Segmentering svarer på: Opfører forskellige kunder sig forskelligt?
Eksempel: Kunder, der tog funktion A i brug, har to procent frafald. Kunder, der ikke gjorde, har fire procent frafald. Funktion A driver fastholdelsen. Funktion A er vigtig.
Kohorteanalyse svarer på: Opfører forskellige grupper af kunder sig forskelligt over tid?
Eksempel: Kunder, der tilmeldte sig i januar, har 80 procent fastholdelse i måned ét, 60 procent i måned to og 40 procent i måned tre. Kunder, der tilmeldte sig i februar, har 75 procent fastholdelse i måned ét og 50 procent i måned to. Januarkohorten fastholdes bedre. Noget ændrede sig mellem januar og februar.
Hvornår du skal bruge segmentering
Brug segmentering, når tallet varierer mellem segmenter
Omsætning varierer med kundestørrelse, store virksomheder mod selvbetjening. Trafik varierer med trafikkilde, betalt mod organisk. Engagement varierer med brug af produktet, flittige brugere mod tilfældige brugere. Segmenter og mål hver for sig. Når du forstår forskellene, bliver beslutningerne bedre.
Segmenter ikke, hvis tallet er det samme på tværs af segmenter
Sidevisninger er de samme mandag og tirsdag. Der er ingen grund til at segmentere efter dag. Tid er ikke et nyttigt segment.
Hvornår du skal bruge kohorteanalyse
Brug kohorteanalyse, når kohorten betyder noget
Hvordan er kundens livstidsværdi forskellig efter tilmeldingsmåned? Måneder betyder noget på grund af sæson og ændringer i produktet. Kohorteanalyse viser tidseffekter.
Brug ikke kohorteanalyse, hvis kohorten er meningsløs
Antal indlæste sider pr. besøg varierer ikke meningsfuldt efter tilmeldingsmåned. Kohorteanalysen ville vise støj, ikke signal.
Eksempel fra virkeligheden: avanceret segmentering i en SaaS-virksomhed
Første segmentering efter størrelse
Store virksomheder (årlig kontraktværdi på 100.000 og derover): 20 kunder. To procent månedligt frafald. Mellemstore (10.000 til 100.000): 100 kunder. Fire procent månedligt frafald. Selvbetjening (under 10.000): 500 kunder. Otte procent månedligt frafald.
Store kunder er trofaste. Selvbetjeningskunder falder hurtigt fra. Det er forventet. Men frafaldet blandt de mellemstore er på fire procent, og det er over målet på tre procent.
Videre segmentering efter adfærd
Segmenter de mellemstore videre efter brug af produktet. Mellemstore kunder, der bruger funktion A, har to procent månedligt frafald. Mellemstore kunder, der ikke bruger funktion A, har seks procent månedligt frafald.
Funktion A er det, der holder på de mellemstore kunder. Handling: Gør funktion A lettere at finde for mellemstore kunder. Få flere mellemstore kunder til at bruge funktion A. Frafaldet bør falde.
Eksempel fra virkeligheden: kohorteanalyse på en markedsplads
Følg køberes genkøb efter tilmeldingskohorte
Januarkohorten (1.000 købere): Genkøb i måned ét er 30 procent. I måned to 20 procent. I måned tre 15 procent.
Februarkohorten (1.000 købere): Genkøb i måned ét er 25 procent. I måned to 18 procent. I måned tre 12 procent.
Find forskellen
Januarkohorten fastholdes bedre end februarkohorten. Hvorfor? Undersøg det.
Test en hypotese
Hypotese: I januar var der en særlig introduktion. I februar var der ikke. Test: Indfør introduktionen igen for marts-kohorten.
Marts-kohorten (1.000 købere): Genkøb i måned ét er 30 procent, ligesom i januar. I måned to 22 procent. I måned tre 16 procent.
Introduktionen forbedrede fastholdelsen. Funktion A var løsningen.
Segmentering og kohorteanalyse sammen
Kombiner begge for en stærk analyse
Segmenter de store kunder efter kohorte.
Januarkohorten af store kunder: 85 procent fornyer. Februarkohorten af store kunder: 80 procent fornyer. Marts-kohorten af store kunder: 90 procent fornyer.
Undersøg og handl
Marts-kohorten af store kunder fornyer bedre. Hvorfor? Undersøg det. Du finder ud af, at marts-kohorten fik en ny introduktion, der lægger vægt på at opbygge relationer. Relationer øger fornyelsen blandt store kunder. Handling: Brug den nye introduktion til alle kohorter fremover.
Ofte stillede spørgsmål
Hvor mange segmenter skal vi følge?
Højst tre til syv segmenter. Flere segmenter skaber kompleksitet. Det bedste er tre til fem. Eksempel: Kundestørrelse med store, mellemstore og selvbetjening er tre segmenter. Det er rent. Lægger du geografi til med USA, EU og Asien og Stillehavsområdet, får du ni segmenter (3x3). For mange. Hold segmenterne til én eller to dimensioner. Med WEMASY's hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Hvordan vælger vi, hvilken dimension vi segmenterer efter?
Segmenter efter en dimension, der påvirker adfærden. Kundestørrelse påvirker adfærden, for store virksomheder opfører sig anderledes end selvbetjening. Branche påvirker adfærden, for SaaS-kunder opfører sig anderledes end detailhandel. Trafikkilde påvirker adfærden, for betalt søgning opfører sig anderledes end organisk. Segmenter efter den dimension, der forklarer udsvinget i tallet.
Hvor langt tilbage skal kohorteanalysen gå?
Mindst tolv måneder. Kortere kohorter, under tre måneder gamle, er for uudviklede. Længere kohorter, tolv måneder og derover, viser hele livscyklussen. Eksempel: Følg kundefrafald i op til tolv måneder, fordi årlige kontrakter er en forpligtelse. Følg købernes genkøb i op til seks måneder, fordi købscyklussen er kortere.
Skal vi bruge dollarbeløb eller procenter i kohorteanalysen?
Procenter til fastholdelse og genkøb. Dollarbeløb til omsætning og værdi. Fastholdelse er den samme, uanset om kunden er lille eller stor, for begge skal blive som en procentdel af kohorten. Omsætningen varierer med kundestørrelse, så du skal bruge dollarbeløb for at se effekten.
Hvordan håndterer vi sæsonudsving i kohorteanalysen?
Tag højde for dem. Januarkohorten har efterdønninger fra højtiden. Aprilkohorten kommer efter skattesæsonen. Kohorterne er forskellige på grund af sæson, ikke på grund af ændringer i produktet. Sammenlign kohorter fra samme sæson. Januar 2024 mod januar 2025. Sammenligning år for år fjerner sæsonudsvinget.
Hvordan fortæller vi om resultater fra kohorteanalyser?
Vis en tabel over fastholdelse pr. kohorte med kolonner for måned ét, måned to og måned tre. Vis rækker for hver kohorte. Mønsteret springer i øjnene. Januarkohorten har 80, 60, 40 og falder jævnt. Februarkohorten har 70, 50, 30 og falder stejlere. En visuel tabel er tydeligere end en skriftlig forklaring.