Analiza pe cohorte: cum citești retenția utilizatorilor

O cohortă este un grup de utilizatori care au început să folosească produsul în aceeași perioadă, de pildă toți cei înscriși în aceeași săptămână. Analiza pe cohorte urmărește fiecare grup separat în timp, ca să vezi cât de mulți mai sunt activi după o zi, o săptămână sau o lună. Compară oameni la aceeași vârstă în produs, nu amestecă începători cu veterani.

Metoda răspunde la întrebări pe care o medie generală nu le poate lămuri: produsul s-a îmbunătățit față de acum trei luni? Clienții aduși dintr-un canal rămân mai mult decât cei din altul? Unde se rupe parcursul? Imaginea de ansamblu a indicatorilor este în Metricile unui startup: ghid complet pentru fondatori.

De ce media generală înșală

Retenția calculată pe întreaga bază amestecă utilizatori foarte diferiți și poate arăta bine chiar când produsul se degradează. Dacă ai multă vreme clienți vechi și loiali, ei susțin media, în timp ce cei noi pleacă tot mai repede, iar tu nu observi nimic.

Efectul de amestec

Imaginează-ți o aplicație cu 1.000 de utilizatori mai vechi, dintre care 600 sunt activi, și 200 de utilizatori noi, dintre care 40 sunt activi. Media pare solidă, 64%, deși cei noi se păstrează doar în proporție de 20%. Analiza pe cohorte scoate asta la lumină, pentru că tratează cele două grupuri separat. Cifrele sunt ipotetice, doar pentru ilustrare.

Ce întrebări lămurește

1. Se îmbunătățește retenția pentru utilizatorii noi, după schimbările făcute în produs?
2. După câte zile apar cele mai mari pierderi?
3. Care canale de achiziție aduc utilizatori care rămân?
4. Cum se comportă utilizatorii din planuri sau segmente diferite?
5. Există sezonalitate, adică perioade în care se înscriu oameni care rămân mai puțin?

Cum construiești un tabel de cohorte

Un tabel de cohorte are pe rânduri grupurile (săptămâna sau luna de start) și pe coloane intervalele de timp trecute de la start. Fiecare celulă arată ce procent din grup mai este activ.

Pașii

1. Alege tipul de cohortă: după data înscrierii, a primei utilizări sau a primei plăți. Cel mai frecvent se folosește data primei activări.
2. Definește „activ”: un eveniment concret, care reprezintă valoare, nu simpla deschidere a aplicației. Vezi legătura cu indicatorul principal în North Star Metric: cum alegi indicatorul principal.
3. Alege intervalul: zilnic pentru produse folosite zilnic, săptămânal sau lunar pentru restul.
4. Numără pentru fiecare cohortă câți utilizatori au fost activi în intervalul 0, 1, 2, 3 etc.
5. Calculează procentul față de dimensiunea inițială a cohortei.
6. Colorează celulele de la roșu (puțini) la verde (mulți), ca să vezi tiparele dintr-o privire.

Exemplu cu valori ipotetice

Valorile sunt inventate. Fiecare cifră e procentul din cohortă activ în săptămâna respectivă.

Citind pe orizontală, vezi cum se subțiază fiecare grup. Citind pe verticală, compari grupurile la aceeași vârstă: în exemplu, retenția la o săptămână crește de la 40% la 55%, semn că ceva din produs sau din publicul adus s-a îmbunătățit.

Sfat: Începe cu cohorte săptămânale doar dacă ai suficienți utilizatori noi. Cu câteva zeci pe săptămână, procentele sar mult de la un grup la altul; atunci folosește cohorte lunare.

Cum citești curba de retenție

Curba de retenție pune pe axa orizontală timpul de la start, iar pe cea verticală procentul de utilizatori activi. Forma ei este mai importantă decât orice cifră izolată.

Trei forme tipice

• Curba care coboară spre zero: utilizatorii dispar treptat și nu mai rămâne nimeni. Produsul nu și-a găsit publicul sau valoarea nu se repetă.
• Curba care se aplatizează: după o scădere inițială, un procent rămâne constant. Este semnul că un nucleu de utilizatori a găsit valoare permanentă.
• Curba care urcă la final (uneori numită „zâmbet”): utilizatorii se întorc sau își extind folosirea. Apare când produsul devine mai util în timp.

Aplatizarea este una dintre cele mai bune dovezi ale potrivirii cu piața, discutată în Product-market fit: ce este și cum îl recunoști. Nu există un procent universal la care curba „trebuie” să se oprească: depinde de tipul de produs, de frecvența firească de utilizare și de publicul vizat.

Unde apar pierderile mari

De obicei scăderea cea mai abruptă este în primele zile. Dacă pierzi mulți utilizatori între ziua 0 și ziua 1, problema ține de activare: oamenii nu înțeleg produsul sau nu ajung la prima valoare. Dacă pierderea vine mai târziu, după câteva săptămâni, problema este de obicei lipsa unui motiv de a reveni.

Tipuri de cohorte și segmentări utile

Cohorta după dată este doar începutul. Aceleași date pot fi tăiate în feluri care răspund la alte întrebări.

Cohorte după comportament

Grupezi utilizatorii după ce au făcut în prima săptămână: cine a invitat un coleg, cine a terminat configurarea, cine a folosit o anumită funcție. Dacă cei care au făcut un anumit lucru rămân semnificativ mai mult, ai găsit un moment de activare pe care merită să îl împingi spre toți. Atenție la corelație: faptul că două lucruri apar împreună nu dovedește că unul îl provoacă pe celălalt. Verifici prin experimente (vezi Experimentele de creștere: cum le planifici și le măsori).

Cohorte după canalul de achiziție

Compari retenția utilizatorilor veniți din căutare, recomandări, reclame sau parteneriate. Un canal care aduce mulți utilizatori, dar cu retenție slabă, poate părea ieftin pe hârtie și scump în realitate. Legătura cu costul de achiziție este tratată în Unit economics: raportul LTV/CAC într-un startup.

Cohorte de venituri

În loc de procent de utilizatori activi, urmărești banii: câți bani generează fiecare cohortă lună de lună. Aici apar clar efectele extinderii și ale pierderii, descrise în Churn și net revenue retention în modelele pe abonament.

Limite și capcane ale analizei

Cohortele sunt un instrument bun, dar nu un oracol, mai ales la început.

• Grupuri prea mici: cu 20 de utilizatori, un om în plus schimbă procentul cu cinci puncte.
• Definiție slabă a „activ”: dacă numeri orice deschidere, retenția pare mare, dar nu înseamnă valoare.
• Compararea unor cohorte la vârste diferite: ultima cohortă nu are încă săptămâna 8, deci celulele goale nu sunt zerouri.
• Schimbări simultane: dacă ai modificat produsul, prețul și canalul în aceeași lună, nu știi ce a cauzat diferența.
• Sezonalitatea: lunile de vacanță sau campaniile mari pot distorsiona o cohortă.
• Ignorarea calitativului: cifrele nu spun de ce pleacă oamenii; completează-le cu interviuri, ca în Interviurile cu clienții potențiali: cum afli problema reală.
• Decizii luate prea devreme: aplatizarea apare adesea după multe săptămâni.

Un exemplu de analiză, de la tabel la decizie

Să luăm cazul ipotetic al unei aplicații de planificare a sarcinilor. Tabelul arată că jumătate dintre utilizatorii noi dispar în prima zi, iar cei rămași se păstrează destul de bine. Ideea de lucru nu este „produsul e prost”, ci „prima zi nu duce suficient de repede la valoare”. Echipa vorbește cu zece utilizatori care au plecat și află că mulți nu au înțeles cum se creează prima listă de sarcini.

Ipoteza: dacă ghidăm utilizatorul să-și creeze prima listă în primele două minute, retenția din ziua 1 va crește. Schimbarea: un ecran de start cu un pas clar, adăugat doar pentru cohortele din următoarele două săptămâni. Rezultatul se compară cu cohortele anterioare, la aceeași vârstă. Dacă diferența este vizibilă și se menține în săptămânile următoare, schimbarea rămâne. Dacă nu, ipoteza se revizuiește. Observă că nu s-a schimbat nimic altceva în același timp, tocmai ca să poți atribui efectul.

Cum folosești analiza în deciziile de produs

Rezultatele devin utile doar dacă se transformă în acțiuni. După fiecare citire a tabelului, notează o ipoteză și o acțiune.

1. Identifică momentul cu cea mai mare pierdere.
2. Formulează o ipoteză despre motiv, bazată pe date și pe discuții cu utilizatori.
3. Alege o schimbare mică, ca un pas de onboarding sau un mesaj la ziua 2.
4. Aplică-o doar cohortelor noi și compară-le cu cele anterioare.
5. Decide dacă păstrezi, ajustezi sau renunți.

Metoda se potrivește cu testarea cu primii utilizatori, descrisă în Testarea beta: cum aduni feedback de la primii utilizatori, unde aduni deopotrivă cifre și reacții. Pentru analiză nu ai nevoie de instrumente scumpe: la început, o foaie de calcul cu export din evidența utilizatorilor este suficientă. Dacă raportezi cifrele către investitori, formatul cu cohorte este deseori cerut; vezi Raportarea către investitori: ce include un update lunar. Informațiile sunt generale și educative; pentru colectarea datelor personale ale utilizatorilor respectă legislația în vigoare privind protecția datelor, iar pentru cazul tău consultă un specialist.

Ce merită reținut despre cohorte

Analiza pe cohorte compară grupuri de utilizatori la aceeași vârstă și arată dacă produsul se îmbunătățește, unde se pierd oamenii și ce canale aduc utilizatori care rămân. Definește clar „activ”, folosește grupuri suficient de mari și caută curba care se aplatizează.

Pe scurt:

• cohortă = grup de utilizatori cu același început;
• tabelul compară grupurile orizontal și vertical;
• aplatizarea curbei este semn bun;
• segmentează după dată, comportament, canal și plan;
• transformă fiecare citire într-o ipoteză și o acțiune.