Cara Melakukan Analisis Kelompok SaaS untuk Mengurangi Churn

Analisis kohort SaaS melibatkan segmentasi pengguna ke dalam kelompok berdasarkan perilaku atau sifat bersama untuk menjawab pertanyaan bisnis tentang bagaimana pengguna tersebut berinteraksi dengan, atau akan berinteraksi dengan, produk SaaS. Perusahaan SaaS dapat mengidentifikasi bagaimana perilaku atau karakteristik pengguna tertentu menghasilkan hasil yang berbeda.

Katakanlah produk SaaS Anda adalah alat manajemen proyek. Analisis kohort SaaS akan memungkinkan Anda mengidentifikasi bahwa:

• Pengguna yang mengaktifkan pengingat pemberitahuan push di minggu pertama lebih cenderung tetap terlibat dengan perangkat lunak Anda daripada mereka yang tidak.
• Pengguna yang bergabung pada hari peluncuran kampanye pemasaran profil tinggi menghasilkan kurang dari rata-rata.
• Pengguna yang bergabung pada bulan Januari biasanya mengakhiri langganan mereka setelah satu bulan.

Apa itu analisis kohort SaaS?

Perusahaan Software as a Service (SaaS) menyediakan perangkat lunak kepada pengguna dalam bentuk aplikasi berlangganan. Platform SaaS dapat menyediakan layanan perangkat lunak yang membantu pengguna dengan manajemen hubungan pelanggan, manajemen pengeluaran, manajemen proyek, sumber daya manusia, keamanan informasi, dan banyak lagi.

Dalam analisis kohort untuk SaaS, Anda memisahkan pengguna akhir ke dalam grup atau segmen untuk mempelajari bagaimana sifat dan perilaku mereka memengaruhi hasil bisnis. Perusahaan SaaS juga dapat melakukan analisis kohort pada grup akun pelanggan untuk melihat perbedaan di seluruh organisasi yang menggunakan platform mereka.

Anda dapat mengelompokkan pengguna menurut:

• Bulan mereka bergabung dengan platform SaaS Anda
• Saluran akuisisi
• Perilaku yang mereka tunjukkan di produk SaaS Anda (seperti mengaktifkan notifikasi, menggunakan fitur berbagi, membuat papan manajemen proyek baru, dll.)

Jika Anda memperlakukan semua pelanggan Anda sebagai satu grup, sulit untuk menarik wawasan yang dapat ditindaklanjuti tentang mengapa orang berpindah. Namun, jika Anda mengelompokkan pengguna berdasarkan saat mereka bergabung dengan aplikasi Anda, misalnya, Anda dapat menganalisis pola di seluruh siklus hidup pelanggan.

Analisis kelompok membantu Anda lebih memahami cara pengguna berperilaku, yang memungkinkan Anda untuk:

• Buat keputusan produk yang menambah nilai bagi pengguna dan membuat mereka tetap terlibat.
• Temukan pola pra-churn dan bertindak untuk meningkatkan retensi pelanggan.
• Meningkatkan periklanan dan personalisasi.
• Memahami perbedaan musiman dalam penggunaan produk.

Analisis kohort untuk perusahaan berbasis langganan

Perusahaan SaaS berbasis langganan (seperti Calm) dapat menggunakan analisis kelompok berlangganan untuk mengidentifikasi kelompok mana yang memiliki retensi tinggi dan tetap menjadi pelanggan untuk waktu yang lama. Demikian pula, perusahaan langganan berjenjang (misalnya, Canva atau HubSpot) dapat mengidentifikasi kohort mana yang meningkatkan ke paket yang lebih mahal dan menghasilkan pendapatan paling banyak.

Perusahaan SaaS berbasis langganan dapat melakukan beberapa analisis untuk memahami mengapa kelompok tertentu berhenti. Kemudian mereka dapat bekerja untuk meningkatkan tingkat retensi.

Analisis perilaku

Untuk melakukan analisis perilaku pengguna:

• Buat kelompok perilaku dengan mengelompokkan pengguna berdasarkan tindakan yang mereka lakukan atau tidak lakukan dalam platform SaaS Anda. Misalnya, mengelompokkan pengguna berdasarkan apakah mereka telah menggunakan fitur tertentu atau tidak.
• Persempit lebih lanjut kelompok perilaku Anda dengan memisahkan pengguna berdasarkan tindakan yang mereka lakukan dalam jangka waktu tertentu. Misalnya, pengguna yang menggunakan fitur tertentu dalam minggu pertama berlangganan platform Anda.
• Analisis kelompok perilaku yang berbeda untuk melihat apakah penggunaan fitur yang berbeda berkorelasi dengan retensi. Misalnya, Anda mungkin memperhatikan bahwa pengguna yang menyinkronkan CRM Anda ke kontak Google mereka dalam minggu pertama menggunakan platform Anda memiliki tingkat retensi yang lebih tinggi daripada mereka yang tidak.

analisis churn

Untuk melakukan analisis kelompok tingkat churn:

• Pertama, tentukan kelompok Anda (misalnya, hari pengguna bergabung).
• Selanjutnya, hitung churn rate dengan melihat berapa banyak pengguna yang bergabung pada hari tertentu yang kembali di kemudian hari. Misalnya, berapa persentase pelanggan yang kembali pada hari kelima.
• Kemudian, cari tahu apakah berbagai faktor memengaruhi churn. Misalnya, Anda dapat mengelompokkan pengguna berdasarkan platform untuk melihat apakah pengalaman pengguna yang berbeda pada platform yang berbeda berkontribusi terhadap churn.
• Setelah Anda memiliki hipotesis, perubahan produk uji A/B yang dapat membantu mengonfirmasinya menggunakan alat seperti Eksperimen Amplitudo.

Terus pelajari tentang analisis churn di seluruh industri dan lingkungan dalam video ini:

Analisis pendapatan

Untuk melakukan analisis kelompok pendapatan:

• Mulailah dengan mengikuti langkah-langkah analisis churn dan tambahkan pendapatan yang disumbangkan setiap pengguna.
• Dari sana, hitung ekspansi pendapatan, lalu bandingkan ekspansi pendapatan di seluruh kelompok.
• Perhatikan kelompok di mana pendapatan berkembang dan jelajahi mengapa hal itu mungkin terjadi.
• Kemudian gunakan eksperimen untuk menguji hipotesis Anda.

Bagaimana menerapkan temuan analisis kohort SaaS

Setelah Anda melakukan analisis kohort SaaS, gunakan informasi yang Anda kumpulkan untuk membuat keputusan produk yang mengurangi churn.

Untuk menerapkan temuan Anda:

• Identifikasi kohort "masalah" yang churn setelah waktu yang singkat menggunakan salah satu analisis kohort untuk metode SaaS di atas.
• Kembangkan hipotesis untuk apa yang menyebabkan masalah. Misalnya, mungkin orang yang tidak menggunakan fitur sinkronisasi kontak Anda dalam minggu pertama tidak merasakan manfaat penuh dari perangkat lunak SaaS Anda, sehingga mereka berpindah dengan cepat.
• Lakukan pengujian A/B untuk memeriksa hipotesis Anda dan lebih memahami kelompok masalah. Ketahuilah bahwa penyelidikan ini akan rumit karena sering kali merupakan kombinasi dari hal-hal yang membuat pengguna tetap terlibat dan dipertahankan.
• Berdasarkan hasil pengujian A/B, modifikasi perangkat lunak Anda sesuai untuk mengatasi area masalah.
• Ulangi analisis kohort dan proses pengujian hipotesis untuk mengidentifikasi area masalah tambahan dan mengurangi churn.

Analisis kohort SaaS: Kunci untuk meningkatkan CLV

Nilai seumur hidup pelanggan (CLV) memberi tahu Anda berapa banyak pendapatan yang dihasilkan pelanggan biasa selama hubungan mereka dengan platform Anda. Misalnya, jika pelanggan membayar biaya langganan bulanan sebesar $10 dan biasanya berhenti setelah 12 bulan, CLV Anda adalah $120. Anda juga akan melihat istilah ini disingkat menjadi lifetime value (LTV).

Jika Anda memahami jenis pengguna mana yang memiliki CLV tinggi, Anda dapat mengambil tindakan untuk menarik pengguna serupa. Anda juga dapat mendorong orang lain untuk mengambil tindakan yang telah Anda buktikan berkorelasi dengan keterlibatan dan retensi yang tinggi.

Karena analisis kohort SaaS memungkinkan Anda melihat kapan pelanggan (pengguna akhir atau akun pelanggan) churn, artinya Anda dapat mengukur dan melacak CLV. Analisis kelompok juga membantu Anda meningkatkan CLV. Anda dapat melihat, misalnya, kelompok pengguna mana yang menghasilkan pendapatan paling banyak dan kemudian menyusun kampanye pemasaran Anda untuk menargetkan pengguna tersebut atau menyesuaikan keputusan produk Anda untuk melayani mereka dengan lebih baik.

Dengan analisis kelompok langganan, Anda juga mendapatkan indikasi mengapa orang beralih, sehingga Anda dapat memperbaiki masalah tersebut. Katakanlah Anda melihat ada tingkat churn yang tinggi untuk pengguna dalam paket langganan dasar Anda. Anda dapat menambahkan lebih banyak fitur produk ke paket harga dasar tersebut untuk memberikan nilai lebih kepada pengguna tersebut dan mencegah mereka berhenti bekerja.

Selain itu, Anda dapat mengidentifikasi bagaimana metrik perilaku memengaruhi CLV sehingga Anda dapat mengoptimalkan perangkat lunak Anda. Misalnya, jika Anda melihat bahwa pengguna yang mengaktifkan notifikasi push cenderung tetap berinteraksi dengan platform SaaS Anda, Anda dapat bereksperimen dengan mendorong semua pengguna untuk mengaktifkan notifikasi selama orientasi. Anda sebaiknya menjalankan pengujian A/B untuk melihat apakah perubahan produk tersebut secara kausal meningkatkan keterlibatan.

Memahami metrik analisis kelompok

Selain CLV, metrik standar untuk analisis kohort SaaS adalah retensi pelanggan atau churn—berapa banyak pelanggan yang kembali atau pergi dalam jangka waktu tertentu. Jika tingkat penghentian lebih tinggi dari rata-rata untuk kelompok tertentu, Anda tahu bahwa Anda perlu memusatkan perhatian pada kelompok tersebut.

Anda juga dapat melihat metrik yang memberi Anda lebih banyak informasi tentang berapa banyak pendapatan yang dihasilkan oleh kelompok yang berbeda, seperti pendapatan rata-rata per pengguna (ARPU) dan biaya akuisisi pelanggan (CAC).

3 jenis analisis kohort teratas

Untuk analisis kohort SaaS, Anda dapat memilih jenis kohor mana yang Anda pisahkan pengguna Anda. Tiga jenis kelompok teratas adalah kelompok akuisisi, kelompok perilaku , dan kelompok prediktif .

Kelompok akuisisi memisahkan pengguna berdasarkan:

• Kapan mendaftar?
• Bagaimana mereka mendaftar (saluran akuisisi mereka)

Kelompok perilaku memisahkan pengguna berdasarkan tindakan yang mereka ambil atau tidak lakukan, dan tindakan yang mereka lakukan dalam jangka waktu tertentu. Sebagai contoh:

• Dalam platform CRM: pengguna yang menambahkan X jumlah kontak atau meluncurkan kampanye pemasaran dalam seminggu terakhir
• Dalam platform manajemen proyek: pengguna yang mengaktifkan pemberitahuan desktop

Kelompok prediktif memisahkan pengguna berdasarkan kemungkinan mereka akan melakukan tindakan tertentu di masa mendatang.

Template analisis kelompok

Anda biasanya melakukan analisis kohort SaaS dalam tabel kohort. Di atas meja, Anda akan melihat:

• Baris untuk setiap kelompok pengguna (misalnya, bergabung pada 6 Juli, bergabung pada 15 Juli)
• Kolom untuk setiap hari, minggu, atau bulan setelah kelompok dibuat (hari nol adalah hari pengguna bergabung)
• Sel yang biasanya menunjukkan tingkat churn atau tingkat retensi setiap hari

Pada tabel kohort di atas, Anda dapat melihat retensi untuk pengguna yang bergabung pada 6 Juli hanya 6% pada hari kelima. Itu berarti 94% pengguna melakukan churn—ember bocor. Coba jelajahi data ini secara gratis menggunakan demo layanan mandiri Amplitude, lalu navigasikan ke tabel kelompok contoh ini.

Anda dapat memvisualisasikan tabel kelompok ini dengan lebih baik dengan membuat kurva analisis retensi.

Dengan menggunakan bagan Analisis Retensi Amplitudo, Anda dapat melihat masalah langsung—hanya sekitar 10% pengguna yang tersisa setelah hari pertama. Ini dapat menunjukkan bahwa produk SaaS Anda memiliki orientasi yang rumit, ajakan bertindak yang hilang, masalah teknis, atau hal lainnya. Anda dapat menguji hipotesis Anda melalui eksperimen, kemudian memperbaiki masalah dan mengurangi churn.

Siap untuk menjelajahi kelompok dalam produk SaaS Anda dan mulai meningkatkan retensi hari ini? Mulailah secara gratis menggunakan Amplitude, atau lihat buku pedoman Mastering Retention kami untuk mempelajari lebih lanjut.

Referensi

• Analisis Kelompok: Kurangi Churn & Tingkatkan Retensi. Amplitudo
• Mengapa analisis kohort mengalahkan semua pendekatan lain untuk menghitung LTV. seumur hidup
• 8 metrik SaaS yang harus Anda pantau. aliran web
• Panduan pemula untuk analisis kohort: Cara mengurangi churn dan membuat keputusan produk yang lebih baik. Appcues