Przewodnik krok po kroku dotyczący analizy kohortowej i zmniejszania współczynnika rezygnacji

Analiza kohortowa współczynnika rezygnacji to rodzaj analizy, który oblicza i dostarcza informacji potrzebnych do zwiększenia utrzymania użytkowników . Możesz analizować cykle życia użytkowników i identyfikować , kiedy użytkownicy rezygnują lub przestają korzystać z Twojego produktu. Stamtąd możesz dowiedzieć się o zachowaniu użytkowników i zbadać powody, które prowadzą do rezygnacji. Gdy zrozumiesz, dlaczego użytkownicy odchodzą, możesz podjąć działania w celu zmniejszenia wskaźnika rezygnacji i utrzymania zaangażowania użytkowników w Twój produkt.

Zrozumienie związku między wskaźnikiem rezygnacji a analizą kohortową

Większość firm uważa, że ​​niewielki procent rezygnacji jest zdrowy i normalny. Jednak duża liczba użytkowników opuszczających Twój produkt jest powodem do niepokoju. Analiza kohortowa pomaga zmniejszyć współczynnik rezygnacji, ponieważ pozwala zbadać, dlaczego grupy lub segmenty (kohorty) użytkowników opuszczają Twoją aplikację. Jeśli możesz dowiedzieć się, co sprawia, że ​​ludzie odchodzą, możesz podjąć działania, aby uniknąć wysokich wskaźników rezygnacji klientów.

Analiza kohortowa pozwala również zrozumieć, które czynniki prowadzą do wysokiego zaangażowania i utrzymania klientów. Jeśli skupisz się na utrzymaniu i dostarczaniu wartości obecnym klientom, często uzyskasz wyższy zwrot z inwestycji, niż gdybyś skupił się wyłącznie na pozyskiwaniu klientów. Zainwestowałeś już czas, pieniądze i wysiłek w pozyskiwanie klientów, więc warto spróbować zatrzymać ich na swojej platformie, zamiast skupiać się tylko na docieraniu do nowych użytkowników.

5-etapowy przewodnik po przeprowadzeniu analizy kohortowej, która zmniejsza churn

Te kroki pokazują, jak przeprowadzić analizę kohortową, która pomoże Ci określić, kiedy i dlaczego użytkownicy odchodzą, dzięki czemu możesz poeksperymentować z rozwiązaniami zmniejszającymi churn.

1. Grupuj użytkowników na podstawie tego, kiedy dołączyli do Twojej aplikacji

Rozpocznij analizę od grupowania użytkowników na podstawie tego , kiedy dołączyli do Twojej aplikacji . „Data dołączenia” to rodzaj kohorty pozyskiwania — kohorty behawioralne zostaną użyte w dalszej części analizy. Zamiast patrzeć na wskaźniki rezygnacji wszystkich użytkowników, pozwoli Ci to zobaczyć, kiedy użytkownicy odchodzą w stosunku do cyklu życia klienta.

Twórz kohorty dzienne, tygodniowe lub miesięczne, w zależności od typu aplikacji i interwału użytkowania produktu. Na przykład, jeśli korzystasz z aplikacji do medytacji lub fitnessu, warto przyjrzeć się codziennemu pozyskiwaniu i używaniu. Jeśli jest to aplikacja, z której ludzie mogą korzystać rzadziej (np. aplikacja do inwestowania), prawdopodobnie użyjesz miesięcznych lub tygodniowych kohort.

Ramy czasowe, które uwzględnisz w analizie, będą również zależeć od tego, czego chcesz się dowiedzieć. Aby zobaczyć krótkoterminowe zmiany, przyjrzysz się dziennej retencji lub rezygnacji w ciągu kilku tygodni. Aby dostrzec długoterminowe trendy, przyjrzyj się miesięcznemu wskaźnikowi utrzymania w ciągu roku.

Po ustaleniu kohorty, którą chcesz przeanalizować, utwórz tabelę kohortową w programie Excel lub użyj oprogramowania analitycznego, takiego jak Amplitude. W tabeli kohorty są wiersze dla każdej kohorty i kolumny dla każdego dnia, tygodnia lub miesiąca. „Dzień zero” to dzień, w którym użytkownik dołączył do platformy. W komórkach wyświetl wskaźnik rezygnacji lub wskaźnik retencji.

2. Określ, kiedy użytkownicy w każdej kohorcie odeszli

Jeśli możesz zidentyfikować punkt, w którym użytkownicy odchodzą, możesz dostrzec wzorce w ścieżce użytkownika. Będziesz mógł dokładniej zbadać, dlaczego w tym momencie odchodzą.

Spójrz na wykres analizy kohorty i znajdź punkty, w których wielu użytkowników odchodzi. Aby zwizualizować krzywą retencji i łatwo zauważyć, kiedy ludzie rezygnują, przekształć tabelę kohortową w wykres.

Często zespoły produktowe i rozwojowe sporządzają listę „problemowych” momentów — punktów w cyklu życia użytkownika, gdy użytkownicy odchodzą, na przykład po 10 dniach lub po pierwszym miesiącu.

3. Przeanalizuj inne typy kohort, aby dokładniej zbadać churn

Po przyjrzeniu się churnowi w odniesieniu do daty pozyskania, tworzenie grup użytkowników na podstawie ich zachowań, kanałów pozyskiwania lub danych demograficznych pomoże Ci lepiej je zrozumieć. To przybliża Cię o krok do odkrycia powodów, dla których użytkownicy odchodzą.

Użyj kohort behawioralnych, aby pogrupować użytkowników według działań, które podjęli lub nie. Możesz przyjrzeć się użytkownikom, którzy czytają recenzje przed zakupem lub tym, którzy dokonują zakupu w aplikacji w ciągu pierwszych trzech dni od dołączenia do platformy. W każdym przypadku będziesz chciał porównać kohortę, która podejmuje działanie, z tymi, którzy tego nie robią, aby sprawdzić, czy są jakieś linki do odejścia.

Oprócz korzystania z kohort behawioralnych pogrupuj użytkowników według rodzaju pozyskania , aby określić, które kanały prowadzą do rezygnacji i kiedy. Możesz na przykład zauważyć, że użytkownicy korzystający z płatnych reklam odchodzą szybciej niż ci, którzy dokonują konwersji z Twojego biuletynu. Innym sposobem segmentowania użytkowników jest segmentacja według danych demograficznych — szukaj wzorców w różnych grupach wiekowych lub lokalizacjach.

Aby uzyskać spójność, spójrz na różne typy kohort w tym samym przedziale czasowym, co przeprowadzona analiza kohorty pozyskiwania. Zbadaj pojedynczą kohortę klientów, aby wyraźnie zobaczyć, które czynniki przyczyniają się do rezygnacji. W następnym kroku zaczniesz wyciągać wnioski dotyczące różnic w kohortach.

4. Postaw hipotezę, dlaczego w przypadku każdej kohorty doszło do rezygnacji?

Teraz, gdy zebrałeś dane z różnych kohort, możesz teoretyzować, dlaczego ludzie odchodzą. Budując i testując hipotezy, możesz odkryć, co tak naprawdę powoduje rezygnację.

W oparciu o „momenty problemowe”, które zauważyłeś podczas dochodzenia, kiedy ludzie odchodzą, wraz z analizą różnych kohort behawioralnych, wybierz kohorty o najwyższych wskaźnikach rezygnacji. Następnie przeprowadź burzę mózgów, co może powodować rezygnację.

Na przykład od kohort daty nabycia:

• Zmiany sezonowe wpływają na korzystanie z aplikacji — wielu użytkowników dołączyło w okresie świątecznym, ale w lutym rezygnują, ponieważ nie mają wystarczająco dużo wolnego czasu, aby korzystać z aplikacji.
• Użytkownicy rezygnują po dwóch dniach, ponieważ proces onboardingu jest zbyt długi i skomplikowany.

Z kohort behawioralnych:

• Użytkownicy, którzy zarejestrują się w planie „podstawowym”, odchodzą, ponieważ nie mają dostępu do wystarczającej liczby funkcji.
• Użytkownicy, którzy nie aktywują powiadomień przypominających, kończą rezygnację, ponieważ zapominają o korzystaniu z aplikacji i nie czerpią z niej korzyści.

Z kohort kanału pozyskiwania:

• Użytkownicy, którzy zarejestrowali się z reklamy na Instagramie, szybko odchodzą, ponieważ reklama nie przedstawia dokładnie produktu, więc istnieje rozbieżność między oczekiwaniami klientów a produktem.

5. Przetestuj swoje hipotezy i eksperymentuj z rozwiązaniami

Przed wprowadzeniem jakichkolwiek zmian w produkcie musisz sprawdzić, czy Twoje hipotezy są poprawne. Przygotuj się na to, że wiele różnych czynników przyczynia się do rezygnacji, więc ten etap będzie wymagał eksperymentowania.

Najpierw sprawdź swoje hipotezy, przeprowadzając testy A/B. Aby przetestować swoje przykładowe hipotezy, możesz:

• Uprość proces wdrażania.
• Dodaj więcej funkcji do „podstawowego” poziomu subskrypcji.
• Zaktualizuj swoje kampanie marketingowe, aby określić dokładniejsze oczekiwania klientów.

Eksperymentuj z różnymi rozwiązaniami, aby zoptymalizować swoją platformę. Na przykład uproszczenie procesu onboardingu może uniemożliwić użytkownikom rezygnację po dwóch dniach, ale innym rozwiązaniem może być umożliwienie użytkownikom całkowitego pominięcia onboardingu. Jeśli wprowadzane przez Ciebie zmiany zmniejszą liczbę użytkowników, możesz je wdrożyć w całej aplikacji. Jeśli żadna z Twoich hipotez nie jest poprawna lub żadne z Twoich rozwiązań nie działa, cofnij się o krok i kontynuuj analizę kohortową.

Kontynuuj analizę rezygnacji klientów

Analiza kohortowa to proces, przez który przejdziesz więcej niż raz. Wskaźniki odejść klientów zmieniają się w czasie, więc śledź kohorty i regularnie przeprowadzaj analizy kohortowe, aby wykryć wzorce w zachowaniu użytkowników — w ten sposób możesz podjąć działania, aby utrzymać wysoki wskaźnik utrzymania klientów.

Spróbuj przeprowadzić własną analizę kohortową współczynnika rezygnacji już dziś, korzystając z bezpłatnego planu startowego Amplitude lub zapoznaj się z naszym poradnikiem dotyczącym opanowania retencji, aby dowiedzieć się więcej o naprawianiu nieszczelnego zasobnika .

Bibliografia

• Wskaźnik rezygnacji. Inwestopedia.
• Pozyskiwanie klientów VS. Utrzymanie: gdzie najlepiej wydać dolary? ZyskDobrze.
• 10 najlepszych przykładów wdrażania użytkowników, z których można się uczyć. Aplikuje.