Kohortanalys grupperar dina kunder efter den månad de anslöt sig, och följer sedan varje grupp separat över tid. Istallet för ett blandat genomsnitt ser du hur januarigruppen beter sig i månad tre jämfört med junigruppen. Den skiljer effekten av dina produktändringar från effekten av tillväxt.
Du bygger en kohorttabell med anslutningsmånader som rader och månader sedan anslutning som kolumner. Varje cell visar hur många i den gruppen fortfarande är aktiva. Att läsa nedåt en kolumn talar om för dig om nyare kunder beter sig bättre än äldre.
Ett exempel. Din januarikohort här 200 kunder. Efter tre månader betalar fortfarande 120, så månad-tre-retention är 60 procent. Din junikohort här 500 kunder, och efter tre månader återstår 350, vilket är 70 procent. Något du ändrade mellan januari och juni fungerade. Ett blandat retentionstal över alla kunder skulle dölja detta, eftersom den större junigruppen drar genomsnittet.
Kohorter avslöjar ocksa det motsatta problemet. Snabb tillväxt far den övergripande churnen att se låg ut, helt enkelt eftersom de flesta kunder är nya och ingen här hunnit lämna ännu. När tillväxten saktar av blir churnen som alltid funnits synlig.
Misstaget grundare gör är att jämföra kohorter i olika åldrar. Din junikohort här funnits i tre månader och din januarikohort i åtta. Självklart här fler i januarigruppen lämnat. Jämför månad tre med månad tre, månad sex med månad sex, och ställ aldrig en ung kohorts siffror mot en äldre kohorts hela liv.
Du behöver inte en stor kundbas för detta. Med 50 kunder i månaden kan du redan se om månad-två-retention rörs. Kohorttabeller fungerar ocksa för intäkt, orderfrekvens och anvandning, inte bara för retention.
