Kohort Analizi ve Kayıp Oranını Azaltma için Adım Adım Kılavuz

Kayıp oranı kohort analizi, kullanıcıyı elde tutma oranını artırmak için ihtiyaç duyduğunuz bilgileri hesaplayan ve size veren bir analiz türüdür . Kullanıcı yaşam döngülerini analiz edebilir ve kullanıcıların ürününüzü ne zaman kullanmayı bıraktığını veya kullanmayı bıraktığını belirleyebilirsiniz. Oradan, kullanıcılarınızın davranışları hakkında bilgi edinebilir ve kesintiye neden olan nedenleri araştırabilirsiniz. Kullanıcıların neden vazgeçtiğini anladıktan sonra, müşterilerin ürününüzle etkileşimini sürdürmeye ve müşteri kaybını azaltmak için harekete geçmeye hazırsınız demektir.

Kayıp oranı ve kohort analizi arasındaki ilişkiyi anlama

Çoğu şirket, kaybın küçük bir yüzdesini sağlıklı ve normal olarak görür. Ancak ürününüzü terk eden çok sayıda kullanıcı endişe kaynağıdır. Grup analizi, kullanıcı gruplarının veya segmentlerinin (gruplarının) uygulamanızdan neden ayrıldığını araştırmanıza olanak tanıdığından, kayıp oranlarını azaltmanıza yardımcı olur. İnsanların ayrılmasına neyin sebep olduğunu anlayabilirseniz, yüksek müşteri kayıp oranlarından kaçınmak için harekete geçebilirsiniz.

Kohort analizi ayrıca hangi faktörlerin yüksek katılıma ve müşteriyi elde tutmaya yol açtığını anlamanıza da olanak tanır. Mevcut müşterileri elde tutmaya ve değer sağlamaya odaklanırsanız, yalnızca müşteri edinmeye odaklanmanıza kıyasla genellikle daha yüksek bir yatırım getirisi elde edersiniz. Müşteri kazanmak için zaten zaman, para ve çaba harcadınız, bu nedenle yalnızca yeni kullanıcılara ulaşmaya odaklanmak yerine onları platformunuzda tutmaya çalışmak mantıklıdır.

Kaybı azaltan bir kohort analizini tamamlamaya yönelik 5 adımlı kılavuz

Bu adımlar, kullanıcılarınızın ne zaman ve neden ayrıldığını belirlemenize yardımcı olacak bir grup analizini nasıl gerçekleştireceğinizi gösterir, böylece kullanıcı kaybını azaltmak için çözümlerle deneyler yapabilirsiniz.

1. Kullanıcıları uygulamanıza ne zaman katıldıklarına göre gruplandırın

Kullanıcıları uygulamanıza ne zaman katıldıklarına göre gruplandırarak analizinize başlayın. "Katılma tarihi" bir tür edinme kohortudur; analizinizin ilerleyen bölümlerinde davranışsal kohortları kullanacaksınız. Bu, tüm kullanıcılar arasında kayıp oranlarına bakmak yerine, kullanıcıların müşteri yaşam döngüsüne göre ne zaman vazgeçtiğini görmenizi sağlar.

Uygulamanızın türüne ve ürün kullanım aralığınıza bağlı olarak günlük, haftalık veya aylık gruplar oluşturun. Örneğin, bir meditasyon veya fitness uygulaması çalıştırıyorsanız, günlük edinim ve kullanıma bakmanız faydalı olacaktır. İnsanların daha az kullanabilecekleri bir uygulamaysa (yatırım yapan bir uygulama gibi), muhtemelen aylık veya haftalık gruplar kullanırsınız.

Analizinize dahil ettiğiniz zaman çerçevesi de ne öğrenmek istediğinize bağlı olacaktır. Kısa vadeli değişiklikleri görmek için birkaç hafta boyunca günlük elde tutma veya kullanmayı bırakmaya bakacaksınız. Daha uzun vadeli eğilimleri tespit etmek için bir yıl boyunca aylık elde tutma oranına bakacaksınız.

Analiz etmek istediğiniz grubu oluşturduğunuzda, Excel'de bir kohort tablosu oluşturun veya Amplitude gibi analitik yazılımları kullanın. Bir kohort tablosunda, her kohort için satırlar ve her gün, hafta veya ay için sütunlar vardır. "Gün sıfır", kullanıcının platforma katıldığı gündür. Hücrelerde, kayıp oranını veya alıkoyma oranını görüntüleyin.

2. Her bir gruptaki kullanıcıların ne zaman vazgeçtiğini belirleyin

Kullanıcıların hangi noktada çalkalandığını belirleyebilirseniz, kullanıcı yolculuğundaki kalıpları belirleyebilirsiniz. O anda neden titrediklerini keşfetmek için daha fazla araştırma yapabileceksiniz.

Kohort analiz grafiğinize bir göz atın ve birçok kullanıcının vazgeçtiği noktaları bulun. Tutma eğrisini görselleştirmek ve insanların ne zaman düştüğünü kolayca tespit etmek için kohort tablonuzu bir grafiğe dönüştürün.

Çoğu zaman, ürün ve büyüme ekipleri, "sorun" anlarının bir listesini yapar - örneğin, 10 gün sonra veya ilk aydan sonra, kullanıcıların ayrıldığı kullanıcı yaşam döngüsündeki noktalar.

3. Kaybolmayı daha fazla araştırmak için diğer kohort türlerini analiz edin

Satın alma tarihiyle ilgili olarak kayıp durumuna baktıktan sonra, davranışlarına, edinme kanallarına veya demografik özelliklerine göre kullanıcı grupları oluşturmak, onları daha iyi anlamanıza yardımcı olacaktır. Kullanıcıların ayrılma nedenlerini keşfetmeye sizi bir adım daha yaklaştırıyor.

Kullanıcıları yaptıkları veya yapmadıkları eylemlere göre gruplandırmak için davranışsal grupları kullanın. Satın almadan önce yorumları okuyan veya platforma katıldıktan sonraki ilk üç gün içinde uygulama içi satın alma yapan kullanıcılara bakabilirsiniz. Her durumda, herhangi bir bağlantı olup olmadığını görmek için eylemi gerçekleştiren grubu, yapmayanlarla karşılaştırmak isteyeceksiniz.

Davranış gruplarını kullanmaya ek olarak, hangi kanalların ne zaman kesintiye yol açtığını belirlemek için kullanıcıları edinme türüne göre gruplandırın. Örneğin, ücretli reklamlardan gelen kullanıcıların, bülteninizden dönüşüm sağlayanlardan daha hızlı değiştiğini fark edebilirsiniz. Kullanıcıları segmentlere ayırmanın başka bir yolu demografik bilgilerdir; farklı yaş grupları veya yerler arasındaki kalıpları arayın.

Tutarlılık için, yaptığınız satın alma kohort analiziyle aynı zaman çerçevesinde farklı kohort türlerine bakın. Her seferinde bir müşteri grubunu araştırın, böylece hangi faktörlerin müşteri kaybına katkıda bulunduğunu açıkça görebilirsiniz. Bir sonraki adımda kohortların neden farklı olduğu hakkında sonuçlar çıkarmaya başlayacaksınız.

4. Her kohort için neden kayıp yaşandığını varsayın

Artık farklı kohortlar hakkında veri topladığınıza göre, insanların neden çalkalandığı hakkında teori oluşturabilirsiniz. Hipotezler kurarak ve test ederek, çalkantıya gerçekten neyin sebep olduğunu keşfedebilirsiniz.

Farklı davranış grupları analizinizle birlikte, insanların ne zaman çalkalandığına ilişkin araştırmanızdan tespit ettiğiniz "sorun anlarına" dayanarak, en yüksek kayıp oranlarına sahip grupları seçin. Ardından, çalkantıya neyin neden olabileceğini beyin fırtınası yapın.

Örneğin, satın alma tarihi gruplarından:

• Mevsimsel değişiklikler uygulama kullanımını etkiler; birçok kullanıcı tatillerde katıldı, ancak uygulamayı kullanmak için yeterli boş zamanları olmadığı için Şubat ayında uygulamayı bıraktılar.
• Alışma süreci çok uzun ve karmaşık olduğu için kullanıcılar iki gün sonra ayrılıyor.

Davranış gruplarından:

• "Temel" plana kaydolan kullanıcılar, yeterli özelliklere erişimleri olmadığı için kesintiye uğrar.
• Hatırlatma bildirimlerini etkinleştirmeyen kullanıcılar, uygulamayı kullanmayı unuttukları ve uygulamadan değer alamadıkları için çalkalanıyor.

Edinme kanalı gruplarından:

• Instagram reklamına kaydolan kullanıcılar, reklam ürünü doğru bir şekilde yansıtmadığı için hızlı bir şekilde vazgeçiyor, bu nedenle müşteri beklentileri ile ürün arasında bir uyumsuzluk var.

5. Hipotezlerinizi test edin ve çözümlerle deney yapın

Herhangi bir ürün değişikliğini uygulamadan önce hipotezlerinizin doğru olup olmadığını kontrol etmeniz gerekir. Kaybolmaya birçok farklı faktörün katkıda bulunduğu gerçeğine hazırlıklı olun, bu nedenle bu aşama bazı deneyleri içerecektir.

İlk olarak, A/B testi yaparak hipotezlerinizi kontrol edin. Örnek hipotezlerinizi test etmek için şunları yapabilirsiniz:

• Alışma sürecinizi basitleştirin.
• "Temel" abonelik katmanınıza daha fazla özellik ekleyin.
• Daha doğru müşteri beklentileri belirlemek için pazarlama kampanyalarınızı güncelleyin.

Platformunuzu optimize etmek için farklı çözümlerle denemeler yapın. Örneğin, ilk katılım sürecini basitleştirmek, kullanıcıların iki gün sonra ayrılmasını engelleyebilir, ancak başka bir çözüm, kullanıcılara tüm katılımı atlama seçeneği sunmak olabilir. Yaptığınız ayarlamalar kesintiyi azaltırsa, bunları tüm uygulamanıza yaymaya hazırsınız demektir. Hipotezlerinizden hiçbiri doğru değilse veya çözümlerinizden hiçbiri işe yaramazsa, bir adım geriye gidin ve kohort kayıp analizinize devam edin.

Müşteri kaybı analizinize devam edin

Kohort analizi, birden fazla kez yaşayacağınız bir süreçtir. Müşteri kayıp oranları zaman içinde değişir; bu nedenle, kullanıcı davranışındaki kalıpları tespit etmek için grupları takip etmeye ve düzenli olarak grup analizi yapmaya devam edin; bu şekilde, müşteriyi elde tutma oranlarınızı yüksek tutmak için harekete geçebilirsiniz.

Amplitude'ün ücretsiz başlangıç ​​planını kullanarak bugün kendi kayıp oranı kohort analizinizi yapmayı deneyin veya sızdıran bir kovayı düzeltme hakkında daha fazla bilgi edinmek için Mastering Retention oyun kitabımıza göz atın .

Referanslar

• Kayıp oranı. Investopedia.
• Müşteri Edinme VS. Tutma: Dolarınız En İyi Nereye Harcanıyor? KarKuyusu.
• Öğrenmek için en iyi 10 kullanıcı alıştırma örneği. Appcues.