Análise de Coorte: Reduza o Churn e Melhore a Retenção

A análise de coorte responde a uma pergunta de negócios sobre como um grupo ou segmento específico de usuários interagiu com um produto, ou espera-se que interaja com um produto, com base em seus comportamentos anteriores. Ao obter dados comportamentais e dividi-los em coortes, fica mais fácil analisar.

Coortes são grupos de usuários que compartilham características e padrões de uso específicos durante um período de tempo. Isso pode incluir coisas como tempo de uso, recursos inscritos ou o número de metas concluídas. As coortes são úteis porque ajudam você a segmentar sua base de usuários e coletar dados sobre a maneira como eles interagem com seu produto durante todo o ciclo de vida.

As empresas devem usar a análise de coorte para entender o comportamento do usuário e melhorar a retenção de clientes. Os dados que você obtém são uma ótima maneira de entender o que faz com que novos clientes permaneçam e alguns dos motivos comuns pelos quais eles se desconectam.

O que é análise de coorte?

Uma coorte é um grupo ou segmento de usuários que compartilham características de perfil, comportamentos ou ambos. Por exemplo:

• Usuários que possuem dispositivos iOS
• Usuários que fizeram login todos os dias na semana passada
• Usuários que possuem dispositivos iOS que fizeram login todos os dias na semana passada

Normalmente, um gerente de produto ou profissional de marketing faz uma pergunta de negócios, o que leva a uma análise de coorte. Essas perguntas podem girar em torno do engajamento, conversão ou retenção do produto.

• Engajamento é o termo para as ações que as pessoas realizam no seu aplicativo. Isso pode ser nivelar um personagem em um jogo, compartilhar um treino com a comunidade em um aplicativo de fitness ou tocar uma música em um aplicativo de música.
• A conversão é o objetivo final. A análise de coorte pode ser usada para avaliar se diferentes incentivos para conversão, como novos recursos ou taxas de desconto, são eficazes.
• A retenção refere-se às pessoas que voltam ao seu aplicativo várias vezes.

No gráfico de exemplo acima, você pode ver a jornada do usuário para duas coortes diferentes: usuários que compartilharam uma música (verde) e aqueles que não compartilharam (azul). A coorte de usuários que compartilharam uma música teve maior engajamento e conversão.

Agora vamos dar uma olhada em como a análise de coorte pode ser usada para ajudar os gerentes de produto a reduzir a rotatividade de clientes e melhorar as taxas de retenção.

A importância de evitar o churn de clientes

A análise de coorte é fundamental porque métricas como usuários ativos diários ou mensais (DAU e MAU) são altamente distorcidas pelo crescimento. Se seu aplicativo estiver crescendo rapidamente, as novas inscrições de usuários mascararão onde seus usuários existentes estão desistindo. Não importa quão produtivos sejam seus canais de aquisição se você perder os clientes atuais tão rápido quanto, ou mais rápido do que você ganha novos.

É por isso que realizar uma análise de coorte de taxa de churn é uma das maneiras mais eficazes de melhorar a saúde do seu negócio. Os clientes que fazem compras repetidas ajudam uma empresa a gerar receita estável e compensar os custos de atrair novos clientes.

De acordo com o Business of Apps, o custo de publicidade por instalação para aplicativos móveis atingiu US$ 5,28. Um ciclo de vida mais longo do cliente paga dividendos mais altos para esse investimento.

Como construir uma estratégia de retenção usando análise de coorte

O aspecto mais poderoso da análise de coorte é que você não apenas verá os clientes saírem e quando, mas também começará a entender Você pode melhorar sua taxa de retenção implementando o seguinte processo:

1. Definir metas: Estabeleça uma meta para o processo. Quer reduzir o churn no curto prazo? Longo prazo? Qual é a sua meta de crescimento?
2. Explorar: examine os dados atuais para ver onde as alterações podem ser feitas para atingir sua meta.
3. Hipotetizar: Decida quais perguntas fazer e os possíveis resultados dos experimentos.
4. Brainstorm: conceber possíveis experimentos para testar hipóteses.
5. Teste: execute diferentes testes para avaliar hipóteses.
6. Analisar: Analise os dados de teste para ver se as metas foram alcançadas.
7. Sistematizar: Faça com que qualquer mudança positiva faça parte do sistema.

Por meio desse sistema, você pode melhorar continuamente seu aplicativo e aumentar a retenção. Em vez de olhar para um número agregado de rotatividade, você está direcionando um comportamento específico e testando para ver se incentivar os usuários a adotar esse comportamento melhora a retenção.

Usando a análise de coorte para melhorar a retenção de clientes

Um relatório de análise de coorte de clientes pode ser usado para testar uma hipótese sobre como certas mudanças no produto afetam os principais indicadores de desempenho de uma empresa.

Por exemplo, suponha que você seja um gerente de produto de um aplicativo de música como o Spotify e um de seus principais objetivos seja aumentar a retenção de usuários.

Você pode formar uma hipótese de que os usuários que compartilham um determinado número de músicas com seus amigos têm maior probabilidade de se tornarem usuários regulares e retidos do seu aplicativo.

Para testar essa hipótese, primeiro você seleciona um grupo ou coorte de usuários com base na data de aquisição. Em seguida, você divide essa coorte de aquisição em dois subconjuntos. Em um subconjunto de coorte estão os usuários que usaram o recurso 'compartilhar música' pelo menos uma vez. O outro subconjunto de coorte inclui usuários que não usaram o recurso 'compartilhar'.

Por fim, execute uma análise de retenção com base na análise comportamental desses dois subconjuntos de coorte.

Nesse caso, o gráfico de análise de coorte acima mostra as taxas de retenção de N dias para usuários que compartilharam uma música (azul) em comparação com aqueles que não compartilharam (verde). Você pode ver que os usuários que não compartilham uma música têm uma taxa de cancelamento de 77,75% após 30 dias. Enquanto isso, a rotatividade de usuários que usaram o recurso de compartilhamento é de apenas 31%.

Essa é uma diferença significativa, e esse conjunto de dados agora oferece a você a chance de tomar uma decisão de negócios que pode gerar mais receita. Por exemplo, na próxima atualização, você pode ajustar seu fluxo de integração para solicitar que novos usuários compartilhem uma música em vez de esperar que eles descubram esse recurso por conta própria.

Tipos de dados de coorte

Existem três tipos de dados de coorte e cada um deles tem diferentes casos de uso.

Coortes de aquisição

As coortes de aquisição dividem os usuários com base em quando eles se inscreveram no seu produto. Um aplicativo de consumidor pode agrupar coortes pelo dia em que se inscrevem, enquanto uma ferramenta SaaS tem maior probabilidade de rastrear coortes mensais.

As coortes de aquisição são usadas para rastrear novos usuários e ver quanto tempo eles continuam usando seu aplicativo após a interação inicial, a duração da vida útil do cliente. Essa pode ser uma ótima maneira de experimentar sua experiência de integração para garantir que os usuários vejam o valor do seu produto de forma clara e antecipada. Quanto mais cedo os novos usuários tiverem aquele “aha!” momento, maior a probabilidade de serem retidos.

Coortes comportamentais

As coortes comportamentais são um segmento personalizado do seu público com base em qualquer combinação de comportamentos anteriores ou propriedades do perfil do usuário.

Alguns exemplos de comportamentos do usuário incluem compartilhar uma música, inscrever-se para uma avaliação ou fazer uma compra. As propriedades do perfil do usuário são coisas como dados demográficos, qual plataforma um visitante usa ou como alguém chega ao seu site.

A combinação de comportamentos e propriedades de perfil formam coletivamente uma coorte comportamental. Esse tipo de dados de coorte é uma maneira de observar as ações dentro de um determinado período de tempo para identificar tipos semelhantes de usuários para análise. Essa análise geralmente revela como os usuários se envolvem com seu produto e como esse envolvimento do usuário afeta coisas como retenção, taxa de conversão ou outros indicadores importantes para sua empresa.

Coortes preditivas

As coortes preditivas analisam o que se espera que um usuário faça no futuro.

Esse tipo de dados é melhor para determinar quais usuários segmentar com uma campanha de marketing ou decidir como ajustar os preços para aumentar as chances de um usuário realizar uma ação.

Coortes de aquisição: encontrar momentos problemáticos em seu aplicativo

As coortes de aquisição fornecem informações sobre o ciclo de vida de seus clientes — especificamente, quanto tempo eles levam para se desligar após a data de aquisição. Essas informações podem ajudá-lo a identificar padrões de rotatividade ou campanhas de marketing com altas taxas de conversão. Digamos que você tenha um aplicativo de música que esteja enfrentando um problema de rotatividade com usuários que desistem todos os dias.

Os usuários no gráfico de retenção acima são divididos em coortes diários — usuários que se inscreveram no mesmo dia. Você pode ver que 11.528 usuários se inscreveram no seu aplicativo de música em 16 de julho e a retenção do dia 5 foi de 49,7%. Portanto, um em cada dois usuários que se inscreveram em 16 de julho ainda eram usuários ativos no aplicativo no quinto dia após o primeiro uso do aplicativo.

A melhor maneira de visualizar essas informações é transformá-las em uma curva de análise de retenção, que mostra sua retenção para essas coortes ao longo do tempo. Quando você mapeia seus dados dessa forma, fica fácil ver quando os usuários estão deixando seu produto.

Essa curva de retenção imediatamente informa algo importante: cerca de um terço dos usuários param de usar o aplicativo após o primeiro dia. Após essa queda inicial, a curva continua diminuindo constantemente, deixando apenas um pouco mais de 25% dos usuários originais ainda ativos no aplicativo no dia 30.

Isso não é ótimo (embora seja comum – alguns dados mostram que o aplicativo médio perde quase 60% de seus usuários no primeiro mês). A retenção precoce é um problema significativo. Uma curva como essa indica que os usuários não estão obtendo o valor principal do aplicativo com rapidez suficiente, então estão saindo. Agora você sabe que precisa melhorar a experiência inicial do aplicativo para levar os usuários ao seu valor principal o mais rápido possível.

Atingindo os limites das coortes de aquisição

Se o seu aplicativo tem a curva de retenção mostrada acima, você imediatamente quer descobrir o que pode fazer para aumentar sua retenção.

As coortes de aquisição sozinhas não fornecem informações sobre como você pode melhorar a experiência do usuário para reter seus usuários. Você não pode isolar comportamentos específicos ou propriedades do usuário.

As coortes de aquisição são ótimas para mostrar tendências e dizer quando as pessoas estão saindo, mas para entender por que elas estão saindo, você precisa recorrer a outro tipo de coorte: coortes comportamentais.

Coortes comportamentais: descubra quais comportamentos impulsionam a retenção

A partir do momento em que os usuários se inscrevem no seu produto, eles tomam centenas de decisões e exibem inúmeros pequenos comportamentos que os levam à decisão de ficar ou ir embora. Ao segmentar seus usuários com base nesses comportamentos, você pode obter informações sobre quais recursos do seu produto impulsionam o crescimento.

Ao retrabalhar a integração do usuário para otimizar a retenção, você terá que identificar a maneira mais eficaz de fazer isso. Em vez de escolher no que trabalhar com base em anedotas ou escolhas aleatórias, as coortes comportamentais permitem que você decida sobre uma abordagem sistemática e quantitativa. As coortes comportamentais agrupam os usuários com base nas ações específicas que eles realizaram (ou não).

Encontrando as coortes certas

Para seu aplicativo de música, você pode criar diferentes coortes de usuários a partir de ações como tocar uma música, pesquisar um artista ou criar uma lista de reprodução.

Digamos que você queira ver a retenção de usuários que favoritaram músicas no aplicativo. Você pode usar coortes comportamentais para analisar a retenção de novos usuários que adicionaram três ou mais músicas aos favoritos:

Enquanto quase 60% de todos os usuários (azul) mudam dentro de um dia de uso do aplicativo, apenas cerca de 15% dos usuários que preferem três ou mais músicas (verde) desistem após o primeiro dia.

Inversão de coortes

Agora que você sabe como a retenção muda para usuários que interagem com o recurso favorito, você também pode ver como ela muda para aqueles que não o fazem. Abaixo está a retenção para usuários que não favoritaram uma música:

Os usuários que não favoritaram uma música (roxo) têm retenção pior do que a maioria – menos de 25% desses usuários abandonam após o primeiro dia.

A partir dessa visualização simples, você pode ver que fazer com que as pessoas escolham suas músicas favoritas no início de sua experiência permite que elas descubram o valor central do aplicativo, o que significa que é mais provável que elas continuem como usuários. Agora que você tem esses dados, pode colocá-los em ação enfatizando o recurso de músicas favoritas durante a integração. Isso levará mais usuários a favoritar músicas no início de suas jornadas de clientes e, finalmente, a melhores taxas de retenção.

Combinando coortes

Você pode criar coortes comportamentais com base em qualquer ação que possa ser realizada em seu produto. Isso significa que você pode correlacionar qualquer número de ações diferentes do usuário com as taxas de retenção do usuário.

Por exemplo, seu aplicativo de música tem um recurso que permite que as pessoas participem de comunidades com base em seus gêneros favoritos. Você pode extrair esse conjunto de dados para ver se isso ajuda a melhorar a retenção ou se é uma funcionalidade que não faz diferença no valor da vida útil.

Aqui você pode ver que a retenção inicial para usuários que ingressam em comunidades (roxo) é semelhante aos usuários que gostam de músicas (verde), mas é um pouco melhor no final do dia 30 e muito melhor do que todos os usuários (azul).

À medida que os usuários se envolvem com outras pessoas e encontram mais músicas para tocar, eles começam a aproveitar mais o aplicativo e continuam a usá-lo. Você provavelmente levantaria a hipótese disso em seu processo de retenção, mas agora você tem dados para respaldar sua hipótese.

A combinação de diferentes coortes comportamentais oferece uma melhor compreensão das relações entre os diferentes recursos do seu produto e como eles provavelmente impulsionarão a retenção.

Encontrando as combinações certas

E os usuários que gostam de músicas e participam de comunidades? Usando Amplitude, você pode filtrar suas ações para combinar essas duas coortes:

Como você pode ver, os usuários que exibem esses dois comportamentos são muito mais propensos a continuar usando o aplicativo nas primeiras semanas. No final da primeira semana, a retenção está acima de 75% para o coorte favorito + comunidade (azul), enquanto está abaixo de 25% para usuários sem nenhum desses comportamentos (verde).

Correlação, não causa

Só porque as pessoas que gostam de músicas e se juntam às comunidades se desconectam menos não significa que direcionar as pessoas para esses comportamentos reduzirá automaticamente sua taxa de desistência. Por exemplo, um apelo à ação que os leve a participar de 20 comunidades ao se inscrever provavelmente afastará as pessoas.

Isso porque correlação não implica causalidade. A preferência por músicas e a participação em comunidades podem ser meramente correlacionadas com o envolvimento do usuário, não causando isso. Para determinar a causa, você pode testar diferentes fluxos de integração que enfatizam a preferência de músicas para ver se isso aumenta a retenção.

Depois de ter dados de coortes comportamentais, você pode começar a executar experimentos usando uma ferramenta de teste A/B, como o Amplitude Experiment, para testar comportamentos que podem estar relacionados à retenção. Você pode ver o que funciona e o que não funciona e aumentar sistematicamente sua retenção.

Coortes preditivas: aumente seu ROI de marketing

Você pode usar coortes preditivos para determinar a probabilidade de um usuário comprar uma música no futuro com base em seu coorte comportamental.

Uma maneira de responder a essa pergunta de negócios é fazer uma coorte de novos usuários que compartilharam uma música durante um período de tempo, digamos, nos últimos 14 dias, e executar uma análise de previsão. Esse tipo de análise funciona melhor se você tiver um tamanho de coorte de mais de 100.000 usuários, pois precisa de dados suficientes para que o modelo de aprendizado de máquina faça uma previsão. Após cerca de 30 a 60 minutos, o modelo classificará coortes específicas com base em quem tem maior probabilidade de realizar uma determinada ação, como comprar uma música.

Novamente, agora você tem dados em um gráfico de coorte simples para informar uma decisão de negócios eficaz. Por exemplo, você pode se concentrar nos 5% principais usuários com maior probabilidade de comprar uma música. Selecione essa coorte, coloque esses usuários em uma ferramenta de terceiros e direcione-os para uma campanha de marketing. Pode ser uma notificação por push, um e-mail ou um alerta por SMS para incentivá-los a realizar uma ação. Neste caso, fazer uma compra.

Ao mesmo tempo, você pode observar os 20% dos usuários que a análise preditiva determinou que eram menos propensos a realizar sua ação preferida e optar por não direcionar nenhum investimento de marketing para eles, pois é improvável que produza resultados. Alternativamente, você pode concluir que o grupo de usuários simplesmente precisa de um incentivo diferente ou maior. Talvez o envio de um cupom de desconto de 50% seja uma oferta tão boa que eles não possam recusar.

De qualquer forma, você pode medir a reação dessas coortes à sua nova direção e continuar ajustando seus investimentos em marketing com base em sua análise.

Ferramentas para análise de coorte

Os mercados modernos se movem rapidamente e as empresas que não podem tomar decisões rápidas com base em dados precisos podem perder receita. Sem as ferramentas de análise corretas, as equipes não técnicas que precisam de dados para tomar melhores decisões de negócios devem contar com analistas e engenheiros de dados.

Isso pode significar enviar um tíquete com a equipe de dados e esperar dias ou até semanas para que analistas famintos de tempo entreguem planilhas. Então, exige que alguém da sua equipe tenha tempo suficiente para vasculhar esses dados e procurar insights.

Amplitude: como a ferramenta de análise de coorte certa acelera as decisões de negócios

Com Amplitude, gerentes de produto e profissionais de marketing podem responder suas próprias perguntas realizando uma análise de coorte de autoatendimento de três maneiras.

1. Você pode criar uma coorte em qualquer gráfico em Amplitude, como o gráfico de Análise de retenção abaixo. Aqui, você pode selecionar qualquer combinação de comportamentos e propriedades de perfil, como usuários que favoritam uma música ou participam de uma comunidade.

2. Você também pode usar uma seção de Coortes dedicada para criar definições de coorte personalizadas com base em seus parâmetros específicos. Essa coorte personalizada pode ser usada em outros gráficos. Por exemplo, a coorte abaixo mostra usuários novos e ativos no iOS que compartilharam uma música pop ou rock nos últimos 30 dias.

3. Você pode construir uma coorte com base em um único ponto de dados encontrado em qualquer gráfico. Por exemplo, você pode identificar novos usuários de um lançamento de produto em 26 de julho.

Em última análise, uma boa ferramenta de análise de coorte capacita equipes não técnicas a fazer e responder perguntas. Colocar essas informações diretamente em suas mãos dá a eles uma melhor compreensão dos usuários de seus produtos e melhores dados para gerar resultados de negócios.

Outras ferramentas de análise de coorte

Além do Amplitude, existem muitas ferramentas no mercado que permitem que gerentes de produto e profissionais de marketing realizem análises de coorte, incluindo:

• Quadrado de conteúdo
• História completa
• Gainsight PX
• Caixa de vidro
• Pilha
• LogRocket
• Painel de mixagem
• Pendo
• Smartlook

Saiba mais sobre essas e outras ferramentas de análise de coorte em um site de revisão de software como o G2.

Exemplos de análise de coorte

Aqui estão alguns exemplos de como os clientes da Amplitude realizaram análises de coorte para produzir resultados de negócios.

Calma: exemplo de análise de coorte para retenção

Em um palpite, a Calm usou coortes comportamentais para testar a retenção de usuários que definiram lembretes diários em seu aplicativo de meditação em comparação com aqueles que não usaram o recurso. Eles descobriram um aumento de 3x na retenção para usuários que definem lembretes diários.

O lembrete não era fácil de encontrar, então havia uma chance de os usuários que mais gostaram do aplicativo por algum outro motivo simplesmente cavaram mais nos menus e encontraram o recurso. Para testar se isso era correlação ou causa, a Calm mudou seu tutorial de integração para incentivar alguns novos usuários a definir um lembrete e deixou outros usuários iniciantes como um grupo de controle.

Essa taxa de retenção de 3x foi mantida durante o experimento, então a Calm incluiu o aviso para definir lembretes diários em sua próxima atualização em todo o aplicativo.

Cornerstone: Exemplo de análise de coorte para decisões mais rápidas

A Cornerstone transformou seu fluxo de trabalho de gerenciamento de produtos com a ajuda da Amplitude. Antes, os gerentes de produto precisavam solicitar dados dos engenheiros.

Esses engenheiros forneceriam um relatório de coorte com planilhas cheias de informações, o que exigia que um funcionário em tempo integral se debruçasse sobre as informações e obtivesse insights que poderiam levar a melhores resultados de negócios.

Todo o processo pode levar dias. Ou semanas. Agora, os gerentes de produto podem recuperar os mesmos dados em minutos e usar os insights para tomar decisões rápidas.

Como começar com a análise de coorte

Configurar sua própria análise de coorte com uma ferramenta de análise de coorte como Amplitude é simples:

1. Dê uma olhada em sua retenção por coorte de aquisição de clientes. Isso mostrará quando os usuários estiverem desistindo.
2. Defina eventos para algumas das principais ações do usuário do seu aplicativo e, em seguida, puxe seus coortes comportamentais. Analise suas coortes comportamentais comparando-as, invertendo-as e combinando-as. Use isso com seus aprendizados de coortes de aquisição para gerar uma hipótese sobre ações que você pode enfatizar durante uma parte específica da jornada do cliente para impulsionar a retenção.
3. Faça alterações no seu aplicativo, usando testes A/B com o Amplitude Experiment, se você tiver um volume de uso alto o suficiente, para ver se a condução de determinadas ações no seu aplicativo realmente faz com que os usuários voltem.
4. Processe seus aprendizados e repita.

Com as coortes comportamentais da Amplitude, você pode ver as especificidades dos comportamentos de seus clientes e começar a tomar decisões baseadas em dados para aprimorar sua experiência com seu produto.

Experimente a análise de coorte hoje com um plano Amplitude gratuito ou confira nosso manual de masterização de retenção para saber como você pode aumentar ainda mais a retenção.

Referências

• O Guia Definitivo para Coorte Comportamental. Amplitude.
• Guia passo a passo para análise de coorte e redução da taxa de churn. Amplitude.
• Análise de coortes – tudo o que você pode fazer com coortes de aquisição. Saras.
• Relatório de benchmark de aplicativos móveis de 2019 para informar sua estratégia de 2020. Planalto.
• Usando Análise de Coorte para Otimização de Conversão. Speero.