Analisi di coorte: ridurre l'abbandono e migliorare la conservazione

L'analisi di coorte risponde a una domanda aziendale su come uno specifico gruppo o segmento di utenti ha interagito con un prodotto, o dovrebbe interagire con un prodotto, in base ai loro comportamenti precedenti. Ottenendo dati comportamentali e scomponendoli in coorti, diventa più facile da analizzare.

Le coorti sono gruppi di utenti che condividono caratteristiche e modelli di utilizzo specifici in un periodo di tempo. Questi potrebbero includere cose come il tempo di utilizzo, le funzionalità registrate o il numero di obiettivi completati. Le coorti sono utili perché ti aiutano a segmentare la tua base di utenti e a raccogliere dati sul modo in cui interagiscono con il tuo prodotto durante tutto il loro ciclo di vita.

Le aziende dovrebbero utilizzare l'analisi di coorte per comprendere il comportamento degli utenti e migliorare la fidelizzazione dei clienti. I dati che ottieni sono un ottimo modo per capire cosa spinge i nuovi clienti a restare e alcuni dei motivi comuni per cui abbandonano.

Cos'è l'analisi di coorte?

Una coorte è un gruppo o un segmento di utenti che condividono tratti del profilo, comportamenti o entrambi comuni. Per esempio:

• Utenti che possiedono dispositivi iOS
• Utenti che hanno effettuato l'accesso ogni giorno la scorsa settimana
• Utenti che possiedono dispositivi iOS che hanno effettuato l'accesso ogni giorno la scorsa settimana

In genere, un product manager o un marketer pone una domanda commerciale, che richiede un'analisi di coorte. Queste domande possono ruotare attorno al coinvolgimento, alla conversione o alla fidelizzazione del prodotto.

• Coinvolgimento è il termine per le azioni che le persone intraprendono all'interno della tua app. Potrebbe essere aumentare di livello un personaggio in un gioco, condividere un allenamento con la community in un'app di fitness o riprodurre una canzone in un'app musicale.
• La conversione è l'obiettivo finale. L'analisi di coorte può essere utilizzata per valutare se sono efficaci incentivi diversi per la conversione, come nuove funzionalità o tariffe scontate.
• La conservazione si riferisce alle persone che tornano alla tua app più e più volte.

Nella tabella di esempio sopra, puoi vedere il percorso dell'utente per due diverse coorti: gli utenti che hanno condiviso un brano (verde) e quelli che non l'hanno fatto (blu). La coorte di utenti che hanno condiviso una canzone ha avuto un maggiore coinvolgimento e conversione.

Ora diamo un'occhiata più da vicino a come l'analisi di coorte può essere utilizzata per aiutare i product manager a ridurre il tasso di abbandono dei clienti e migliorare i tassi di fidelizzazione.

L'importanza di prevenire l'abbandono dei clienti

L'analisi di coorte è fondamentale perché parametri come gli utenti attivi giornalieri o mensili (DAU e MAU) sono fortemente distorti dalla crescita. Se la tua app sta crescendo rapidamente, le registrazioni di nuovi utenti maschereranno il punto in cui i tuoi utenti esistenti stanno cadendo. Non importa quanto siano produttivi i tuoi canali di acquisizione se perdi i clienti attuali alla stessa velocità o velocità con cui ne acquisisci di nuovi.

Ecco perché condurre un'analisi di coorte del tasso di abbandono è uno dei modi più efficaci per migliorare la salute della tua attività. I clienti che effettuano acquisti ripetuti aiutano un'azienda a creare entrate stabili e a compensare i costi per attirare nuovi clienti.

Secondo il Business of Apps, il costo della pubblicità per installazione per le app mobili ha raggiunto $ 5,28. Un ciclo di vita del cliente più lungo paga dividendi maggiori per quell'investimento.

Come costruire una strategia di fidelizzazione utilizzando l'analisi di coorte

L'aspetto più potente dell'analisi di coorte è che non solo vedrai i clienti andarsene e quando, ma potrai anche iniziare a capire Puoi migliorare il tuo tasso di fidelizzazione implementando il seguente processo:

1. Fissare obiettivi: stabilire un obiettivo per il processo. Vuoi ridurre l'abbandono a breve termine? Lungo termine? Qual è il tuo obiettivo di crescita?
2. Esplora: esamina i dati correnti per vedere dove è possibile apportare modifiche per raggiungere il tuo obiettivo.
3. Ipotesi: decidere quali domande porre e possibili risultati degli esperimenti.
4. Brainstorm: concepire possibili esperimenti per verificare le ipotesi.
5. Test: eseguire diversi test per valutare le ipotesi.
6. Analizza: analizza i dati del test per vedere se gli obiettivi sono stati raggiunti.
7. Sistematizza: fai tutte le modifiche positive come parte del sistema.

Attraverso questo sistema, puoi migliorare continuamente la tua app e aumentare la fidelizzazione. Piuttosto che guardare un numero di abbandono aggregato, stai prendendo di mira un comportamento specifico e testando per vedere se incoraggiare gli utenti ad adottare quel comportamento migliora la fidelizzazione.

Utilizzo dell'analisi di coorte per migliorare la fidelizzazione dei clienti

Un report di analisi di coorte di clienti può essere utilizzato per verificare un'ipotesi su come determinate modifiche al prodotto influiscono sugli indicatori chiave di prestazione per un'azienda.

Ad esempio, supponiamo che tu sia un product manager di un'app musicale come Spotify e che uno dei tuoi obiettivi principali sia aumentare la fidelizzazione degli utenti.

Potresti ipotizzare che gli utenti che condividono un determinato numero di brani con i loro amici abbiano maggiori probabilità di diventare utenti regolari e mantenuti della tua app.

Per verificare questa ipotesi, in primo luogo, selezioni un gruppo o una coorte di utenti in base alla loro data di acquisizione. Quindi, dividi questa coorte di acquisizione in due sottoinsiemi. In un sottoinsieme di coorte ci sono gli utenti che hanno utilizzato la funzione "condividi canzone" almeno una volta. L'altro sottoinsieme di coorte comprende gli utenti che non hanno utilizzato la funzione "condividi".

Infine, esegui un'analisi di conservazione basata sull'analisi comportamentale di questi due sottoinsiemi di coorti.

In questo caso, il grafico dell'analisi di coorte sopra mostra i tassi di ritenzione di N giorni per gli utenti che hanno condiviso un brano (blu) rispetto a quelli che non l'hanno fatto (verde). Puoi vedere che gli utenti che non condividono un brano hanno un tasso di abbandono del 77,75% dopo 30 giorni. Nel frattempo, l'abbandono per gli utenti che hanno utilizzato la funzione di condivisione è solo del 31%.

Questa è una differenza significativa e quel set di dati ora ti dà la possibilità di prendere una decisione aziendale che potrebbe portare a maggiori entrate. Ad esempio, nel prossimo aggiornamento, potresti modificare il flusso di onboarding per invitare i nuovi utenti a condividere un brano piuttosto che aspettare che scoprano quella funzione da soli.

Tipi di dati di coorte

Esistono tre tipi di dati di coorte e ciascuno ha casi d'uso diversi.

Coorti di acquisizione

Le coorti di acquisizione dividono gli utenti in base a quando si sono registrati per il tuo prodotto. Un'app consumer potrebbe raggruppare le coorti in base al giorno in cui si iscrivono, mentre è più probabile che uno strumento SaaS tenga traccia delle coorti mensili.

Le coorti di acquisizione vengono utilizzate per tenere traccia dei nuovi utenti e vedere per quanto tempo continuano a utilizzare la tua app dopo la loro interazione iniziale, ovvero la durata della vita del tuo cliente. Questo può essere un ottimo modo per sperimentare la tua esperienza di onboarding per assicurarti che gli utenti vedano il valore del tuo prodotto in modo chiaro e tempestivo. Prima i nuovi utenti hanno quel "aha!" momento, più è probabile che vengano mantenuti.

Coorti comportamentali

Le coorti comportamentali sono un segmento personalizzato del tuo pubblico basato su qualsiasi combinazione di comportamenti passati o proprietà del profilo utente.

Alcuni esempi di comportamenti degli utenti includono la condivisione di un brano, l'iscrizione a una prova o l'acquisto. Le proprietà del profilo utente sono cose come i dati demografici, la piattaforma utilizzata da un visitatore o il modo in cui qualcuno arriva sul tuo sito web.

La combinazione di comportamenti e proprietà del profilo costituisce collettivamente una coorte comportamentale. Questo tipo di dati di coorte è un modo per esaminare le azioni entro un determinato intervallo di tempo per identificare tipi simili di utenti per l'analisi. Tale analisi di solito rivela in che modo gli utenti interagiscono con il tuo prodotto e in che modo il coinvolgimento degli utenti influisce su aspetti come la fidelizzazione, il tasso di conversione o altri indicatori chiave importanti per la tua attività.

Coorti predittive

Le coorti predittive esaminano ciò che un utente dovrebbe fare in futuro.

Questo tipo di dati è il migliore per determinare a quali utenti scegliere come target con una campagna di marketing o decidere come modificare i prezzi per aumentare le possibilità che un utente intraprenda un'azione.

Coorti di acquisizione: trovare i momenti problematici nella tua app

Le coorti di acquisizione ti forniscono informazioni sul ciclo di vita dei tuoi clienti, in particolare quanto tempo impiegano a sfornare dopo la data di acquisizione. Queste informazioni possono aiutarti a identificare i modelli di abbandono o le campagne di marketing con tassi di conversione elevati. Supponiamo che tu abbia un'app musicale che sta riscontrando un problema di abbandono degli utenti ogni giorno.

Gli utenti nel grafico di fidelizzazione sopra sono suddivisi in coorti giornaliere: utenti che si sono registrati lo stesso giorno. Puoi vedere che 11.528 utenti si sono registrati per la tua app musicale il 16 luglio e la fidelizzazione del giorno 5 è stata del 49,7%. Quindi un utente su due che si è registrato il 16 luglio era ancora un utente attivo nell'app il quinto giorno dopo il primo utilizzo dell'app.

Il modo migliore per visualizzare queste informazioni è trasformarle in una curva di analisi della conservazione, che mostra la tua conservazione per queste coorti nel tempo. Quando grafici i tuoi dati in questo modo, diventa facile vedere quando gli utenti lasciano il tuo prodotto.

Questa curva di fidelizzazione ti dice subito qualcosa di importante: circa un terzo degli utenti smette di utilizzare l'app dopo il primo giorno. Dopo quel calo iniziale, la curva continua a diminuire costantemente, lasciando solo poco più del 25% degli utenti originali ancora attivi nell'app il giorno 30.

Non è eccezionale (sebbene sia comune: alcuni dati mostrano che l'app media perde quasi il 60% dei suoi utenti entro il primo mese). La conservazione anticipata è un problema significativo. Una curva come questa indica che gli utenti non ottengono il valore principale dall'app abbastanza rapidamente, quindi se ne vanno. Ora sai che devi migliorare l'esperienza iniziale dell'app per portare gli utenti al tuo valore fondamentale il più rapidamente possibile.

Colpire i limiti delle coorti di acquisizione

Se la tua app ha la curva di fidelizzazione mostrata sopra, vuoi immediatamente capire cosa puoi fare per aumentare la fidelizzazione.

Le sole coorti di acquisizione non forniscono alcuna informazione su come puoi migliorare l'esperienza utente per fidelizzare i tuoi utenti. Non puoi isolare comportamenti o proprietà utente specifici.

Le coorti di acquisizione sono ottime per mostrarti le tendenze e dirti quando le persone si agitano, ma per capire perché se ne stanno andando, devi rivolgerti a un altro tipo di coorte: le coorti comportamentali.

Coorti comportamentali: scopri quali comportamenti guidano la fidelizzazione

Dal momento in cui gli utenti si registrano con il tuo prodotto, prendono centinaia di decisioni e mostrano innumerevoli piccoli comportamenti che portano alla loro decisione di rimanere o partire. Segmentando i tuoi utenti in base a questi comportamenti, puoi ottenere informazioni su quali funzionalità del tuo prodotto guidano la crescita.

Quando rielabora l'onboarding dell'utente per ottimizzare la fidelizzazione, dovrai identificare il modo più efficace per farlo. Piuttosto che scegliere su cosa lavorare sulla base di aneddoti o scelte casuali, le coorti comportamentali consentono di decidere un approccio in modo sistematico e quantitativo. Le coorti comportamentali raggruppano gli utenti in base alle azioni specifiche che hanno (o non hanno) intrapreso.

Trovare le coorti giuste

Per la tua app musicale, puoi creare diverse coorti di utenti da azioni come riprodurre un brano, cercare un artista o creare una playlist.

Supponi di voler vedere la fidelizzazione degli utenti che hanno aggiunto i brani preferiti nell'app. Puoi utilizzare le coorti comportamentali per esaminare la fidelizzazione dei nuovi utenti che hanno aggiunto tre o più brani ai preferiti:

Mentre quasi il 60% di tutti gli utenti (blu) abbandonano entro un giorno dall'utilizzo dell'app, solo il 15% circa degli utenti che hanno preferito tre o più brani (verde) abbandonano dopo il primo giorno.

Invertire le coorti

Ora che sai come cambia la fidelizzazione per gli utenti che interagiscono con la funzione preferita, puoi anche vedere come cambia per coloro che non lo fanno. Di seguito è riportata la fidelizzazione per gli utenti che non hanno aggiunto ai preferiti una canzone:

Gli utenti che non hanno preferito una canzone (viola) hanno una fidelizzazione peggiore rispetto alla maggior parte : meno del 25% di questi utenti abbandona dopo il primo giorno.

Da questa semplice visualizzazione, puoi vedere che portare le persone ai brani preferiti all'inizio della loro esperienza consente loro di scoprire il valore fondamentale dell'app, il che significa che è più probabile che continuino come utenti. Ora che hai questi dati, puoi metterli in azione enfatizzando la funzione dei brani preferiti durante l'onboarding. Ciò porterà più utenti a preferire i brani all'inizio dei loro viaggi con i clienti e, in definitiva, a tassi di fidelizzazione migliori.

Combinazione di coorti

Puoi creare coorti comportamentali basate su qualsiasi azione che può essere eseguita nel tuo prodotto. Ciò significa che puoi correlare un numero qualsiasi di diverse azioni utente con i tassi di fidelizzazione degli utenti.

Ad esempio, la tua app musicale ha una funzione che consente alle persone di unirsi alle comunità in base ai loro generi preferiti. Puoi estrarre quel set di dati per vedere se ciò aiuta a migliorare la conservazione o se si tratta di una funzionalità che non fa alcuna differenza per il loro valore di vita.

Qui puoi vedere che la fidelizzazione iniziale per gli utenti che si uniscono alle comunità (viola) è simile a quella degli utenti che hanno preferito le canzoni (verde), ma è leggermente migliore entro la fine del giorno 30 e molto migliore di tutti gli utenti (blu).

Man mano che gli utenti vengono coinvolti con altre persone e trovano più musica da riprodurre, iniziano a godersi di più l'app e continuano a utilizzarla. Probabilmente lo ipotizzeresti nel tuo processo di conservazione, ma ora hai i dati per eseguire il backup della tua ipotesi.

La combinazione di diverse coorti comportamentali ti dà una migliore comprensione delle relazioni tra le diverse caratteristiche del tuo prodotto e di come è probabile che portino alla fidelizzazione.

Trovare le giuste combinazioni

Che dire degli utenti che preferiscono le canzoni e si uniscono alle comunità? Usando Ampiezza, puoi filtrare le tue azioni per combinare queste due coorti:

Come puoi vedere, è molto più probabile che gli utenti che esibiscono entrambi questi comportamenti continuino a utilizzare l'app in quelle prime settimane. Alla fine della prima settimana, la fidelizzazione è superiore al 75% per la coorte preferita + community (blu), mentre è inferiore al 25% per gli utenti senza nessuno di questi comportamenti (verde).

Correlazione, non causalità

Solo perché le persone che preferiscono le canzoni e si uniscono alle comunità cambiano meno non significa che spingere le persone verso questi comportamenti ridurrà automaticamente il tuo tasso di abbandono. Ad esempio, un invito all'azione per convincerli a unirsi a 20 comunità al momento dell'iscrizione probabilmente allontanerà le persone.

Questo perché la correlazione non implica causalità. Favorire le canzoni e unirsi alle comunità potrebbe essere semplicemente correlato al coinvolgimento degli utenti, non alla sua causa . Per determinare la causalità, potresti testare A/B diversi flussi di inserimento che enfatizzano i brani preferiti per vedere se aumenta la ritenzione.

Una volta che hai i dati dalle coorti comportamentali, puoi iniziare a eseguire esperimenti utilizzando uno strumento di test A/B come Amplitude Experiment per testare comportamenti che potrebbero essere correlati alla conservazione. Puoi vedere cosa funziona e cosa no e aumentare sistematicamente la tua fidelizzazione.

Coorti predittive: aumenta il ROI di marketing

Puoi utilizzare le coorti predittive per determinare la probabilità che un utente acquisti un brano in futuro in base alla propria coorte comportamentale.

Un modo per rispondere a questa domanda aziendale è prendere una coorte di nuovi utenti che hanno condiviso una canzone in un periodo di tempo, diciamo negli ultimi 14 giorni, ed eseguire un'analisi di previsione. Questo tipo di analisi funziona meglio se si dispone di una dimensione di coorte di oltre 100.000 utenti perché sono necessari dati sufficienti per consentire al modello di apprendimento automatico di effettuare una previsione. Dopo circa 30-60 minuti, il modello classificherà coorti specifiche in base a chi è più propenso a compiere una determinata azione, come l'acquisto di una canzone.

Anche in questo caso, ora hai i dati in un semplice grafico di coorte per informare una decisione aziendale efficace. Ad esempio, potresti concentrarti sul 5% dei migliori utenti che hanno maggiori probabilità di acquistare un brano. Seleziona quella coorte, inserisci quegli utenti in uno strumento di terze parti e indirizzali a una campagna di marketing. Potrebbe trattarsi di una notifica push, un'e-mail o un avviso SMS per incoraggiarli a intraprendere un'azione. In questo caso, fare un acquisto.

Allo stesso tempo, è possibile esaminare il 20% degli utenti che l'analisi predittiva ha determinato che hanno meno probabilità di intraprendere l'azione preferita e scegliere di non indirizzare alcun investimento di marketing a modo loro poiché è improbabile che producano risultati. In alternativa, potresti concludere che il gruppo di utenti ha semplicemente bisogno di un incentivo diverso o maggiore. Forse inviare un buono sconto del 50% a modo loro si rivelerà un'offerta così buona che non possono rifiutarla.

In ogni caso, puoi misurare la reazione di queste coorti alla tua nuova direzione e continuare ad adeguare i tuoi investimenti di marketing in base alla tua analisi.

Strumenti per l'analisi di coorte

I mercati moderni si muovono rapidamente e le aziende che non possono prendere decisioni rapide basate su dati accurati rischiano di perdere entrate. Senza i giusti strumenti di analisi, i team non tecnici che necessitano di dati per prendere decisioni aziendali migliori devono fare affidamento su analisti di dati e ingegneri di dati.

Ciò può significare inviare un ticket al team dati e attendere giorni o addirittura settimane affinché analisti a corto di tempo forniscano fogli di calcolo. Quindi, è necessario che qualcuno nel tuo team abbia abbastanza tempo per esaminare quei dati e cercare approfondimenti.

Ampiezza: come il giusto strumento di analisi di coorte velocizza le decisioni aziendali

Con Amplitude, i product manager e gli esperti di marketing possono rispondere alle proprie domande eseguendo un'analisi di coorte self-service in uno dei tre modi seguenti.

1. Puoi creare una coorte all'interno di qualsiasi grafico in Ampiezza, come il grafico di Analisi della ritenzione di seguito. Qui puoi selezionare qualsiasi combinazione di comportamenti e proprietà del profilo, come gli utenti che hanno preferito una canzone o si uniscono a una community.

2. Puoi anche utilizzare una sezione dedicata alle coorti per creare definizioni di coorti personalizzate in base ai tuoi parametri particolari. Questa coorte personalizzata può quindi essere utilizzata in altri grafici. Ad esempio, la coorte seguente mostra i nuovi utenti attivi su iOS che hanno condiviso una canzone pop o rock negli ultimi 30 giorni.

3. È possibile creare una coorte basata su un singolo punto dati trovato in qualsiasi grafico. Ad esempio, puoi identificare nuovi utenti dal lancio di un prodotto il 26 luglio.

In definitiva, un buon strumento di analisi di coorte consente ai team non tecnici di porre domande e rispondere. Mettere queste informazioni direttamente nelle loro mani offre loro una migliore comprensione degli utenti dei loro prodotti e dati migliori per ottenere risultati di business.

Altri strumenti di analisi di coorte

Oltre ad Amplitude, sul mercato sono disponibili molti strumenti che consentono ai product manager e ai marketer di eseguire analisi di coorte, tra cui:

• Contentsquare
• La storia completa
• Approfondimento PX
• Scatola di vetro
• Mucchio
• LogRocket
• Pannello misto
• Pendo
• Aspetto intelligente

Scopri di più su questi e altri strumenti di analisi di coorte su un sito di recensioni software come G2.

Esempi di analisi di coorte

Ecco alcuni esempi di come i clienti di Amplitude hanno eseguito l'analisi di coorte per produrre risultati aziendali.

Calm: esempio di analisi di coorte per la ritenzione

Su un sospetto, Calm ha utilizzato coorti comportamentali per testare la fidelizzazione degli utenti che impostano promemoria giornalieri sulla sua app di meditazione rispetto a quelli che non hanno utilizzato la funzione. Hanno scoperto un aumento di 3 volte della fidelizzazione per gli utenti che impostano promemoria giornalieri.

Il promemoria non è stato facile da trovare, quindi c'era la possibilità che gli utenti a cui piaceva di più l'app per qualche altro motivo semplicemente scavassero ulteriormente nei menu e trovassero la funzione. Per verificare se si trattava di correlazione o causalità, Calm ha modificato il suo tutorial di onboarding per incoraggiare alcuni nuovi utenti a impostare un promemoria e ha lasciato altri utenti per la prima volta come gruppo di controllo.

Quel tasso di conservazione 3x è rimasto durante l'esperimento, quindi Calm ha incluso la richiesta di impostare promemoria giornalieri nel suo prossimo aggiornamento a livello di app.

Pietra angolare: esempio di analisi di coorte per decisioni più rapide

Cornerstone ha trasformato il flusso di lavoro di gestione dei prodotti con l'aiuto di Amplitude. Prima, i product manager dovevano richiedere i dati agli ingegneri.

Quegli ingegneri fornivano un rapporto di coorte con fogli di calcolo pieni di informazioni, il che richiedeva a un dipendente a tempo pieno di esaminare attentamente le informazioni e raccogliere informazioni che potrebbero portare a risultati aziendali migliori.

L'intero processo potrebbe richiedere giorni. O settimane. Ora, i product manager possono recuperare gli stessi dati in pochi minuti e utilizzare gli insight per prendere decisioni rapide.

Come iniziare con l'analisi di coorte

Configurare la tua analisi di coorte con uno strumento di analisi di coorte come Amplitude è semplice:

1. Dai un'occhiata alla tua fidelizzazione per coorte di acquisizione dei clienti. Questo ti mostrerà quando gli utenti si stanno ritirando.
2. Definisci gli eventi per alcune delle azioni utente principali della tua app, quindi visualizza le tue coorti comportamentali. Analizza le tue coorti comportamentali confrontandole, invertendole e combinandole. Usalo con ciò che hai appreso dall'esame delle coorti di acquisizione per generare un'ipotesi sulle azioni che puoi enfatizzare durante una parte specifica del percorso del cliente per favorire la fidelizzazione.
3. Apporta modifiche alla tua app, utilizzando il test A/B con Amplitude Experiment se hai un volume di utilizzo sufficientemente elevato, per vedere se l'attivazione di determinate azioni nella tua app provoca effettivamente il ritorno degli utenti.
4. Elabora i tuoi apprendimenti e ripeti.

Con le coorti comportamentali di Amplitude, puoi vedere le specifiche dei comportamenti dei tuoi clienti e iniziare a prendere decisioni basate sui dati per migliorare la loro esperienza con il tuo prodotto.

Prova oggi l'analisi di coorte con un piano Amplitude gratuito oppure consulta il nostro playbook Mastering Retention per scoprire come aumentare ulteriormente la retention.

Riferimenti

• La guida definitiva al coorte comportamentale. Ampiezza.
• Guida passo passo all'analisi di coorte e alla riduzione del tasso di abbandono. Ampiezza.
• Analisi di coorte: tutto ciò che puoi fare con le coorti di acquisizione. Sara.
• Rapporto 2019 sull'analisi comparativa delle app mobili per informare la tua strategia 2020. altopiano.
• Utilizzo dell'analisi di coorte per l'ottimizzazione delle conversioni. Speero.