Jak działa analiza kohortowa?
Grupujesz użytkowników według tego, kiedy pojawili się po raz pierwszy – rejestracje ze stycznia, rejestracje z lutego – a potem mierzysz to samo zachowanie w każdej grupie w tym samym wieku względnym: dzień 1, dzień 7, dzień 30. Wynikiem jest zwykle tabela, w której każdy wiersz to kohorta, a każda kolumna to wiek. Czytanie kolumny z góry na dół odpowiada na pytanie, na które uśredniona wartość nie odpowie: czy nowsze kohorty utrzymują się lepiej niż starsze, czy produkt stoi w miejscu, a rośnie tylko pozyskiwanie?
Jak czytać krzywą retencji?
Narysuj wskaźnik retencji jednej kohorty względem czasu od rejestracji, a dostaniesz krzywą, która zaczyna się od 100% i spada. Kształt jest ważniejszy niż którykolwiek pojedynczy punkt. Krzywa, która stale zsuwa się w stronę zera, oznacza, że każdy użytkownik w końcu odchodzi – wzrost dolewa wody do dziurawego wiadra, a Twój wskaźnik churnu dogoni pozyskiwanie. Krzywa, która się wypłaszcza, oznacza, że rdzeń użytkowników się zadomowił. Praktycy growth często odczytują wypłaszczającą się krzywą jako sygnał product-market fit; to heurystyka, a nie formalny test, ale powszechnie uznawana.
Dlaczego to ważne dla dwuosobowego zespołu
Uśrednione metryki schlebiają rosnącym produktom: gdy rejestracji w tym miesiącu jest więcej niż w zeszłym roku, w średniej dominują użytkownicy zbyt nowi, żeby zdążyli odejść. Kohorty usuwają to zniekształcenie jednym grupowaniem – a zapytanie jest na tyle proste, że uruchomisz je w SQL na własnych zdarzeniach. Zestaw kolumnę z 30. dnia ze swoim współczynnikiem aktywacji, żeby sprawdzić, czy zmiany w onboardingu faktycznie się utrzymują. Co robić, gdy kohorta słabnie – ścieżki odzyskiwania klientów, komunikacja w cyklu życia klienta – opisuje poradnik retencja i ścieżki odzyskiwania klientów.
Jakie są najczęstsze błędy w analizie kohortowej?
Powtarzają się trzy. Kohorty zbyt małe, by dawały sygnał – w kohorcie 20 użytkowników jedna osoba zmienia retencję o pięć punktów, więc czytaj trend w kilku kohortach, a nie w jednej. Porównywanie kohort w różnym wieku – dwumiesięczna kohorta zawsze wygląda lepiej niż dwunastomiesięczna w dwunastym miesiącu, bo nie ma tam jeszcze żadnych danych. I luźna definicja „aktywnego” użytkownika – jeśli otwarcie e-maila liczy się jako retencja, krzywa Ci schlebia. Wiąż „aktywność” z akcją, która dostarcza kluczową wartość Twojego produktu, a nie z logowaniem.