Wat een cohortanalyse en een retentiecurve zijn
Een cohortanalyse groepeert gebruikers op een gedeeld startevent – meestal de week of maand waarin ze zich aanmeldden – en volgt elke groep vooruit in de tijd. Een retentiecurve neemt één cohort en zet voor elke periode na dat startpunt uit welk deel nog actief is: week 0, week 1, week 2 enzovoort. De vorm van die lijn vertelt het verhaal.
Waarom cohorten retentie scheiden van je groeimix
Je totale aantal actieve gebruikers gooit alle cohorten op één hoop, dus een golf nieuwe aanmeldingen kan een retentieprobleem eronder verbergen. Verdeel dezelfde gebruikers in wekelijkse cohorten en elke curve staat op zichzelf. Houdt het cohort van maart in week 8 nog 40% vast en het cohort van april 28%, dan is er tussen die twee iets veranderd – een verschil dat je in het totaal nooit zou zien. Daarom gaan cohorten ook goed samen met klantsegmentatie: vergelijk de retentie per abonnement, kanaal of activatiepad om te zien welke groepen echt blijven – dezelfde opsplitsingen die een engagementplatform als Iterable gebruikt om lifecycleflows te targeten.
Zo lees je een retentiecurve
Let op drie dingen: hoe diep de eerste daling is, waar de lijn afbuigt en of hij afvlakt. Bijna elk product verliest een groot deel tussen periode 0 en periode 1 – dat is normaal. Waar het om gaat, is of de daling vertraagt en op een stabiele bodem uitkomt, of richting nul blijft zakken. Een curve die nooit afvlakt, betekent dat elk cohort uiteindelijk helemaal verdwijnt. Lees hoe je de churnrate berekent voor hetzelfde verhaal, verteld als één getal per periode.
Een afvlakkende curve als signaal van product-market fit
Growthprofessionals zien een retentiecurve die afvlakt tot een horizontale asymptoot als signaal dat gebruikers blijven hangen – Andrew Chen noemt afvlakkende cohortcurves bij zijn ruwe indicatoren van product-market fit, en Reforge leert hetzelfde “smile or flatten”-kader. Behandel het als signaal, niet als bewijs. De hoogte van de bodem telt even zwaar als het feit dat er een is: een curve die op 3% afvlakt, beschrijft een piepkleine trouwe kern, geen gezond product. En een afvlakkende curve vertelt je dat een groep blijft, niet waarom – dat is een correlatie om te onderzoeken, geen bewezen oorzaak.
N-day- vs. unbounded retentie
| Methode | Telt een gebruiker op dag N als behouden als die… | Ideaal voor |
|---|---|---|
| N-day | precies op dag N actief was (of binnen een vaste marge eromheen) | producten die op een gewoonte draaien, met een dagelijkse of wekelijkse lus |
| Unbounded | terugkwam op dag N of op een willekeurige dag daarna | producten die onregelmatig worden gebruikt; sommige tools noemen dit rolling |
| Range / bracket | minstens één keer actief was binnen een verschuivend venster | ruis gladstrijken als het gebruik niet frequent is |
Zo stuur je bij op wat de curve laat zien
De curve vertelt je waar je moet kijken, niet wat je moet repareren. Een steile vroege daling wijst naar onboarding en activatie – de eerste sessie levert niet snel genoeg waarde. Een curve die laag afvlakt, wijst naar waarde op lange termijn of naar het verkeerde publiek. Heb je een hypothese, verander dan één ding en vergelijk de curve van het volgende cohort met de vorige. Het cohort is de meeteenheid van bijna elk retentie-experiment: voer de wijziging door, laat een nieuw cohort ouder worden en kijk of de bodem is verschoven.