Ghid pas cu pas pentru analiza cohortelor și reducerea ratei de abandon

Analiza cohortei ratei de abandon este un tip de analiză care calculează și vă oferă informațiile de care aveți nevoie pentru a crește retenția utilizatorilor . Puteți analiza ciclurile de viață ale utilizatorilor și puteți identifica când utilizatorii renunță sau încetează să vă folosească produsul. De acolo, puteți afla despre comportamentul utilizatorilor dvs. și puteți investiga motivele care duc la abandon. Odată ce înțelegeți de ce utilizatorii abandonează, sunteți gata să luați măsuri pentru a reduce rata de abandon și a menține oamenii implicați cu produsul dvs.

Înțelegerea relației dintre rata de abandon și analiza cohortei

Majoritatea companiilor văd un procent mic de abandon ca fiind sănătos și normal. Dar un număr mare de utilizatori care părăsesc produsul dvs. este un motiv de îngrijorare. Analiza cohortelor vă ajută să reduceți ratele de abandon, deoarece vă permite să investigați de ce grupurile sau segmentele (cohortele) de utilizatori părăsesc aplicația dvs. Dacă vă puteți da seama ce îi face pe oameni să plece, puteți lua măsuri pentru a evita ratele ridicate de retragere a clienților.

Analiza cohortei vă permite, de asemenea, să înțelegeți care sunt factorii care conduc la un grad ridicat de implicare și retenție a clienților. Dacă vă concentrați pe păstrarea și oferirea de valoare clienților existenți, veți obține adesea un ROI mai mare decât dacă vă concentrați doar pe achiziția de clienți. Ați investit deja timp, bani și efort în achiziționarea de clienți, așa că este logic să încercați să îi păstrați pe platforma dvs. în loc să vă concentrați doar pe a ajunge la noi utilizatori.

Ghid în 5 pași pentru finalizarea unei analize de cohortă care reduce rata de pierdere

Acești pași vă arată cum să efectuați o analiză de cohortă care vă va ajuta să identificați când și de ce utilizatorii dvs. pleacă, astfel încât să puteți experimenta soluții pentru a reduce rata abandonului.

1. Grupați utilizatorii în funcție de momentul în care s-au alăturat aplicației dvs

Începeți analiza grupând utilizatorii în funcție de momentul în care s-au alăturat aplicației dvs. „Data aderării” este un tip de cohortă de achiziție – veți folosi cohorte comportamentale mai târziu în analiză. În loc să vă uitați la ratele de abandon pentru toți utilizatorii, acest lucru vă va permite să vedeți când utilizatorii își desfășoară activitatea în raport cu ciclul de viață al clientului.

Creați cohorte zilnice, săptămânale sau lunare, în funcție de tipul dvs. de aplicație și de intervalul de utilizare a produsului. De exemplu, dacă rulați o aplicație de meditație sau fitness, va fi util să analizați achizițiile și utilizarea zilnică. Dacă este o aplicație pe care oamenii o pot folosi mai rar (cum ar fi o aplicație de investiții), probabil că veți folosi cohorte lunare sau săptămânale.

Perioada de timp pe care o includeți în analiză va depinde și de ceea ce doriți să aflați. Veți analiza reținerea zilnică sau retragerea pe parcursul a câteva săptămâni pentru a vedea schimbări pe termen scurt. Pentru a identifica tendințele pe termen mai lung, veți analiza rata lunară de retenție pe parcursul unui an.

După ce ați stabilit cohorta pe care doriți să o analizați, creați un tabel de cohorte în Excel sau utilizați software de analiză precum Amplitude. Într-un tabel de cohorte, există rânduri pentru fiecare cohortă și coloane pentru fiecare zi, săptămână sau lună. „Ziua zero” este ziua în care utilizatorul s-a alăturat platformei. În celule, afișați fie rata de pierdere, fie rata de retenție.

2. Identificați când utilizatorii din fiecare cohortă au reușit

Dacă puteți identifica punctul în care utilizatorii abandonează, puteți identifica modele în călătoria utilizatorului. Veți putea investiga în continuare pentru a descoperi de ce se răsfrâng în acel moment.

Aruncă o privire la diagrama de analiză a cohortei și găsește puncte când mulți utilizatori abandonează. Pentru a vizualiza curba de retenție și pentru a identifica cu ușurință când oamenii scad, transformați tabelul de cohortă într-un grafic.

Adesea, echipele de produse și de dezvoltare vor face o listă de momente „probleme” - puncte din ciclul de viață al utilizatorului când utilizatorii pleacă, de exemplu, după 10 zile sau după prima lună.

3. Analizați alte tipuri de cohorte pentru a investiga în continuare abandonul

După ce ați analizat pierderea în raport cu data achiziției, crearea de grupuri de utilizatori pe baza comportamentului lor, a canalelor de achiziție sau a datelor demografice vă va ajuta să le înțelegeți mai bine. Vă aduce cu un pas mai aproape de a descoperi motivele pentru care utilizatorii pleacă.

Utilizați cohorte comportamentale pentru a grupa utilizatorii după acțiunile pe care le-au întreprins sau nu. S-ar putea să vă uitați la utilizatorii care citesc recenzii înainte de a cumpăra sau la cei care fac o achiziție în aplicație în primele trei zile de la aderarea la platformă. În fiecare caz, veți dori să comparați cohorta care efectuează acțiunea cu aceia care nu o fac, pentru a vedea dacă există legături către retragere.

Pe lângă utilizarea cohortelor comportamentale, grupați utilizatorii după tipul de achiziție pentru a identifica ce canale duc la pierdere și când. De exemplu, s-ar putea să observați că utilizatorii din anunțurile plătite produc mai repede decât cei care fac conversie din buletinul dvs. informativ. O altă modalitate de a segmenta utilizatorii este în funcție de criterii demografice - căutați modele între diferitele grupuri de vârstă sau locații.

Pentru consecvență, uitați-vă la diferite tipuri de cohorte în același interval de timp ca și analiza cohortei de achiziție pe care ați făcut-o. Investigați o cohortă de clienți la un moment dat, astfel încât să puteți vedea clar ce factori contribuie la retragere. Veți începe să trageți concluzii despre motivul pentru care cohortele variază în pasul următor.

4. Emiteți ipoteza de ce a avut loc schimbarea pentru fiecare cohortă

Acum că ați adunat date despre diferite cohorte, puteți teoretiza despre motivul pentru care oamenii se amestecă. Prin construirea și testarea ipotezelor, puteți descoperi ce cauzează cu adevărat retragerea.

Pe baza „momentelor cu probleme” pe care le-ați observat în urma investigației dvs. despre momentul în care oamenii își renunță, împreună cu analiza dvs. asupra diferitelor cohorte de comportament, alegeți cohortele cu cele mai mari rate de abandon. Apoi, gândiți-vă la ce ar putea cauza pierderea.

De exemplu, din cohortele date de achiziție:

• Schimbările sezoniere au impact asupra utilizării aplicației – o mulțime de utilizatori s-au alăturat în timpul sărbătorilor, dar se retrag în februarie, deoarece nu au suficient timp liber pentru a folosi aplicația.
• Utilizatorii abandonează după două zile, deoarece procesul de integrare este prea lung și complicat.

Din cohortele comportamentale:

• Utilizatorii care se înscriu pentru planul „de bază” abandonează deoarece nu au acces la suficiente funcții.
• Utilizatorii care nu activează notificările de memento ajung să se răsfoie deoarece uită să folosească aplicația și nu primesc valoare din ea.

Din cohortele de canale de achiziție:

• Utilizatorii care se înscriu din anunțul de pe Instagram trec rapid, deoarece anunțul nu prezintă cu acuratețe produsul, deci există o discordie între așteptările clienților și produs.

5. Testează-ți ipotezele și experimentează cu soluții

Înainte de a implementa orice modificare a produsului, va trebui să verificați dacă ipotezele dvs. sunt corecte. Fiți pregătiți pentru faptul că mulți factori diferiți contribuie la abandon, așa că această etapă va implica unele experimente.

În primul rând, verificați-vă ipotezele efectuând teste A/B. Pentru a vă testa exemplul de ipoteză, puteți:

• Simplificați-vă procesul de integrare.
• Adăugați mai multe funcții la nivelul de abonament „de bază”.
• Actualizați-vă campaniile de marketing pentru a stabili așteptări mai precise ale clienților.

Experimentați cu diferite soluții pentru a vă optimiza platforma. De exemplu, simplificarea procesului de îmbarcare ar putea împiedica utilizatorii să abandoneze după două zile, dar o altă soluție ar putea fi să le ofere utilizatorilor opțiunea de a omite complet procesul de îmbarcare. Dacă ajustările pe care le faceți reduc rata de pierdere, sunteți gata să le implementați în întreaga aplicație. Dacă niciuna dintre ipotezele tale nu este corectă sau nici una dintre soluțiile tale nu funcționează, mergi înapoi cu un pas și continuă analiza cohortei.

Continuați analiza ratei clienților

Analiza cohortei este un proces prin care vei trece de mai multe ori. Ratele de retragere a clienților se modifică în timp, așa că urmăriți în mod regulat cohortele și efectuați în mod regulat analize pe cohorte pentru a identifica modele în comportamentul utilizatorilor - în acest fel, puteți lua măsuri pentru a menține ratele de retenție a clienților ridicate.

Încercați să efectuați astăzi propria analiză a cohortei ratei de abandon, folosind planul de pornire gratuit de la Amplitude sau consultați manualul nostru de reținere a stăpânirii pentru a afla mai multe despre remedierea unei găleți cu scurgeri .

Referințe

• Rata de abandon. Investopedia.
• Achiziția clienților VS. Reținere: unde sunt cheltuiți cel mai bine dolarii tăi? ProfitWell.
• Cele mai bune 10 exemple de integrare a utilizatorilor din care să înveți. Appcues.