Du har 10 000 användare. Din totala retention är 40 procent: 40 procent kommer tillbaka i månad två. Men den siffran döljer den verkliga historien. Användare som registrerade sig i januari stannar till 50 procent. Användare som registrerade sig i augusti stannar till 20 procent. När du grupperar användare i kohorter ser du mönstren som totalsiffror döljer.
Kohortanalys grupperar användare efter en gemensam egenskap (när de registrerade sig, var de kom ifrån, vad de gjorde först) och följer deras beteende över tid. Den här artikeln går igenom hur kohortanalys fungerar, vad den visar som annan analys missar och hur du använder kohorter för att förbättra retention och engagemang.
En kohort är en grupp användare som har något gemensamt. De registrerade sig alla samma vecka. De kom alla från samma marknadsföringskanal. De slutförde alla introduktionen. De använde alla samma funktion.
Därför spelar kohorter roll: totalmått döljer variation. Ditt totala bortfall är 30 procent. Du kanske tror att din produkt har ett bortfallsproblem och designar om den. Men om du delar upp användarna i kohorter hittar du: användare som slutför introduktionen lämnar till 10 procent, användare som hoppar över den lämnar till 70 procent. Ditt problem är inte produkten, det är introduktionen. Kohorter visar det verkliga problemet.
Typer av kohorter att följa
Tidsbaserade kohorter: Gruppera användare efter när de registrerade sig. Följ januarikohorten över 12 månader. Följ februarikohorten över 11 månader. Det visar säsongsmönster och trender i användarkvalitet över tid. Fick julis registreringar sämre retention för att produkten var mindre polerad i juli? Fick novembers registreringar bättre retention för att du förbättrade introduktionen?
Beteendebaserade kohorter: Gruppera användare efter vad de gjorde. Användare som bjöd in en annan användare under vecka ett. Användare som skapade ett betalt team under vecka två. Användare som tittade på handledningen. Det visar vilka tidiga beteenden som förutsäger långsiktig retention. Om användare som slutför introduktionen under vecka ett stannar tre gånger så länge som de som hoppar över den är introduktionen avgörande.
Källbaserade kohorter: Gruppera användare efter var de kom ifrån. Användare från organisk sökning. Användare från annonser. Användare från hänvisningar. Det visar vilka trafikkällor som ger högkvalitativa, lojala användare jämfört med engångsbesökare. Kanske ger annonser volym men låg retention. Kanske ger hänvisningar färre men mer lojala användare.
Demografiska kohorter: Gruppera användare efter plats, företagsstorlek eller bransch. Amerikanska användare stannar bättre än internationella. Användare från stora företag stannar längre än små team. Det visar vilka segment som är dina bästa kunder och var du ska fokusera.
Så läser du en kohortretentionstabell
En kohorttabell visar användare (rader) och månader (kolumner). Första kolumnen är månad noll (månaden de registrerade sig). Månad ett är första månaden efter registreringen. Månad två är andra månaden. Siffrorna visar hur många procent av den ursprungliga kohorten som kom tillbaka.
Exempel: Januarikohorten, 1 000 användare
Månad noll: 100 procent (alla 1 000)
Månad ett: 70 procent (700 kom tillbaka)
Månad två: 50 procent (500 kom tillbaka)
Månad tre: 40 procent (400 kom tillbaka)
Det visar: du förlorar 30 procent i månad ett och sedan stabiliseras det. Du behåller 40 procent långsiktigt.
Jämför mellan kohorter. Om januari behåller 40 procent och februari behåller 35 procent är februari något lägre. Om november behåller 20 procent och december behåller 60 procent har något ändrats. Decemberkohorten är annorlunda.
Vad kohorter visar som andra mått döljer
Din totala månatliga retention är 50 procent. Låter hyfsat. Men din aprilkohort stannar till 70 procent och din augustikohort till 30 procent. Något ändrades mellan april och augusti. Gjorde du en produktändring? En ändring i introduktionen? Kohorter visar exakt när din produktkvalitet ändrades.
Din totala aktivering (användare som slutför introduktionen) är 60 procent. Men användare från betalda annonser aktiveras till 30 procent medan användare från organisk sökning aktiveras till 80 procent. Nu vet du: din annonsmålgrupp lockar fel personer. Åtgärda målgruppen, inte introduktionen.
Kohorter visar problem som globala mått missar.
Vanliga misstag med kohortanalys
Att blanda ihop korrelation och orsakssamband: Användare som slutför introduktionen stannar tre gånger bättre än de som hoppar över den. Orsakar introduktionen retentionen? Inte nödvändigtvis. Kanske bryr sig användare som slutför introduktionen tillräckligt mycket för att också stanna kvar. Introduktionen är en signal om intention, inte nödvändigtvis orsaken till retentionen. Testa innan du påstår orsakssamband.
Att jämföra kohorter av olika storlek: Din januarikohort har 5 000 användare. Din decemberkohort har 100 användare. Att jämföra deras retention är orättvist. Små kohorter är brusigare. Vänta tills de stabiliseras innan du jämför.
Att ignorera säsongseffekter: November- och decemberkohorter stannar alltid sämre eftersom helgerna slår till. Januarikohorter stannar ofta bättre eftersom folk har nyårsmotivation. Förstå dina säsongsmönster innan du säger att en kohort är bättre.
Att inte vänta tillräckligt länge: Du skapade en kohort för två veckor sedan. Mät inte retention än. Du behöver minst 30 dagar för att se meningsfulla mönster. Bättre: vänta 90 dagar.
Så förbättrar du retention med kohorter
Steg ett: Identifiera kohorten som stannar bäst. Januarikohorten stannar till 60 procent. Decemberkohorten stannar till 30 procent. Januari är din förebild.
Steg två: Hitta vad som skiljer sig. Gick januarikohorten igenom en annan introduktion? Kom de under en annan produktversion? Svarade de på andra marknadsföringsbudskap?
Steg tre: Tillämpa skillnaden på kohorten med lägre retention. Använd januaris introduktion för decembers registreringar. Se om retentionen förbättras.
Steg fyra: Mät den nya kohorten. Fungerar ändringen? Med kohorter kan du testa och mäta grupp för grupp.
Kohorter jämfört med segment och trattar
Ett segment är en ögonblicksbild: användare vi riktar oss mot i dag. En kohort är en resa: en grupp användare vi följer över tid. En tratt är en väg: hur många procent som går från steg till steg.
Segment svarar på "vilka är våra användare nu?" Kohorter svarar på "stannar våra användare?" Trattar svarar på "var hoppar användare av?" Du behöver alla tre perspektiven.
Vanliga frågor
Hur många användare behöver jag för att en kohort ska vara meningsfull?
Minst 100 användare per kohort. Mindre kohorter är för brusiga. Med 20 användare ändrar en person som lämnar din retention med 5 procent. Med 100 användare ändrar en person som lämnar den med 1 procent. Sikta på över 100. Med WEMASYs webbplatsbyggare kan du ställa in det direkt på din webbplats.
Vad är bra retention för en kohort?
Det beror på din produkt. En social app kan ha som mål 40 procent retention i månad ett. Ett produktivitetsverktyg kan ha 60 procent. En nischad molntjänst kan ha 30 procent. Jämför med din bransch, inte med alla produkter.
Kan en kohorts retention öka över tid?
Nej, i allmänhet går retention bara ner eller står still. När någon har lämnat kommer hen inte tillbaka automatiskt (om du inte engagerar hen på nytt). En kohort som börjar på 100 procent i månad noll minskar därifrån. Om du ser att retentionen ökar är något fel med din mätning.
Hur väljer jag vilken egenskap jag ska gruppera kohorter efter?
Gruppera efter saker du kan styra eller mäta. Du kan mäta när någon registrerade sig, var hen kom ifrån och vad hen gjorde först. Du kan inte lika enkelt mäta saker som humör eller avsikt. Fokusera på kohorter som hänger ihop med produktändringar eller affärsbeslut.
Vad gör jag om mina kohorter inte berättar en tydlig historia?
Du kan behöva andra segment. I stället för tidsbaserade kohorter kan du prova beteendebaserade. I stället för alla användare kan du prova bara betalande kunder. I stället för månadsvis kan du prova veckovis. Experimentera med olika grupperingar tills historien framträder.
Är kohortanalys samma sak som segmentering?
Relaterat men olika. Segmentering delar in användare i grupper i dag (högt värde, i riskzonen, nya). Kohortanalys följer de grupperna över tid. Segmentering är en ögonblicksbild. Kohorter är en film som visar hur grupper förändras.