Kohortinio išlaikymo analizė: žingsnis po žingsnio su formulėmis ir pavyzdiniais duomenimis

Kodėl vidurkiai visada meluoja

Jei „šio mėnesio išlaikymą“ skaičiuojate kaip (aktyvūs klientai šį mėnesį) ÷ (aktyvūs klientai praėjusį mėnesį), gaunate skaičių, kuris sumaišo 8 metų klientus su visiškai naujais. Nauji išeina greitai, seni lieka. Verslui augant ir pritraukiant naujų klientų, vidurkis krenta – ne todėl, kad išlaikymas pablogėjo, o todėl, kad pasikeitė sudėtis.

Kohortų analizė tai išsprendžia, atskirdama grupes. Kiekvienas įsigijimo mėnuo turi savo eilutę, kurioje stebite tos grupės išlikimą. Dabar lyginate tai, kas palyginama: ar sausį įsigyti klientai 6-ą mėnesį išliko geriau nei vasarį įsigyti 6-ą mėnesį?

Kokių duomenų reikia

Kiekvienai transakcijai reikia trijų stulpelių:

• Kliento ID (stabilus identifikatorius tarp užsakymų / sesijų)
• Įsigijimo data (PIRMOJO užsakymo / registracijos data, ne dabartinės transakcijos)
• Aktyvumo data (kiekvienos transakcijos ar aktyvios sesijos data)

Jei turite tik transakcijų datas, įsigijimo datą gaukite su MIN(transakcijos_data) kiekvienam klientui. Daugumoje analitikos įrankių tai vienos eilutės SQL užklausa.

1 žingsnis: grupuokite pagal įsigijimo mėnesį

Sugrupuokite klientus pagal pirmojo užsakymo mėnesį. „2026-01 kohorta“ – visi, kurių pirmasis pirkinys buvo 2026 m. sausį. „2026-02 kohorta“ – pirmą kartą pirkę vasarį.

Suskaičiuokite kiekvienos kohortos dydį. Tai bus eilutės vardiklis.

2 žingsnis: suskaičiuokite aktyvius klientus kiekvienai kohortai kiekvieną mėnesį

Kiekvienai kohortai suskaičiuokite, kiek jos klientų buvo aktyvūs kiekvieną vėlesnį mėnesį. „Aktyvus“ priklauso nuo verslo: prenumeratoje – „moka“, el. prekyboje – „pateikė užsakymą“, SaaS programėlėje – „prisijungė“.

Svarbu: skaičiuokite klientus, ne transakcijas. Klientas, kovą pateikęs 5 užsakymus, tą mėnesį skaičiuojamas kaip 1 aktyvus klientas.

3 žingsnis: padalykite ir sukurkite trikampį

Kiekvienoje eilutėje padalykite kiekvieno mėnesio aktyvių skaičių iš kohortos dydžio ir išreikškite procentais. Gaunate kohortinio išlaikymo lentelę:

Pavyzdys:

M0 visada yra 100 % (pagal apibrėžimą). Dešinėje trikampis nepilnas, nes naujesnės kohortos dar nepasenusios.

Kaip skaityti trikampį

Įstrižai: produkto sveikata. Pasirinkite fiksuotą amžių, pvz., M3, ir skaitykite stulpelį žemyn. Pavyzdyje M3 kito nuo 41 % iki 44 % ir 46 %. Išlaikymas gerėja nuo kohortos iki kohortos: geresnis įvedimas, tinkamesnis pritraukimas ar geresnis produktas.

Vertikaliai (stulpeliu): išskiria jūsų pakeitimų poveikį. Jei spalį paleidote naują įvedimą, palyginkite rugsėjo M1 (62 %) su spalio (65 %) ir lapkričio (68 %). Pagerėjimas tikras ir nepriklauso nuo kohortos amžiaus.

Horizontaliai (eilute): tos kohortos kliento gyvavimo kreivė. Staigus kritimas pradžioje su stabilia uodega – produkto ir rinkos atitikties problema. Laipsniškas mažėjimas – įsitraukimo silpimas. Staigus kritimas konkretų mėnesį – struktūrinis įvykis (metinis atnaujinimas, bandomojo laikotarpio pabaiga, sutarties etapas).

Trys modeliai, reikalaujantys veiksmų

1 modelis: kiekviena nauja kohorta išlaikoma blogiau nei ankstesnė. Pvz., M1 krenta nuo 65 % iki 62 % ir 58 %. Tai pavojingiausias modelis. Blogėja pritraukimas (netinkamesni klientai), produktas arba abu. Sutvarkykite tai prieš bet kokias investicijas į augimą.

2 modelis: prenumeratoje M1 išlaikymas mažesnis nei 40 %. Jokie CAC atsipirkimo skaičiavimai nesuveiks. Mokate už klientus, kurie negrįžta. Sustabdykite pritraukimą ir sutvarkykite išlaikymą.

3 modelis: ilgalaikis išlaikymas stabilizuojasi žemiau 20 %. Produktas neturi ilgalaikės vertės. Likę klientai nesudaro tvarios bazės, todėl piltuvėlio viršų teks pildyti amžinai.

Ką daryti, kai turite trikampį

1. Skaičiuokite jį kas mėnesį. Įstrižainės tendencija – svarbiausias jūsų verslo signalas.
2. Segmentuokite kohortas pagal pritraukimo kanalą. Mokamos reklamos kohortos dažnai išlaikomos daug blogiau nei organinės – be segmentavimo to nepamatysite.
3. M3 arba M6 stulpelį naudokite kaip kelrodį produkto ir įvedimo eksperimentams. Nenaudokite M1 – jis per daug triukšmingas ir atspindi „medaus mėnesio“ efektą.
4. Derinkite trikampį su pajamų kohortų analize: ta pati struktūra, bet su ARR ar užsakymų verte vietoj aktyvių klientų. Taip pamatysite, ar išlaikyti klientai išleidžia daugiau.

Išmokę skaityti kohortų trikampį, niekada nebepasitikėsite vidutiniu išlaikymo skaičiumi. Taip pat skaitykite: NRR vs GRR, klientų išlaikymas vs įsigijimo kaina ir kaip apskaičiuoti klientų išlaikymo rodiklį.