Det kan vara mycket användbart att jämföra grupper av kunder när du utvärderar ditt företags framsteg. När du analyserar hur olika grupper beter sig under en standardiserad tidsperiod kan du plocka fram mönster och använda den informationen för att bättre identifiera problem, tillgodose kundernas behov och utforma strategier för engagemang.

Handlar kunder som du skaffade förra månaden annorlunda än de som du värvade månaden innan? Uppträder användare som reagerade på en rabatt eller kampanj annorlunda än de som köpte till fullt pris? Kohortanalys svarar på dessa frågor och gör det möjligt för ett företag att identifiera tydliga mönster i olika kundgrupper.

Vad är kohortanalys?

Kohortanalys är en typ av beteendeanalys, som i första hand identifieras genom att bryta upp kunderna i relaterade grupper för att få en bättre förståelse för deras beteenden. Det är ett informativt affärsanalysverktyg som varje företagare bör ha i bakfickan. Nedan följer en genomgång av hur kohortanalys fungerar och varför det är en användbar strategi för att få insikt.

Vad är en kohort?

I kohortanalys är en kohort den grupp av kunder som analyseras. Mer specifikt är en kohort en grupp människor som har något gemensamt under en viss tidsperiod. Parametrarna för denna grupp identifieras i allmänhet baserat på den fråga som du vill att analysen ska besvara och de mätvärden som fastställts vara signifikanta.

En kohort i allmän bemärkelse kan vara något så slumpmässigt som ”personer födda 1978 som är färgblinda”. När det gäller kohortanalys för ditt företag består grupperingarna dock vanligtvis av användare som utfört vissa åtgärder under en vald tidsram, till exempel att ladda ner din app under en viss månad eller att hitta din produkt via sociala medier under en viss vecka.

Den tidsmässiga avgränsningen är nyckeln: Kunder som grupperas efter beteende men utan tidsparameter kallas segment, inte kohorter.

Varför är kohortanalys användbar?

Den här typen av analys är värdefull på grund av den specifika informationen den ger. Den gör det möjligt för företag att hitta svar på riktade frågor genom att endast analysera relevanta uppgifter. Här är några saker som den här processen kan hjälpa dig att göra.

• Vissa hur användarnas beteenden påverkar din verksamhet. Med kohortanalys kan du se hur åtgärder som de som ingår i kohorten har vidtagit eller inte vidtagit kan översättas till förändringar i affärsmått, t.ex. förvärv och bibehållande.
• Förstå kundförluster. Du kan samla dina data för att bedöma dina hypoteser om huruvida en kundåtgärd eller egenskap leder till en annan, t.ex. om registreringar i samband med en viss kampanj uppmuntrar till större avgång.
• Beräkna kundernas livstidsvärde. Genom att analysera kohorter baserat på tidsperiod för förvärv, t.ex. genom att gruppera kunderna efter den månad de registrerade sig, kan du se hur mycket kunderna är värda för företaget över tid. Du kan sedan ytterligare gruppera dessa kohorter efter tid, segment och storlek för att bedöma vilka förvärvskanaler som leder till det bästa kundlivsvärdet (CLV).
• Optimera din konverteringstratt. Genom att jämföra kunder som engagerat sig på olika sätt vid givna tidpunkter i din försäljningsprocess kan du se hur användarupplevelsen genom hela den digitala marknadsföringstratten översätts till värde hos dina kunder.
• Skapa ett effektivare kundengagemang. När du ser mönster i hur olika kohorter engagerar sig i ditt företag, din SaaS-webbplats och din produkt kan du vidta åtgärder som uppmuntrar alla kunder att vidta olika åtgärder på ett effektivare sätt.

Hur man gör kohortanalys

Hur du går tillväga för att utföra kohortanalys beror på vilken fråga du försöker besvara. Du måste välja följande information från den datahanteringslösning du använder:

1. Karakteristika för din kohort (vad som definierar gruppen)
2. En inkluderingsmätning (den åtgärd som ledde till att de inkluderades i gruppen)
3. En avkastningsmätning (det du vill veta om dem)

SaaS kohortanalys – exempel 1

För ett exempel på en SaaS kohortanalys, låt oss säga att du är en utvecklare av mobilspel och att du vill avgöra om användare på iOS-enheter har varit mer eller mindre lönsamma än användare på Android-enheter under det senaste kvartalet. Eftersom lika stora resurser har använts för att marknadsföra appen på båda plattformarna fram till nu, bestämmer du dig för att mäta hur värdefulla användarna är på varje plattform genom att jämföra den genomsnittliga intäkten per användare (ARPU) mellan användare på iOS-enheter och Android-enheter.

I det här fallet definieras kohorternas egenskaper av vilket mobiloperativsystem varje användare har (iOS eller Android). Inkluderingsmåttet för båda skulle vara att vara en aktiv användare under det senaste kvartalet. Och avkastningsmåttet för båda skulle vara ARPU.

Vad sägs om att inkluderingsmåttet säger att iOS-kohorten har 400 000 användare och att Android-kohorten har 500 000 användare. Inkluderingsmåttet visar att iOS-kohorten har 200 000 aktiva användare under det senaste kvartalet medan Android-kohorten har 250 000 aktiva användare. Avkastningsmåttet visar att iOS-kohorten har en ARPU på 3 dollar medan Android-kohorten har en ARPU på 2 dollar.

Utifrån denna analys kan du dra slutsatsen att iOS-användare är mindre benägna att ladda ner spelet, men att de är något mer lönsamma per användare än Android-användare, och att du därför kan välja att använda en större del av företagets marknadsföringsbudget till att marknadsföra iOS-versionen av appen under det kommande kvartalet.

SaaS kohortanalys – exempel 2

Så, till exempel, du har en molnbaserad tidsuppföljningsapp. Låt oss säga att det är december och att du vill jämföra bibehållningsgraden för de kunder som du får från två olika marknadsföringskampanjer: de som registrerat sig från en Mailchimp-kampanj i april och de som registrerat sig från en Google Adwords-kampanj i maj.

Karaktäristiken hos dina kohorter definieras av den marknadsföringskampanj som tillskrivs den nya kunden (e-post eller Adwords). Inkluderingsmåttet för båda skulle vara att man gör åtgärden att registrera sig. Och returmåttet för båda skulle vara kundstatus (nuvarande eller avbruten) i december.

Säg att inkluderingsmåttet talar om för dig att e-postkohorten har 200 kunder medan Adwords-kohorten har 300 kunder. Returmätningen visar att e-postkohorten har 100 kvarvarande aktuella kunder i december, medan Adwords-kohorten har 250 kunder. Behållningsgraden är 50 % för dem som registrerat sig från e-postkampanjen och 83 % för dem som registrerat sig från Adwords-kampanjen.

Från denna analys kan du dra slutsatsen att behållningsgraden för de kunder som registrerat sig från Adwords-kampanjen är betydligt högre än för dem som registrerat sig från e-postmarknadsföring. Därför kan du välja att fokusera framtida marknadsföringskampanjer på Adwords eller till och med testa någon annan kombination av strategier för sökmotormarknadsföring (SEM) och displaymarknadsföring för framtida analyser.

Dyk djupare ner i analysen av kundkohorter

Med den här informationen kan du nu korsreferera den här analysen med andra data för att försöka ta reda på varför skillnaden mellan grupperna är så stor. Du kanske vill köra samma analys på kohorter av anmälda i februari, mars och juni, till exempel, eller titta på hur kunderna i dessa kohorter omvandlades till kunder.

Insikter för framtida tillväxt

Kohortanalyser kan ge alla möjliga användbara insikter om vad som fungerar bäst för att engagera, omvandla och behålla kunder. Det är något som kunniga företagare bör återkomma till, ofta, när du försöker besvara både grundläggande och komplexa frågor om ditt företags framsteg och tillväxt.

Fortsatt läsning:

• Användning av kohortanalys för att göra dina SaaS-mätetal användbara
• Vad är konsumentforskning och varför är det viktigt för nystartade företag?
• Hur man fastställer produkt-marknadsanpassning: SaaS Growth Metrics to Focus On

Vill du ha fler SaaS-mätningar och användbara insikter? Prenumerera på vårt kostnadsfria nyhetsbrev för att få en ny dos av våra senaste berättelser levererade till din inkorg (högst två gånger i månaden).