Du har 10.000 brugere. Din samlede fastholdelse er 40 procent: 40 procent kommer tilbage i måned to. Men det tal skjuler den virkelige historie. Brugere, der tilmeldte sig i januar, bliver hængende med 50 procent. Brugere, der tilmeldte sig i august, med 20 procent. Når du grupperer brugere i kohorter, ser du de mønstre, som samlede tal skjuler.
Kohorteanalyse grupperer brugere efter et fælles træk (hvornår de tilmeldte sig, hvor de kom fra, hvad de gjorde først) og følger deres adfærd over tid. Her gennemgår vi, hvordan kohorteanalyse virker, hvad den afslører, som andre analyser overser, og hvordan du bruger kohorter til at forbedre fastholdelse og engagement.
En kohorte er en gruppe brugere, der har noget til fælles. De tilmeldte sig alle i samme uge. De kom alle fra samme marketingkanal. De gennemførte alle introduktionen. De brugte alle den samme funktion.
Hvorfor kohorter betyder noget: samlede tal skjuler variation. Dit samlede frafald er 30 procent. Du tror måske, at dit produkt har et frafaldsproblem, og designer det om. Men deler du brugerne op i kohorter, finder du: brugere, der gennemfører introduktionen, falder fra med 10 procent, brugere, der springer den over, med 70 procent. Dit problem er ikke produktet, det er introduktionen. Kohorter afslører det virkelige problem.
Typer af kohorter, du kan følge
Tidsbaserede kohorter: Gruppér brugere efter, hvornår de tilmeldte sig. Følg januarkohorten over 12 måneder. Følg februarkohorten over 11 måneder. Det afslører sæsonmønstre og udviklingen i brugernes kvalitet over tid. Havde tilmeldinger i juli dårligere fastholdelse, fordi produktet var mindre poleret i juli? Havde tilmeldinger i november bedre fastholdelse, fordi du forbedrede introduktionen?
Adfærdskohorter: Gruppér brugere efter, hvad de gjorde. Brugere, der inviterede en anden bruger i uge ét. Brugere, der oprettede et betalende team i uge to. Brugere, der så vejledningen. Det afslører, hvilken tidlig adfærd der forudsiger langsigtet fastholdelse. Bliver brugere, der gennemfører introduktionen i uge ét, tre gange så længe som dem, der springer den over, er introduktionen afgørende.
Kildekohorter: Gruppér brugere efter, hvor de kom fra. Brugere fra organisk søgning. Brugere fra annoncer. Brugere fra henvisninger. Det afslører, hvilke trafikkilder der giver loyale brugere af høj kvalitet, og hvilke der giver engangsbesøgende. Måske giver annoncer mængde, men lav fastholdelse. Måske giver henvisninger færre, men højere fastholdelse.
Demografiske kohorter: Gruppér brugere efter sted, virksomhedsstørrelse eller branche. Brugere i USA holder bedre fast end internationale. Store virksomheder bliver længere end små teams. Det afslører, hvilke segmenter der er dine bedste kunder, og hvor du skal fokusere.
Sådan læser du en kohortetabel for fastholdelse
En kohortetabel viser brugere (rækker) og måneder (kolonner). Første kolonne er måned nul (måneden, de tilmeldte sig). Måned ét er første måned efter tilmelding. Måned to er anden måned. Tallene viser, hvor mange procent af den oprindelige kohorte der kom tilbage.
Eksempel: januarkohorten, 1.000 brugere
Måned nul: 100 procent (alle 1.000)
Måned ét: 70 procent (700 kom tilbage)
Måned to: 50 procent (500 kom tilbage)
Måned tre: 40 procent (400 kom tilbage)
Det viser: du mister 30 procent i måned ét og stabiliserer dig derefter. Du beholder 40 procent på lang sigt.
Sammenlign på tværs af kohorter. Beholder januar 40 procent og februar 35 procent, er februar en smule lavere. Beholder november 20 procent og december 60 procent, har noget ændret sig. Decemberkohorten er anderledes.
Hvad kohorter afslører, som andre tal skjuler
Din samlede månedlige fastholdelse er 50 procent. Det lyder fint. Men din aprilkohorte holder fast med 70 procent, din augustkohorte med 30 procent. Noget ændrede sig mellem april og august. Lavede du en ændring i produktet? En ændring i introduktionen? Kohorter peger på, hvornår din produktkvalitet ændrede sig.
Din samlede aktivering (brugere, der gennemfører introduktionen) er 60 procent. Men brugere fra betalte annoncer aktiverer med 30 procent, mens brugere fra organisk søgning aktiverer med 80 procent. Nu ved du, at din annoncemålretning bringer de forkerte folk. Ret målretningen, ikke introduktionen.
Kohorter afslører problemer, som de samlede tal overser.
Almindelige fejl i kohorteanalyse
At forveksle sammenfald med årsag: Brugere, der gennemfører introduktionen, holder tre gange bedre fast end dem, der springer den over. Skaber introduktionen fastholdelse? Ikke nødvendigvis. Måske bekymrer de brugere, der gennemfører introduktionen, sig også nok til at blive. Introduktionen er et tegn på vilje, ikke nødvendigvis årsagen til fastholdelse. Test, før du hævder en årsag.
At sammenligne kohorter af forskellig størrelse: Din januarkohorte har 5.000 brugere. Din decemberkohorte har 100 brugere. Det er uretfærdigt at sammenligne deres fastholdelse. Små kohorter er mere støjende. Vent, til de er stabile, før du sammenligner.
At overse sæsoneffekter: Kohorter fra november og december holder altid dårligere fast, fordi højtiden slår igennem. Kohorter fra januar holder ofte bedre fast, fordi folk har nytårsmotivation. Forstå dine sæsonmønstre, før du siger, at én kohorte er bedre.
At ikke vente længe nok: Du lavede en kohorte for to uger siden. Mål ikke fastholdelse endnu. Du skal bruge mindst 30 dage for at se meningsfulde mønstre. Bedre: vent 90 dage.
Sådan forbedrer du fastholdelse med kohorter
Trin et: Find den kohorte, der holder bedst fast. Januarkohorten holder fast med 60 procent. Decemberkohorten med 30 procent. Januar er din model.
Trin to: Find ud af, hvad der er anderledes. Gennemgik januarkohorten en anden introduktion? Kom de, mens produktet var i en anden version? Reagerede de på andre budskaber i markedsføringen?
Trin tre: Brug forskellen på kohorten med lavere fastholdelse. Brug januars introduktion til decembers tilmeldinger. Se, om fastholdelsen bliver bedre.
Trin fire: Mål den nye kohorte. Virker ændringen? Med kohorter kan du teste og måle gruppe for gruppe.
Kohorter, segmenter og tragte
Et segment er et øjebliksbillede: de brugere, vi målretter mod i dag. En kohorte er en rejse: en gruppe brugere, vi følger over tid. En tragt er en vej: hvor mange procent der går fra trin til trin.
Segmenter svarer på "hvem er vores brugere nu?" Kohorter svarer på "bliver vores brugere?" Tragte svarer på "hvor falder brugerne fra?" Du har brug for alle tre perspektiver.
Ofte stillede spørgsmål
Hvor mange brugere skal en kohorte have for at give mening?
Mindst 100 brugere pr. kohorte. Mindre kohorter er for støjende. Med 20 brugere ændrer én, der forlader dig, din fastholdelse med 5 procent. Med 100 brugere ændrer én den med 1 procent. Sigt efter 100 eller flere. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Hvad er god fastholdelse for en kohorte?
Det afhænger af dit produkt. En app til sociale medier sigter måske efter 40 procent fastholdelse i måned ét. Et produktivitetsværktøj måske 60 procent. Et nicheprodukt med abonnement måske 30 procent. Sammenlign med din branche, ikke med alle produkter.
Kan fastholdelsen i en kohorte stige over tid?
Nej, som regel går fastholdelsen kun ned eller er flad. Når nogen først er gået, kommer de ikke automatisk tilbage (medmindre du får fat i dem igen). En kohorte, der starter på 100 procent i måned nul, falder derfra. Ser du fastholdelsen stige, er der noget galt med din måling.
Hvordan vælger jeg, hvilket træk jeg skal lave kohorter efter?
Lav kohorter efter ting, du kan styre eller måle. Du kan måle, hvornår nogen tilmeldte sig, hvor de kom fra, og hvad de gjorde først. Du kan ikke let måle ting som humør eller hensigt. Fokusér på kohorter, der hænger sammen med ændringer i produktet eller forretningsbeslutninger.
Hvad hvis mine kohorter ikke fortæller en tydelig historie?
Du har måske brug for andre segmenter. I stedet for tidsbaserede kohorter kan du prøve adfærdskohorter. I stedet for alle brugere kan du prøve kun betalende kunder. I stedet for månedlige kan du prøve ugentlige. Eksperimentér med forskellige grupperinger, til historien viser sig.
Er kohorteanalyse det samme som segmentering?
Beslægtet, men ikke det samme. Segmentering deler brugere i grupper i dag (værdifulde, i fare, nye). Kohorteanalyse følger de grupper over tid. Segmentering er et øjebliksbillede. Kohorter er en film, der viser, hvordan grupper ændrer sig.