Cómo realizar un análisis de cohorte de SaaS para reducir la rotación

El análisis de cohortes de SaaS implica segmentar a los usuarios en grupos según los comportamientos o rasgos compartidos para responder preguntas comerciales sobre cómo esos usuarios han interactuado o interactuarán con un producto SaaS. Las empresas de SaaS pueden identificar cómo los comportamientos o las características específicas de los usuarios conducen a diferentes resultados.

Digamos que su producto SaaS es una herramienta de gestión de proyectos. El análisis de cohortes de SaaS le permitiría identificar que:

• Los usuarios que activan los recordatorios de notificaciones automáticas en la primera semana tienen más probabilidades de permanecer comprometidos con su software que aquellos que no lo hacen.
• Los usuarios que se unieron en un día con el lanzamiento de una campaña de marketing de alto perfil se están moviendo menos que el promedio.
• Los usuarios que se unen en enero suelen finalizar su suscripción después de un mes.

¿Qué es el análisis de cohortes de SaaS?

Las empresas de software como servicio (SaaS) proporcionan software a los usuarios en forma de aplicaciones de suscripción. Las plataformas SaaS pueden proporcionar servicios de software que ayuden a los usuarios con la gestión de relaciones con los clientes, la gestión de gastos, la gestión de proyectos, los recursos humanos, la seguridad de la información y más.

En el análisis de cohortes para SaaS, separa a los usuarios finales en grupos o segmentos para aprender cómo sus rasgos y comportamientos afectan los resultados comerciales. Las empresas de SaaS también pueden realizar un análisis de cohortes en grupos de cuentas de clientes para ver las diferencias entre las organizaciones que usan su plataforma.

Puede segmentar a los usuarios por:

• El mes en que se unieron a su plataforma SaaS
• El canal de adquisición
• Los comportamientos que mostraron en su producto SaaS (como habilitar notificaciones, usar la función de compartir, crear un nuevo tablero de administración de proyectos, etc.)

Si trata a todos sus clientes como un solo grupo, es difícil obtener información procesable sobre por qué la gente abandona. Pero si agrupa a los usuarios por cuándo se unieron a su aplicación, por ejemplo, puede analizar patrones a lo largo del ciclo de vida del cliente.

El análisis de cohortes lo ayuda a comprender mejor la forma en que se comportan los usuarios, lo que le permite:

• Tome decisiones de productos que agreguen valor para los usuarios y manténgalos comprometidos.
• Detecte patrones previos a la rotación y actúe para mejorar la retención de clientes.
• Mejorar la publicidad y la personalización.
• Comprender las diferencias estacionales en el uso del producto.

Análisis de cohortes para empresas basadas en suscripción

Las empresas SaaS basadas en suscripciones (como Calm) pueden usar el análisis de cohortes de suscripciones para identificar qué cohortes tienen una alta retención y siguen siendo suscriptores durante más tiempo. Del mismo modo, las empresas de suscripción por niveles (por ejemplo, Canva o HubSpot) pueden identificar qué cohortes se actualizan a planes más caros y generan la mayor cantidad de ingresos.

Las empresas de SaaS basadas en suscripciones pueden realizar varios análisis para comprender por qué ciertas cohortes abandonan. Entonces pueden trabajar para mejorar las tasas de retención.

Análisis de comportamiento

Para realizar un análisis del comportamiento del usuario:

• Cree cohortes de comportamiento agrupando usuarios en función de una acción que realizan o no dentro de su plataforma SaaS. Por ejemplo, segmente a los usuarios en función de si han utilizado una función específica o no.
• Reduzca aún más sus cohortes de comportamiento separando a los usuarios según las acciones que realizaron dentro de un período de tiempo específico. Por ejemplo, usuarios que usaron una función específica durante la primera semana de suscribirse a su plataforma.
• Analice las diferentes cohortes de comportamiento para ver si el uso de diferentes características se correlaciona con la retención. Por ejemplo, puede notar que los usuarios que sincronizan su CRM con sus contactos de Google dentro de la primera semana de uso de su plataforma tienen una tasa de retención más alta que aquellos que no lo hacen.

Análisis de abandono

Para llevar a cabo un análisis de cohortes de tasas de abandono:

• Primero, defina sus cohortes (por ejemplo, el día en que se unieron los usuarios).
• Luego, calcule la tasa de abandono observando cuántos usuarios que se unieron en un día específico regresaron un día posterior. Por ejemplo, qué porcentaje de clientes regresa el día cinco.
• Luego, averigüe si diferentes factores afectan la rotación. Por ejemplo, puede agrupar a los usuarios por plataforma para ver si las diferentes experiencias de los usuarios en diferentes plataformas contribuyen a la rotación.
• Una vez que tenga una hipótesis, realice pruebas A/B de los cambios del producto que podrían ayudar a confirmarla utilizando una herramienta como Amplitude Experiment.

Continúe aprendiendo sobre el análisis de abandono en todas las industrias y trimestres en este video:

Análisis de ingresos

Para realizar un análisis de cohorte de ingresos:

• Comience siguiendo los pasos del análisis de abandono y agregue los ingresos que aporta cada usuario.
• A partir de ahí, calcule la expansión de ingresos y luego compare la expansión de ingresos entre cohortes.
• Tome nota de las cohortes donde los ingresos se están expandiendo y explore por qué podría ser así.
• Luego use la experimentación para probar sus hipótesis.

Cómo implementar los resultados del análisis de cohortes de SaaS

Una vez que haya realizado su análisis de cohorte de SaaS, use la información que recopiló para tomar decisiones de productos que reduzcan la rotación.

Para implementar sus hallazgos:

• Identifique las cohortes "problemáticas" que abandonan después de un corto tiempo utilizando uno de los métodos de análisis de cohortes para SaaS anteriores.
• Desarrolle una hipótesis de lo que está causando el problema. Por ejemplo, tal vez las personas que no usan la función de sincronización de contactos durante la primera semana no experimentan el valor completo de su software SaaS, por lo que abandonan rápidamente.
• Realice pruebas A/B para verificar su hipótesis y comprender mejor las cohortes problemáticas. Tenga en cuenta que esta investigación será compleja porque a menudo es una combinación de cosas que mantienen a los usuarios comprometidos y retenidos.
• Según los resultados de la prueba A/B, modifique su software en consecuencia para abordar el área problemática.
• Repita el análisis de cohortes y el proceso de prueba de hipótesis para identificar cualquier área problemática adicional y reducir la rotación.

Análisis de cohorte de SaaS: la clave para aumentar el CLV

El valor de por vida del cliente (CLV) le indica cuántos ingresos genera un cliente típico en el transcurso de su relación con su plataforma. Por ejemplo, si los clientes pagan una tarifa de suscripción mensual de $10 y normalmente se dan de baja después de 12 meses, su CLV es de $120. También verá este término abreviado como valor de por vida (LTV).

Si comprende qué tipos de usuarios tienen CLV alto, puede tomar medidas para atraer usuarios similares. También puede alentar a otros a realizar acciones que ha demostrado que se correlacionan con un alto compromiso y retención.

Debido a que el análisis de cohortes de SaaS le permite ver cuándo los clientes (usuarios finales o cuentas de clientes) abandonan, significa que puede medir y rastrear CLV. El análisis de cohortes también lo ayuda a aumentar el CLV. Puede ver, por ejemplo, qué cohortes de usuarios generan la mayor cantidad de ingresos y luego diseñar sus campañas de marketing para dirigirse a esos usuarios o adaptar sus decisiones de productos para brindarles un mejor servicio.

Con el análisis de cohortes de suscripciones, también obtiene indicaciones de por qué las personas se están moviendo, para que pueda solucionar esos problemas. Supongamos que nota que hay altas tasas de abandono de usuarios en su plan de suscripción básico. Puede agregar más características del producto a ese plan de precios básico para brindar más valor a esos usuarios y disuadirlos de abandonar.

Además, puede identificar cómo las métricas de comportamiento impactan CLV para que pueda optimizar su software. Por ejemplo, si nota que los usuarios que habilitan las notificaciones automáticas tienden a seguir interactuando con su plataforma SaaS, puede experimentar animando a todos los usuarios a habilitar las notificaciones durante la incorporación. Querrá ejecutar pruebas A/B para ver si ese cambio de producto aumenta causalmente el compromiso.

Comprensión de las métricas de análisis de cohortes

Además de CLV, las métricas estándar para el análisis de cohortes de SaaS son la retención o rotación de clientes: cuántos clientes regresan o se van en un período de tiempo determinado, respectivamente. Si la tasa de abandono es más alta que el promedio para una cohorte específica, sabe que debe centrar su atención en esa cohorte.

También puede buscar métricas que le brinden más información sobre la cantidad de ingresos que generan las diferentes cohortes, como el ingreso promedio por usuario (ARPU) y el costo de adquisición del cliente (CAC).

Los 3 tipos principales de análisis de cohortes

Para su análisis de cohortes de SaaS, puede elegir en qué tipo de cohortes separa a sus usuarios. Los tres tipos principales de cohortes son las cohortes de adquisición , las cohortes de comportamiento y las cohortes predictivas .

Las cohortes de adquisición separan a los usuarios en función de:

• Cuando luego se registró
• Cómo se registraron (su canal de adquisición)

Las cohortes de comportamiento separan a los usuarios según las acciones que realizan o no, y las acciones que realizan dentro de un marco de tiempo específico. Por ejemplo:

• En una plataforma de CRM: usuarios que agregaron X número de contactos o lanzaron una campaña de marketing en la última semana
• En una plataforma de gestión de proyectos: usuarios que activaron las notificaciones de escritorio

Las cohortes predictivas separan a los usuarios en función de la probabilidad de que realicen una acción específica en el futuro.

Plantilla de análisis de cohortes

Por lo general, realiza un análisis de cohortes de SaaS en una tabla de cohortes. En la mesa, verás:

• Una fila para cada cohorte de usuarios (p. ej., se unió el 6 de julio, se unió el 15 de julio)
• Columnas para cada día, semana o mes posterior a la creación de la cohorte (el día cero es el día en que se unieron los usuarios)
• Celdas que generalmente muestran la tasa de abandono o la tasa de retención cada día

En la tabla de cohortes anterior, puede ver que la retención de los usuarios que se unieron el 6 de julio es solo del 6 % para el día cinco. Eso significa que el 94% de los usuarios se batieron: un balde con fugas. Intente explorar estos datos de forma gratuita utilizando la demostración de autoservicio de Amplitude, luego navegue a esta tabla de cohortes de ejemplo.

Puede visualizar mejor esta tabla de cohortes creando una curva de análisis de retención.

Con el gráfico de análisis de retención de Amplitude, puede ver un problema inmediato: solo alrededor del 10 % de los usuarios permanecen después del primer día. Esto podría indicar que su producto SaaS tiene una incorporación complicada, falta un llamado a la acción, un problema técnico u otra cosa. Puede probar sus hipótesis a través de la experimentación, luego rectificar los problemas y reducir la rotación.

¿Listo para explorar cohortes en su producto SaaS y comenzar a mejorar la retención hoy? Comience a usar Amplitude de forma gratuita o consulte nuestro libro de jugadas Mastering Retention para obtener más información.

Referencias

• Análisis de cohortes: Reduzca la rotación y mejore la retención. Amplitud
• Por qué el análisis de cohortes supera a todos los demás enfoques para calcular el LTV. de por vida
• 8 métricas de SaaS que debe monitorear. Flujo web
• Una guía para principiantes sobre el análisis de cohortes: cómo reducir la rotación y tomar mejores decisiones sobre productos. aplicaciones