Как выполнить когортный анализ SaaS, чтобы уменьшить отток клиентов

Когортный анализ SaaS включает в себя сегментирование пользователей на группы на основе общего поведения или характеристик, чтобы ответить на бизнес-вопросы о том, как эти пользователи взаимодействовали или будут взаимодействовать с продуктом SaaS. SaaS-компании могут определить, как конкретное поведение или характеристики пользователей приводят к разным результатам.

Допустим, ваш продукт SaaS — это инструмент управления проектами. Когортный анализ SaaS позволит вам определить, что:

• Пользователи, активировавшие push-уведомления в первую неделю, с большей вероятностью будут продолжать пользоваться вашим программным обеспечением, чем те, кто этого не делает.
• Пользователи, присоединившиеся в день запуска громкой маркетинговой кампании, уходят меньше, чем в среднем.
• Пользователи, которые присоединяются в январе, обычно заканчивают свою подписку через месяц.

Что такое когортный анализ SaaS?

Компании, предоставляющие программное обеспечение как услугу (SaaS), предоставляют программное обеспечение пользователям в виде приложений по подписке. Платформы SaaS могут предоставлять программные услуги, которые помогают пользователям в управлении взаимоотношениями с клиентами, управлении расходами, управлении проектами, персоналом, информационной безопасностью и т. д.

В когортном анализе для SaaS вы разделяете конечных пользователей на группы или сегменты, чтобы узнать, как их черты и поведение влияют на результаты бизнеса. Компании SaaS также могут проводить когортный анализ групп учетных записей клиентов, чтобы увидеть различия между организациями, использующими их платформу.

Вы можете сегментировать пользователей по:

• Месяц, когда они присоединились к вашей платформе SaaS
• Канал приобретения
• Поведение, которое они продемонстрировали в вашем продукте SaaS (например, включение уведомлений, использование функции общего доступа, создание новой доски управления проектами и т. д.)

Если вы рассматриваете всех своих клиентов как единую группу, вам будет сложно понять, почему люди уходят. Но если вы сгруппируете пользователей, например, по тому, когда они присоединились к вашему приложению, вы сможете анализировать закономерности на протяжении всего жизненного цикла клиента.

Когортный анализ помогает лучше понять поведение пользователей, что позволяет:

• Принимайте решения о продуктах, которые повышают ценность для пользователей и поддерживают их вовлечение.
• Выявляйте модели предварительного оттока и действуйте, чтобы улучшить удержание клиентов.
• Улучшить рекламу и персонализацию.
• Понимать сезонные различия в использовании продукта.

Когортный анализ для компаний, работающих по подписке

Компании SaaS на основе подписки (например, Calm) могут использовать когортный анализ подписки, чтобы определить, какие когорты имеют высокий уровень удержания и остаются подписчиками в течение наиболее длительного времени. Точно так же компании с многоуровневой подпиской (например, Canva или HubSpot) могут определить, какие когорты переходят на более дорогие планы и приносят наибольший доход.

Компании SaaS на основе подписки могут провести несколько анализов, чтобы понять, почему уходят определенные когорты. Затем они могут работать над улучшением показателей удержания.

Поведенческий анализ

Чтобы провести анализ поведения пользователей:

• Создавайте поведенческие когорты, группируя пользователей на основе действий, которые они совершают или не предпринимают на вашей платформе SaaS. Например, сегментируйте пользователей в зависимости от того, использовали ли они определенную функцию или нет.
• Далее сузьте свои поведенческие когорты, разделив пользователей на действия, которые они предприняли в течение определенного периода времени. Например, пользователи, которые использовали определенную функцию в течение первой недели подписки на вашу платформу.
• Проанализируйте различные поведенческие когорты, чтобы увидеть, коррелирует ли использование различных функций с удержанием. Например, вы можете заметить, что пользователи, которые синхронизируют вашу CRM со своими контактами Google в течение первой недели использования вашей платформы, имеют более высокий коэффициент удержания, чем те, кто этого не делает.

Анализ оттока

Чтобы провести когортный анализ коэффициента оттока:

• Сначала определите когорты (например, день, когда пользователи присоединились).
• Затем рассчитайте коэффициент оттока, посмотрев, сколько пользователей, присоединившихся в определенный день, вернулись позже. Например, какой процент клиентов возвращается на пятый день.
• Затем выясните, влияют ли различные факторы на отток. Например, вы можете сгруппировать пользователей по платформам, чтобы увидеть, влияет ли разный пользовательский опыт на разных платформах на отток.
• Как только у вас появится гипотеза, проведите A/B-тестирование изменений продукта, которые могут помочь подтвердить ее, используя такой инструмент, как Amplitude Experiment.

Узнайте больше об анализе оттока по отраслям и кварталам в этом видео:

Анализ доходов

Чтобы провести когортный анализ доходов:

• Начните с выполнения шагов анализа оттока и добавьте доход, который вносит каждый пользователь.
• Оттуда рассчитайте увеличение доходов, а затем сравните увеличение доходов по когортам.
• Обратите внимание на когорты, в которых доход увеличивается, и узнайте, почему это может быть.
• Затем используйте эксперименты, чтобы проверить свои гипотезы.

Как внедрить результаты когортного анализа SaaS

После того, как вы выполнили когортный анализ SaaS, используйте собранную информацию для принятия продуктовых решений, которые уменьшат отток клиентов.

Чтобы реализовать свои выводы:

• Определите «проблемные» когорты, которые через короткое время уходят, используя один из методов когортного анализа для SaaS, описанных выше.
• Разработайте гипотезу о том, что вызывает проблему. Например, возможно, люди, которые не воспользуются вашей функцией синхронизации контактов в течение первой недели, не смогут оценить всю ценность вашего программного обеспечения SaaS, поэтому они быстро уходят.
• Проведите A/B-тестирование, чтобы проверить свою гипотезу и лучше понять проблемные когорты. Имейте в виду, что это расследование будет сложным, потому что часто это сочетание факторов, которые удерживают пользователей и удерживают их.
• Основываясь на результатах A/B-тестирования, измените свое программное обеспечение соответствующим образом, чтобы решить проблемную область.
• Повторите когортный анализ и процесс проверки гипотез, чтобы выявить дополнительные проблемные области и уменьшить отток клиентов.

Когортный анализ SaaS: ключ к увеличению CLV

Пожизненная ценность клиента (CLV) показывает, какой доход приносит типичный клиент в ходе его отношений с вашей платформой. Например, если клиенты платят ежемесячную абонентскую плату в размере 10 долларов США и обычно уходят через 12 месяцев, ваш CLV составит 120 долларов США. Вы также увидите, что этот термин сокращается до жизненного цикла (LTV).

Если вы понимаете, какие типы пользователей имеют высокий CLV, вы можете принять меры для привлечения похожих пользователей. Вы также можете поощрять других к действиям, которые, как вы доказали, коррелируют с высокой вовлеченностью и удержанием.

Поскольку когортный анализ SaaS позволяет увидеть, когда клиенты (конечные пользователи или учетные записи клиентов) уходят, это означает, что вы можете измерять и отслеживать CLV. Когортный анализ также помогает увеличить CLV. Например, вы можете увидеть, какие когорты пользователей приносят наибольший доход, а затем разработать свои маркетинговые кампании, ориентированные на этих пользователей, или адаптировать свои решения о продукте, чтобы лучше их обслуживать.

С помощью когортного анализа подписок вы также получите представление о том, почему люди уходят, и сможете решить эти проблемы. Допустим, вы заметили, что в вашем базовом плане подписки наблюдается высокий отток пользователей. Вы можете добавить дополнительные функции продукта к этому базовому тарифному плану, чтобы повысить ценность этих пользователей и отговорить их от оттока.

Кроме того, вы можете определить, как поведенческие показатели влияют на CLV, чтобы оптимизировать свое программное обеспечение. Например, если вы заметили, что пользователи, которые включают push-уведомления, как правило, продолжают работать с вашей платформой SaaS, вы можете поэкспериментировать, поощряя всех пользователей включать уведомления во время адаптации. Вы захотите запустить A/B-тесты, чтобы увидеть, увеличивает ли это изменение продукта причинно-следственную связь.

Понимание показателей когортного анализа

Помимо CLV, стандартными показателями для когортного анализа SaaS являются удержание или отток клиентов — сколько клиентов возвращаются или уходят за определенный период времени соответственно. Если уровень оттока выше среднего для определенной когорты, вы знаете, что вам нужно сосредоточить свое внимание на этой когорте.

Вы также можете изучить метрики, которые дают вам больше информации о том, какой доход приносят разные когорты, например, средний доход на пользователя (ARPU) и стоимость привлечения клиента (CAC).

Топ-3 типа когортного анализа

Для когортного анализа SaaS вы можете выбрать, на какие типы групп вы разделяете своих пользователей. Три основных типа когорт — это когорты приобретения, когорты поведения и когорты прогнозирования .

Когорты приобретения разделяют пользователей на основе:

• Когда то записался
• Как они зарегистрировались (их канал приобретения)

Поведенческие когорты разделяют пользователей на основе действий, которые они совершают или не предпринимают, и действий, которые они совершают в течение определенного периода времени. Например:

• В CRM-платформе: пользователи, которые добавили X контактов или запустили маркетинговую кампанию за последнюю неделю.
• В платформе управления проектами: пользователи, активировавшие уведомления на рабочем столе.

Прогностические когорты разделяют пользователей на основе вероятности того, что они выполнят определенное действие в будущем.

Шаблон когортного анализа

Обычно вы проводите когортный анализ SaaS в когортной таблице. На столе вы увидите:

• Строка для каждой группы пользователей (например, присоединились 6 июля, присоединились 15 июля).
• Столбцы за каждый день, неделю или месяц после создания когорты (нулевой день — это день, когда пользователи присоединились).
• Ячейки, которые обычно показывают скорость оттока или коэффициент удержания на каждый день

В приведенной выше когортной таблице вы можете увидеть, что удержание пользователей, присоединившихся 6 июля, к пятому дню составляет всего 6%. Это означает, что 94% пользователей ушли — дырявое ведро. Попробуйте изучить эти данные бесплатно, используя демо-версию самообслуживания Amplitude, а затем перейдите к этому примеру когортной таблицы.

Вы можете лучше визуализировать эту когортную таблицу, построив кривую анализа удержания.

Используя диаграмму анализа удержания Amplitude, вы можете увидеть непосредственную проблему — после первого дня остается только около 10% пользователей. Это может указывать на то, что у вашего продукта SaaS сложная адаптация, отсутствует призыв к действию, техническая проблема или что-то еще. Вы можете проверить свои гипотезы с помощью экспериментов, а затем устранить проблемы и сократить отток клиентов.

Готовы изучить когорты в своем продукте SaaS и начать улучшать удержание уже сегодня? Начните бесплатно с Amplitude или ознакомьтесь с нашим сборником упражнений Mastering Retention, чтобы узнать больше.

использованная литература

• Когортный анализ: уменьшите отток и улучшите удержание. Амплитуда
• Почему когортный анализ превосходит все другие подходы к расчету LTV. Пожизненно
• 8 показателей SaaS, которые вы должны отслеживать. Веб-поток
• Руководство для начинающих по когортному анализу: как уменьшить отток клиентов и принять более взвешенные решения о продуктах. Приложения