Kayıpları Azaltmak için SaaS Kohort Analizi Nasıl Gerçekleştirilir

SaaS kohort analizi, bu kullanıcıların bir SaaS ürünüyle nasıl etkileşime girdiği veya bu ürünle nasıl etkileşimde bulunacağıyla ilgili iş sorularını yanıtlamak için kullanıcıları paylaşılan davranışlara veya özelliklere dayalı olarak gruplara ayırmayı içerir. SaaS şirketleri, belirli kullanıcı davranışlarının veya özelliklerinin nasıl farklı sonuçlara yol açtığını belirleyebilir.

SaaS ürününüzün bir proje yönetim aracı olduğunu varsayalım. SaaS kohort analizi şunları belirlemenize izin verir:

• Anında iletme bildirimi hatırlatıcılarını ilk hafta etkinleştiren kullanıcıların, etkinleştirmeyenlere göre yazılımınızla etkileşimde kalma olasılığı daha yüksektir.
• Yüksek profilli bir pazarlama kampanyası lansmanı ile bir günde katılan kullanıcılar, ortalamadan daha az çalkalanıyor.
• Ocak ayında katılan kullanıcılar, aboneliklerini genellikle bir ay sonra sona erdirir.

SaaS kohort analizi nedir?

Hizmet Olarak Yazılım (SaaS) şirketleri, kullanıcılara abonelik uygulamaları şeklinde yazılım sağlar. SaaS platformları, kullanıcılara müşteri ilişkileri yönetimi, gider yönetimi, proje yönetimi, insan kaynakları, bilgi güvenliği ve daha pek çok konuda yardımcı olan yazılım hizmetleri sağlayabilir.

SaaS için kohort analizinde, özelliklerinin ve davranışlarının iş sonuçlarını nasıl etkilediğini öğrenmek için son kullanıcıları gruplara veya segmentlere ayırırsınız. SaaS şirketleri, platformlarını kullanan kuruluşlar arasındaki farklılıkları görmek için müşteri hesap grupları üzerinde bir kohort analizi de yapabilir.

Kullanıcıları şu şekilde segmentlere ayırabilirsiniz:

• SaaS platformunuza katıldıkları ay
• Edinme kanalı
• SaaS ürününüzde gösterdikleri davranışlar (bildirimleri etkinleştirmek, paylaşım özelliğini kullanmak, yeni bir proje yönetim panosu oluşturmak vb.)

Tüm müşterilerinize tek bir grup olarak davranırsanız, insanların neden vazgeçtiğine dair eyleme geçirilebilir içgörüler elde etmek zordur. Ancak, örneğin kullanıcıları uygulamanıza katıldıkları zamana göre gruplandırırsanız, müşteri yaşam döngüsü boyunca kalıpları analiz edebilirsiniz.

Kohort analizi, kullanıcıların nasıl davrandığını daha iyi anlamanıza yardımcı olur ve bu da şunları yapmanızı sağlar:

• Kullanıcılar için değer katan ve onları etkileşimde tutan ürün kararları alın.
• Kayıp öncesi kalıpları tespit edin ve müşteriyi elde tutmak için harekete geçin.
• Reklam ve kişiselleştirmeyi geliştirin.
• Ürün kullanımındaki mevsimsel farklılıkları anlayın.

Aboneliğe dayalı şirketler için kohort analizi

Aboneliğe dayalı SaaS şirketleri (Calm gibi), hangi grupların yüksek tutma oranına sahip olduğunu ve en uzun süre abone olarak kaldığını belirlemek için abonelik grubu analizini kullanabilir. Benzer şekilde, kademeli abonelik şirketleri (örneğin, Canva veya HubSpot), hangi grupların daha pahalı planlara yükseltildiğini ve en fazla geliri getirdiğini belirleyebilir.

Aboneliğe dayalı SaaS şirketleri, belirli kohortların neden çalkalandığını anlamak için çeşitli analizler yapabilir. Ardından, elde tutma oranlarını iyileştirmek için çalışabilirler.

davranış analizi

Kullanıcı davranış analizi yapmak için:

• Kullanıcıları SaaS platformunuzda yaptıkları veya yapmadıkları bir eyleme göre gruplandırarak davranış grupları oluşturun. Örneğin, kullanıcıları belirli bir özelliği kullanıp kullanmadıklarına göre segmentlere ayırın.
• Kullanıcıları belirli bir zaman diliminde gerçekleştirdikleri eylemlere göre ayırarak davranış gruplarınızı daha da daraltın. Örneğin, platformunuza abone olduktan sonraki ilk hafta içinde belirli bir özelliği kullanan kullanıcılar.
• Farklı özelliklerin kullanımının akılda tutma ile ilişkili olup olmadığını görmek için farklı davranış gruplarını analiz edin. Örneğin, platformunuzu kullanmaya başladıktan sonraki ilk hafta içinde CRM'nizi Google kişileriyle senkronize eden kullanıcıların, kullanmayanlara göre daha yüksek bir elde tutma oranına sahip olduğunu fark edebilirsiniz.

Churn analizi

Kayıp oranı kohort analizi yapmak için:

• İlk olarak, gruplarınızı tanımlayın (örneğin, kullanıcıların katıldığı gün).
• Ardından, belirli bir günde katılan kaç kullanıcının daha sonraki bir günde geri döndüğüne bakarak kayıp oranını hesaplayın. Örneğin, müşterilerin yüzde kaçının beşinci günde geri döndüğü.
• Ardından, farklı faktörlerin dalgalanmayı etkileyip etkilemediğini anlayın. Örneğin, farklı platformlardaki farklı kullanıcı deneyimlerinin kullanıcı kaybına katkıda bulunup bulunmadığını görmek için kullanıcıları platforma göre gruplandırabilirsiniz.
• Bir hipoteziniz olduğunda, Amplitude Experiment gibi bir araç kullanarak bunu doğrulamaya yardımcı olabilecek A/B test ürünü değişiklikleri.

Bu videoda sektörler ve çeyrekler genelinde kayıp analizi hakkında bilgi edinmeye devam edin:

gelir analizi

Bir gelir kohort analizi yapmak için:

• Kayıp analizi adımlarını izleyerek başlayın ve her kullanıcının katkıda bulunduğu geliri ekleyin.
• Buradan, gelir artışını hesaplayın ve ardından kohortlar arasında gelir artışını karşılaştırın.
• Gelirin arttığı grupları fark edin ve bunun neden olabileceğini keşfedin.
• Ardından hipotezlerinizi test etmek için deneyi kullanın.

SaaS kohort analizi bulguları nasıl uygulanır?

SaaS kohort analizinizi gerçekleştirdikten sonra, topladığınız bilgileri kesintiyi azaltan ürün kararları vermek için kullanın.

Bulgularınızı uygulamak için:

• Yukarıdaki SaaS yöntemleri için kohort analizinden birini kullanarak kısa bir süre sonra çalkalanan "sorun" gruplarını belirleyin.
• Soruna neyin sebep olduğuna dair bir hipotez geliştirin. Örneğin, ilk hafta içinde kişi eşitleme özelliğinizi kullanmayan kişiler, SaaS yazılımınızın tüm değerini deneyimleyemezler ve bu nedenle hızla çalışmaya başlarlar.
• Hipotezinizi kontrol etmek ve problem gruplarını daha iyi anlamak için A/B testi yapın. Bu incelemenin karmaşık olacağını unutmayın, çünkü genellikle kullanıcıları etkileşimde tutan ve elde tutmayı sağlayan şeylerin bir kombinasyonudur.
• A/B test sonuçlarına göre, yazılımınızı sorunlu alanı ele alacak şekilde değiştirin.
• Ek sorunlu alanları belirlemek ve karmaşayı azaltmak için kohort analizi ve hipotez testi sürecini tekrarlayın.

SaaS kohort analizi: CLV'yi artırmanın anahtarı

Müşteri yaşam boyu değeri (CLV), tipik bir müşterinin platformunuzla olan ilişkileri boyunca ne kadar gelir getirdiğini söyler. Örneğin, müşteriler aylık 10$ abonelik ücreti ödüyorsa ve genellikle 12 ay sonra vazgeçerse, CLV'niz 120$ olur. Bu terimin yaşam boyu değer (LTV) olarak kısaltıldığını da göreceksiniz.

Hangi tür kullanıcıların yüksek CLV'ye sahip olduğunu anlarsanız, benzer kullanıcıları çekmek için harekete geçebilirsiniz. Ayrıca başkalarını, yüksek katılım ve elde tutma ile ilişkili olduğunu kanıtladığınız eylemleri gerçekleştirmeye teşvik edebilirsiniz.

SaaS kohort analizi, müşterilerin (son kullanıcılar veya müşteri hesapları) ne zaman vazgeçtiğini görmenizi sağladığından, CLV'yi ölçebileceğiniz ve takip edebileceğiniz anlamına gelir. Kohort analizi ayrıca CLV'yi artırmanıza yardımcı olur. Örneğin, hangi kullanıcı gruplarının en fazla gelir sağladığını görebilir ve ardından bu kullanıcıları hedeflemek veya ürün kararlarınızı onlara daha iyi hizmet verecek şekilde uyarlamak için pazarlama kampanyalarınızı oluşturabilirsiniz.

Abonelik kohort analiziyle, insanların neden çalkalandığına dair göstergeler de alırsınız, böylece bu sorunları çözebilirsiniz. Temel abonelik planınızdaki kullanıcılar için yüksek kayıp oranları olduğunu fark ettiğinizi varsayalım. Bu kullanıcılara daha fazla değer sağlamak ve onları kullanmaktan vazgeçirmek için bu temel fiyatlandırma planına daha fazla ürün özelliği ekleyebilirsiniz.

Ek olarak, davranışsal metriklerin CLV'yi nasıl etkilediğini belirleyerek yazılımınızı optimize edebilirsiniz. Örneğin, anında iletme bildirimlerini etkinleştiren kullanıcıların SaaS platformunuzla etkileşimde kalma eğiliminde olduğunu fark ederseniz, tüm kullanıcıları işe alım sırasında bildirimleri etkinleştirmeye teşvik etmeyi deneyebilirsiniz. Bu ürün değişikliğinin etkileşimi nedensel olarak artırıp artırmadığını görmek için A/B testleri yapmak isteyeceksiniz.

Kohort analizi metriklerini anlama

CLV'nin yanı sıra, SaaS kohort analizi için standart metrikler, müşteriyi elde tutma veya kayıptır - belirli bir zaman diliminde sırasıyla kaç müşterinin geri döndüğü veya ayrıldığı. Belirli bir kohort için kayıp oranı ortalamanın üzerindeyse, dikkatinizi o kohorta odaklamanız gerektiğini bilirsiniz.

Kullanıcı başına ortalama gelir (ARPU) ve müşteri edinme maliyeti (CAC) gibi farklı grupların ne kadar gelir getirdiği hakkında size daha fazla bilgi veren metrikleri de inceleyebilirsiniz.

En iyi 3 kohort analizi türü

SaaS kohort analiziniz için, kullanıcılarınızı hangi tür kohortlara ayıracağınızı seçebilirsiniz. İlk üç grup türü; edinme grupları , davranış grupları ve tahmine dayalı topluluklardır .

Edinme grupları , kullanıcıları aşağıdakilere göre ayırır:

• Daha sonra kaydolduğunda
• Nasıl kaydoldukları (edinme kanalları)

Davranış grupları , kullanıcıları yaptıkları veya yapmadıkları eylemlere ve belirli bir zaman çerçevesinde gerçekleştirdikleri eylemlere göre ayırır. Örneğin:

• Bir CRM platformunda: Geçen hafta X sayıda kişi ekleyen veya bir pazarlama kampanyası başlatan kullanıcılar
• Bir proje yönetimi platformunda: masaüstü bildirimlerini etkinleştiren kullanıcılar

Tahmine dayalı kohortlar , kullanıcıları gelecekte belirli bir eylemi gerçekleştirme olasılıklarına göre ayırır.

Kohort analizi şablonu

Genellikle bir kohort tablosunda SaaS kohort analizi yaparsınız. Masada şunları göreceksiniz:

• Her kullanıcı grubu için bir satır (ör. 6 Temmuz'da katıldı, 15 Temmuz'da katıldı)
• Kohort oluşturulduktan sonraki her gün, hafta veya ay için sütunlar (sıfır gün, kullanıcıların katıldığı gündür)
• Genellikle her gün kayıp oranını veya alıkoyma oranını gösteren hücreler

Yukarıdaki kohort tablosunda, 6 Temmuz'da katılan kullanıcılar için elde tutma oranının beşinci günde yalnızca %6 olduğunu görebilirsiniz. Bu, kullanıcıların %94'ünün çalkalandığı anlamına gelir - sızdıran bir kova. Amplitude'ün self servis demosunu kullanarak bu verileri ücretsiz olarak keşfetmeyi deneyin, ardından bu örnek grup tablosuna gidin.

Bir alıkoyma analizi eğrisi oluşturarak bu kohort tablosunu daha iyi görselleştirebilirsiniz.

Genlik'in Tutma Analizi tablosunu kullanarak, hemen bir sorun görebilirsiniz; ilk günden sonra kullanıcıların yalnızca %10'u kalır. Bu, SaaS ürününüzün karmaşık bir işe alım, eksik harekete geçirici mesaj, teknik sorun veya başka bir şey olduğunu gösterebilir. Hipotezlerinizi deney yoluyla test edebilir, ardından sorunları düzeltebilir ve karmaşayı azaltabilirsiniz.

SaaS ürününüzdeki grupları keşfetmeye ve bugün elde tutmayı iyileştirmeye başlamaya hazır mısınız? Amplitude'ü ücretsiz kullanmaya başlayın veya daha fazla bilgi edinmek için Mastering Retention başucu kitabımıza göz atın.

Referanslar

• Kohort Analizi: Kaybı Azaltın ve Elde Tutmayı İyileştirin. Genlik
• Kohort analizi neden LTV'yi hesaplamak için diğer tüm yaklaşımları geride bırakıyor? ömür boyu
• İzlemeniz gereken 8 SaaS metriği. Web akışı
• Kohort analizine yeni başlayanlar için kılavuz: Kayıp nasıl azaltılır ve daha iyi ürün kararları alınır. Uygulamalar