoch zostáva 350, čo je 70 percent. Niečo, čo si zmenil medzi januárom a júnom, zafungovalo. Priemerné číslo retencie naprieč všetkými zákazníkmi by to skrylo, pretože väčšia júnová skupina by priemer strhla k sebe.
Kohorty odhaľujú aj opačný problém. Rýchly rast robí celkový churn zdanlivo nízkym, jednoducho preto, že väčšina zákazníkov je nová a nikto ešte nemal čas odísť. Keď sa rast spomalí, churn, ktorý tam vždy bol, sa stane viditeľným.
Chyba, ktorú zakladatelia robia, je porovnávanie kohort rôzneho veku. Tvoja júnová kohorta existuje tri mesiace a januárová osem. Samozrejme, že z januárovej skupiny odišlo viac ľudí. Porovnávaj tretí mesiac s tretím mesiacom, šiesty so šiestym, a nikdy nestavaj čísla mladej kohorty proti celej histórii starej.
Na toto nepotrebuješ veľkú základňu zákazníkov. S 50 zákazníkmi mesačne už vidíš, či sa retencia v druhom mesiaci hýbe. Kohortové tabuľky fungujú aj pre príjem, frekvenciu objednávok a používanie, nielen pre retenciu.
