Panduan Saku Menggunakan Cohort Analysis untuk Retensi Pelanggan

Perkenalan

Pemasar seluler tahu bahwa strategi pemasaran atau pertumbuhan yang langgeng tidak berakhir dengan memperoleh pelanggan baru, tetapi memastikan pelanggan yang sudah ada tetap bertahan..

Tersesat dalam metrik kesombongan seperti unduhan aplikasi atau pengguna aktif harian yang tidak menjamin daya tarik apa pun adalah resep bencana. Bagi pemasar mana pun, tidak ada yang lebih mengkhawatirkan daripada kehilangan sebagian besar atau sebagian pelanggan berharga mereka dalam beberapa minggu atau hari setelah akuisisi.

Tahukah Anda bahwa hanya ada 5-20% peluang untuk menjual ke pelanggan baru dibandingkan dengan 60-70% kekalahan untuk pelanggan tetap?

Untuk mencegah pelanggan meninggalkan aplikasi Anda, sangat penting untuk memprioritaskan retensi pelanggan. Mempertahankan pelanggan yang sudah ada 5x lebih murah daripada mendapatkan yang baru dan sebagian besar bisnis dengan loyalitas pelanggan yang rendah dapat berubah menjadi keuntungan negatif.

Namun sebelum kami dapat menghentikan pelanggan agar tidak pergi, data menghalangi - bukan sembarang data, tetapi angka pasti yang memberi tahu Anda tentang perilaku dan karakteristik basis pelanggan Anda. Dalam kasus seperti itu, Kohort menjadi teknik yang menonjol.

Saat ini, pemasar berada dalam kondisi yang jauh lebih baik daripada sebelumnya saat menggunakan data untuk memahami dan membedah perilaku, kebiasaan, dan sifat pengguna, di mana sebagian besar tim beralih ke Analisis Kelompok.

Apa itu Analisis Kelompok?

Analisis Kelompok membantu Anda membaca data, kategori, dan pola serta memberdayakan tim dalam mengekstrapolasi keputusan pemasaran. Sederhananya, ini adalah lensa pemasar untuk mengidentifikasi peluang dan melibatkan pelanggan untuk mendapatkan pengaruh maksimal dengan mempelajari perilaku selama periode waktu tertentu.

Kelompok adalah sekumpulan pengguna dengan karakteristik yang lebih kuat dan berbagi pengalaman selama periode tertentu. Mereka bercabang berdasarkan tindakan mereka. Ini dapat mencakup pengguna baru dan yang sudah ada serta perilaku mereka, seperti pembelian berulang atau ketidakaktifan.

Proses ini memudahkan untuk memahami keterlibatan pengguna dari waktu ke waktu dan mengidentifikasi pola atau area gesekan, meningkatkan keterlibatan pengguna, dan mempertahankan pelanggan.

Bagaimana Kelompok Berbeda dari Segmen

Jika Anda baru memulai, mudah bingung antara analisis kelompok dan analisis segmen – kedua metode ini tidak dapat dipertukarkan; sebenarnya, mereka saling melengkapi. Yang pertama adalah proses analitik yang dibatasi oleh waktu dan perilaku pengguna yang identik di mana data audiens serupa dipelajari selama periode tertentu untuk mengukur pola keterlibatan mereka, sedangkan yang kedua adalah tentang membagi sekumpulan besar data menjadi kelompok-kelompok kecil berdasarkan minat yang sama, demografis. lokasi, perilaku, dll.

Misalnya, pelanggan yang mengunduh aplikasi dan melakukan pembelian pertama mereka dalam 30 hari dapat disebut sebagai Kelompok. Namun, semua pelanggan yang mengunduh aplikasi menjadi segmen Anda.

Ini adalah bagian dari segmen di mana periode waktu merupakan faktor penting. Menganalisis pelanggan berdasarkan analitik perilaku, tindakan mereka, dan mengelompokkan mereka dalam kumpulan kecil daripada memperlakukan seluruh kumpulan sebagai satu data besar selama periode waktu tertentu disebut Analisis Kelompok.

Tim pemasaran dapat menggunakan Analisis Kelompok untuk melacak perilaku dan tindakan pelanggan serta mendapatkan wawasan yang lebih baik tentang kebutuhan unik pengguna selama periode waktu tertentu. Analisis Kelompok memberdayakan tim untuk menyesuaikan kampanye dan membangun strategi yang mendorong retensi pelanggan.

Kasus Penggunaan Utama untuk Menggunakan Analisis Kelompok

Bayangkan Anda ingin menjual paket berlangganan kepada pengguna Anda – sekarang, apakah Anda akan menyemprot dan berdoa atau memilih segelintir pengguna setia yang suka menggunakan produk Anda dan memiliki rasio konsumsi terbuka aplikasi yang tinggi? Terakhir, bukan? Kami juga menduga demikian.

Tim pemasaran dapat menggunakan Analisis Kelompok untuk memahami berbagai tantangan atau peluang kecil dari pemasaran produk hingga akuisisi.

1. Retensi pelanggan: Identifikasi pelanggan yang telah memasuki grup loyalitas Anda atau mereka yang sedang hibernasi. Analisis kelompok dapat membantu Anda melacak pengguna yang menjanjikan untuk peristiwa tertentu (mis., pengguna yang telah menambahkan item ke keranjang tetapi tidak membeli dalam 45 hari terakhir) atau pengguna yang berkurang dari siklus hidup nilai (mis., pengguna dengan nilai pesanan rata-rata menurun sejak sebulan) – Analisis Kelompok dapat membantu mengidentifikasi pola.
2. Performa produk: Dengan melacak kelompok pengguna yang mulai menggunakan produk atau fitur dapat membantu Anda menganalisis pola penggunaan mereka dan mengidentifikasi area yang perlu ditingkatkan untuk meningkatkan performa produk.
3. Kampanye pemasaran: Dengan melacak kelompok pengguna yang terpapar kampanye pemasaran tertentu, Anda dapat menganalisis perilaku mereka dan menentukan dampak kampanye terhadap perolehan dan retensi pengguna.
4. Pengujian A/B: Dengan membandingkan kelompok pengguna yang terpapar ke berbagai versi produk atau fitur, Anda dapat menganalisis perilaku mereka dan menentukan versi mana yang berperforma lebih baik.
5. Keterlibatan pengguna: Analisisnya dapat membantu mengidentifikasi tren dalam keterlibatan pengguna dari waktu ke waktu.
   Misalnya, Anda dapat membuat kelompok orang yang telah mendaftar dari saluran tertentu, lalu menganalisis keterlibatan mereka setelah sebulan atau seperempat. Ini akan memberi Anda wawasan tentang saluran akuisisi mana yang memberi Anda pemirsa yang menarik.

Jenis Analisis Kelompok

Secara umum, ini dapat dibagi menjadi dua kategori besar, kelompok perilaku dan akuisisi; namun, pemasar dapat menganalisis data sedalam yang mereka butuhkan. Berikut adalah beberapa jenis Analisis Kelompok yang dapat Anda coba dan uji.

1. Analisis Kelompok Berbasis Waktu: Analisis ini menyentuh basis pengguna saat mereka pertama kali menggunakan aplikasi atau layanan dan melacak perilaku mereka dari waktu ke waktu. Membangun kelompok berbasis waktu dapat membantu Anda mempelajari tingkat keterlibatan pengguna selama periode waktu tertentu dan membantu mengidentifikasi pola untuk membuat keputusan produk yang tepat.
2. Analisis Kelompok Akuisisi: Analisis akuisisi berfokus pada kumpulan pengguna berdasarkan saluran tempat mereka diperoleh – berbayar, organik, sosial, atau afiliasi. Pemasar kemudian memisahkan pengguna berdasarkan titik akses mereka untuk memantau perilaku mereka. Hal ini membantu tim pemasaran memahami keefektifan saluran dan keterikatan pengguna dari satu sumber ke sumber lainnya dan memungkinkan tim menggandakan investasi pemasaran mereka.
3. Analisis Kelompok Perilaku: Analisis ini berfokus pada pengelompokan pengguna berdasarkan perilaku atau tindakan mereka. Pemasar sangat mengandalkan data ini untuk membantu mengidentifikasi segmen pengguna dengan kebutuhan dan preferensi yang berbeda dan menyesuaikan produk atau layanan mereka untuk memenuhi kebutuhan tersebut dengan lebih baik.
4. Analisis Kelompok Segmen: Analisis segmen dapat membantu mereka mempelajari dasar kebiasaan pembelian pengguna – pembelian produk tertentu, demografi, pembelian fitur, atau mendaftar ke layanan berbayar tertentu. Ini dapat membantu pemasar merancang layanan atau produk yang dibuat khusus untuk segmen tertentu dengan memisahkan pengguna berdasarkan kedalaman dan luasnya investasi mereka.
5. Analisis Kelompok Berbasis Peristiwa: Seperti namanya, pengelompokan – pengguna berdasarkan tindakan atau peristiwa apa pun yang dilakukan oleh mereka memungkinkan visibilitas tim dalam memvalidasi hipotesis.

Dengan menganalisis bagaimana berbagai kelompok atau kohort menggunakan produk mereka, perusahaan dapat mendeteksi kekurangan dalam taktik pemasaran mereka dan menentukan cara komunikasi yang paling efektif dengan segmen pelanggan yang berbeda.

Selain itu, perusahaan dapat memanfaatkan data yang disesuaikan ini untuk menyusun insentif yang mendorong pelanggan untuk terus menggunakan produk mereka, terutama ketika mereka menunjukkan indikasi penghentian pembelian.

Cara Membaca, & Memahami Tabel Kelompok

Tabel kelompok memetakan siklus hidup pengguna dari hari 0 hingga hari N (0 dan N adalah jendela waktu Anda).

Pada tabel di bawah ini, kami melihat tingkat interaksi sekelompok pengguna dalam 7 hari pertama. Sebagai pemasar, Anda dapat memperoleh data ini dari tim pelanggan dan mengimpornya ke Excel atau menggunakan alat seperti WebEngage, yang diperbarui secara otomatis dalam waktu nyata.

Selama meneliti tabel di WebEngage, Anda dapat mengikuti baris atau kolom dengan warna biru paling gelap. Tabel di atas menampilkan acara awal dan acara kembali. Peristiwa awal menandakan pengguna yang mengunduh aplikasi pada hari ke-0, dan peristiwa kembali mewakili pengguna yang kembali atau berhenti.

Tabel tersebut membuktikan bahwa 34,9% pengguna di tingkat keseluruhan melakukan peristiwa pengembalian pada hari yang sama saat penginstalan, diikuti oleh 7% pengguna yang tersisa pada hari pertama, dan seterusnya.

Bagan di atas membuatnya sangat mudah untuk disimpulkan saat pengguna meninggalkan aplikasi.

Hipotesis 1: Ada tantangan dengan aplikasi pada 10 Maret
Hipotesis 2: Motivasi pengguna terpukul yang mengakibatkan interaksi yang buruk

Kesimpulan dari tabel di atas adalah retensi D0 yang harus diselesaikan, diikuti oleh D1. Setelah mengidentifikasi area masalah, Anda dapat menelusuri lebih lanjut demografi, saluran akuisisi, OS, perangkat, dan detail lainnya tentang pengguna untuk memahami apa yang menyebabkan churn.

Metrik untuk Mengukur Tabel Kelompok Anda

Tabel kelompok adalah lengan pemasar untuk mendapatkan wawasan tentang produk dan jiwa pengguna terhadapnya.

Misalnya, Anda dapat memanfaatkan tabel kelompok untuk memetakan pola perilaku pengguna dan mendekode ketidakcukupan dalam aplikasi Anda, yang memungkinkan Anda memberikan pengalaman aplikasi yang lebih baik, membangun kepercayaan pelanggan, dan meningkatkan retensi.

Analisis ini membantu mendekode kesehatan, fitur, dan kelengketan aplikasi secara holistik. Meskipun kasus penggunaan yang paling umum dalam membuat kelompok adalah untuk memecahkan retensi pengguna di seluruh kategori, fitur, atau di tingkat aplikasi, ada beberapa metrik yang juga dapat membantu mempelajari aspek lain dari perilaku pengguna.

1. Tingkat retensi: Retensi berada di inti kinerja aplikasi dan melacak persentase pengguna yang bertahan, tetap terlibat, atau melakukan acara apa pun di aplikasi. Untuk menghitung retensi, bagi total pengguna aktif Anda dengan jumlah pengguna di awal.


Jadi bayangkan jika Anda memiliki 100 pelanggan pada awal Januari, dan Anda memperoleh 20 pelanggan baru, dan total 10 pelanggan keluar dari sistem. Anda sekarang memiliki 110 pelanggan, jadi tingkat retensi Anda adalah:

(110-20)/100 = 90%

2. Tingkat churn: Saat retensi melacak pengguna yang bertahan di aplikasi, churn melacak pengguna yang telah pergi.
   

   Misalnya, jika sebuah perusahaan SaaS memiliki 1000 pelanggan yang membayar pada awal bulan, dan 100 dari mereka membatalkan layanan berlangganan mereka, tingkat churn perusahaan akan menjadi 10%.

3. Pendapatan rata-rata per pengguna (ARPU): Beberapa aplikasi juga menggunakan tabel kelompok untuk menganalisis ARPU selama rentang waktu tertentu. Untuk menghitungnya, bagi total pendapatan yang dihasilkan dengan jumlah pengguna dalam kelompok tersebut.



4. Nilai Umur Pelanggan (CLTV): CLTV dapat membantu Anda memahami seberapa besar nilai pelanggan akan mendapatkan bisnis selama periode waktu tertentu, dan kelompok dapat membantu Anda mengukurnya.

   Cara termudah untuk menghitung CLTV adalah Nilai umur pelanggan = nilai pelanggan x umur rata-rata pelanggan. Di sini, nilai pelanggan adalah jumlah rata-rata dan frekuensi pelanggan membeli dari Anda. Umur pelanggan adalah total jumlah tahun mereka tetap aktif dengan produk Anda dibagi dengan jumlah total pelanggan.

   

   

   Anda dapat melakukannya dengan mengalikan pendapatan rata-rata per pengguna dengan estimasi waktu pengguna menjadi pelanggan.

5. Tingkat konversi: Ini melacak persentase pengguna yang melakukan tindakan yang diinginkan, seperti membeli atau mendaftar untuk berlangganan. Bagilah jumlah pengguna yang melakukan tindakan yang diinginkan dengan jumlah total pengguna dalam kelompok.
6. Ukuran kelompok: Ukuran kelompok berarti jumlah pengguna yang memiliki karakteristik umum yang sama selama periode tertentu dalam grup, segmen, atau kelompok tersebut. Misalnya, jika aplikasi OTT memiliki 100 pendaftar baru di bulan Januari dan sekitar 140 pendaftar di bulan Februari, ukuran kelompok pelanggan baru masing-masing akan menjadi 100 dan 140, untuk bulan-bulan tersebut.

Metrik di atas hanyalah puncak gunung es di lautan luas manajemen retensi untuk pelanggan Anda. Pemasar dan pemilik produk dapat menjelajahi dan membedah setiap tabel, kohort, pola, dan hipotesis pada tingkat terperinci untuk menggali wawasan pelanggan lebih dalam.

Meskipun metrik ini tetap umum di seluruh industri, semuanya mengarahkan kami untuk menghitung tingkat retensi pelanggan setiap hari, mingguan, bulanan, atau kerangka waktu spesifik lainnya yang sesuai untuk bisnis Anda.

Katakanlah sebuah perusahaan e-niaga di India memiliki 15.000 pelanggan pada awal musim hujan. Selama musim, mereka kehilangan 1.500 pelanggan dan mendapatkan 2.000 pelanggan baru.

Tingkat retensi pelanggan untuk musim hujan akan dihitung sebagai berikut:

Tingkat Retensi Pelanggan = ((Total Pelanggan di Akhir Musim Hujan – Pelanggan Baru) / Total Pelanggan di Awal Musim Hujan) x 100

Jadi, dalam hal ini, tingkat retensi pelanggan untuk musim hujan adalah: ((15.500 – 2.000) / 15.000) x 100 = 86,67%

Jadi, jika ada orang di perusahaan yang ingin mempelajari retensi selama musim hujan (khusus untuk rentang waktu), itu adalah 86,67%, yang masih merupakan tempat yang bagus untuk dikunjungi. Sebagian besar bisnis di India terkena dampak selama musim hujan karena logistik terpukul, namun perusahaan ini dapat melewatinya.

Tingkat retensi pelanggan (CRR) adalah persentase pelanggan yang dipertahankan selama periode waktu tertentu. Untuk menghitung tingkat retensi, Anda memerlukan tiga metrik

• Pelanggan pada awal periode tertentu
• Pelanggan pada akhir periode yang diberikan
• Pelanggan baru diperoleh selama periode itu.

Rumusnya kemudian berjalan sebagai berikut



Misalnya, jika Anda memiliki 1.000 pelanggan di awal periode, dan hampir 100 pelanggan baru bergabung dengan Anda, dan 500 pelanggan bertahan di akhir periode yang sama, perhitungannya akan terlihat seperti ini:

CRR = ((500-100)/1000)*100

CRR = 40%

Berarti Anda mempertahankan 40% pelanggan Anda dari periode tersebut. Sekarang beberapa industri memiliki retensi lebih tinggi dari yang lain hanya karena sifat layanan atau sikap nomaden penonton.

Angka 40% lebih mengarah ke ujung spektrum yang mengkhawatirkan, tetapi apa pun yang melebihi 70% dianggap sebagai CRR yang baik.


Menganalisis Metrik Kelompok

Strategi pemasaran hanya sebaik eksperimen dan hipotesisnya – mengidentifikasi buah yang menggantung rendah, mengetuk dua kali pada area masalah, memprediksi masalah, dan mengekstrapolasi data untuk menghindari potensi tantangan; pekerjaan adalah urusan yang tidak pernah berakhir dalam hal data perilaku pengguna Anda.

Bagian integral dari penghubung antara pemasar dan jumlah mereka adalah kohort – kumpulan wawasan potensial dari sekelompok pengguna yang dapat membuat atau menghancurkan kampanye Anda. Menganalisis kelompok memerlukan beberapa langkah & saluran. Mari jelajahi bagaimana Anda bisa memulai hari ini.

• Mengidentifikasi tren: Memiliki keahlian untuk mengidentifikasi tren dapat membantu tim membangun siklus penuh eksperimen yang menghasilkan nilai untuk bisnis berulang kali. Mengidentifikasi tren sejak awal memberi Anda kelonggaran untuk merencanakan strategi Anda ke arah yang benar.
  Saat Dropbox menyadari bahwa pengguna mereka berkolaborasi di platform, seperti berbagi gambar atau acara lainnya, mereka meningkatkan pertumbuhan dengan mengundang pengguna baru. Dropbox segera memberi insentif kepada semua penggunanya untuk itu, membuka pertumbuhan pendapatan yang sangat besar bagi mereka.
• Membandingkan grup kohor: Penghasil wawasan hebat lainnya adalah perbandingan grup kohor yang berbeda di seluruh elemen yang berubah – kumpulan pengguna yang sama di waktu yang berbeda, pengguna yang berbeda mengadopsi fitur yang sama, & banyak iterasi semacam itu. Perbandingan memungkinkan tim untuk melihat perilaku pengguna dan menganalisis bagaimana pengguna bertindak berbeda satu sama lain.
  Ini memungkinkan tim untuk mereplikasi strategi kemenangan di semua produk atau layanan apa pun.
• Menafsirkan data: Tingkat churn yang tinggi mungkin bagus untuk aplikasi gratis dengan akses terbuka, tetapi dapat memicu kekhawatiran untuk layanan berbasis langganan. Dengan demikian, menafsirkan data harus dalam konteks penuh dengan sifat bisnis. Dengan memahami konteks seputar data Anda seperti
  Misalnya: jika Anda berbicara tentang pengguna, lalu apakah mereka unik atau baru diperoleh, atau hanya pengguna biasa aplikasi, Anda dapat membuat keputusan yang lebih tepat tentang strategi untuk meningkatkan kinerja bisnis Anda.

Analisis Kelompok menggunakan WebEngage

Menjalankan Analisis Kelompok di WebEngage sangatlah mudah dan sangat mudah. Dalam waktu kurang dari 5 klik, tim produk dan pemasar dapat membuka kumpulan data yang dapat ditindaklanjuti tentang perilaku pengguna mereka.

Untuk memulai, klik ikon tarik-turun di sisi kiri dasbor WebEngage Anda dan ketuk kelompok. Setelah Anda mencapai bagian ini, gunakan filter di bagian atas untuk memperkenalkan parameter yang akan membantu Anda memahami audiens Anda.

Dari tindakan sekecil penginstalan aplikasi hingga aplikasi terbuka hingga sesuatu yang penting seperti pembelian langganan atau aktivitas yang dilakukan, platform ini memungkinkan Anda untuk memantau setiap detail yang sangat kecil pada tingkat yang sangat terperinci.

Setelah selesai, Anda dapat beralih ke tabel kelompok yang diisi di bawah ini; itu akan terlihat seperti ini. Di sisi kiri, Anda melihat hari, periode awal berada di atas dan periode terbaru atau akhir di bagian bawah.

Bagaimana Anda ingin membaca tabel ini adalah satu kolom pada satu waktu daripada berpindah dari baris ke baris.



Pada tabel di atas, seperti yang Anda lihat, warna biru yang lebih gelap menyoroti aktivitas pengguna. Semakin gelap warna birunya, semakin kuat atau lebih tinggi persentasenya. Misalnya, jika Anda melihat data dari tanggal 6 November, Anda akan melihat bahwa ini adalah hari termiskin sepanjang hari. Meskipun pengguna melakukan tindakan tersebut pada hari ke-0, persentase pengguna yang kembali untuk acara pengembalian masih rendah.

Kampanye untuk Dijalankan Setelah Mengidentifikasi Kelompok Anda

Jadi sekarang Anda memiliki pemahaman yang baik tentang cara kerja Analisis Kelompok, cara membaca tabel, dan cara mengidentifikasi kesenjangan. Apa yang Anda lakukan dengan semua wawasan ini? Apa langkah selanjutnya?
Ya, tidak ada hentinya jenis eksekusi yang dapat dilakukan pemasar setelah Analisis Kelompok, tetapi inilah cara memulainya.

1. Kampanye Email : Bayangkan Anda berada di kelompok yang menambahkan item ke keranjang tetapi selalu keluar sebelum check out. Untuk batch ini, Anda dapat mengirim email yang dipersonalisasi tentang nilai produk, beberapa testimoni pengguna, atau bahkan kode diskon.
2. Program Penghargaan/Loyalitas : Kampanye kohort selalu bagus karena Anda dapat memperlakukan kumpulan pengguna tertentu secara berbeda dan memanfaatkan wawasan tersebut untuk membangun fitur jangka panjang. Bayangkan Anda meluncurkan kode kupon untuk pengguna yang melewati batas tertentu, yang mengarah ke perilaku yang menarik.
3. Penawaran : Menawarkan diskon atau penawaran pengiriman gratis dapat mendorong pelanggan untuk membeli. Anda dapat mengelompokkan pelanggan berdasarkan perilaku pembelian mereka dan memberikan diskon atau penawaran khusus untuk mendorong mereka membeli lebih banyak.
4. Email Reaktivasi : Jadi, Anda menemukan kelompok yang relatif aktif selama beberapa minggu pertama tetapi kemudian perlahan-lahan memasuki periode jeda – email reaktivasi ada di sini untuk menyelamatkan. Email ini dapat menawarkan insentif atau mengingatkan pengguna tentang manfaat produk Anda. Beberapa juga menyebut ini sebagai kampanye kebangkitan.
5. Manajemen AOV : Menerapkan kampanye manajemen nilai pesanan rata-rata (AOV) dapat meningkatkan pengeluaran pelanggan per pembelian. Menawarkan diskon berjenjang atau pengiriman gratis untuk pembelian di atas jumlah tertentu dapat mendorong pelanggan untuk membelanjakan lebih banyak.

Cara Mengembangkan Item Tindakan dari Laporan Anda

Setiap pemasar yang baik tahu bahwa kesuksesan sejati bukanlah sekadar membuat pengguna mengunduh aplikasi Anda – perjalanan dimulai setelah itu. Sangat mudah untuk melihat data secara terpisah dan tersesat dalam metrik kesombongan seperti unduhan aplikasi atau aplikasi terbuka, tetapi jika Anda benar-benar peduli dengan audiens Anda, Anda harus fokus pada retensi.

Mulailah dengan menggunakan kelompok untuk mengidentifikasi area peningkatan dan menghapus apa yang terlihat di permukaan. Pelajari lebih dalam tentang memprioritaskan item tindakan dengan mempelajari dengan tepat apa yang membuat pengguna jatuh cinta dengan aplikasi Anda. Apa yang membuat mereka bertahan, dan yang terpenting, apa yang membuat mereka pergi? Pisahkan upaya Anda berdasarkan potensi dampak pada retensi dan sumber daya yang diperlukan untuk mengatasinya.

Setelah Anda selesai dengan langkah ini, bergeraklah untuk mengembangkan strategi retensi yang kuat dan gesit. Ingat, kuncinya adalah selalu mengoptimalkan. Anda ingin menghindari penerapan strategi dan kemudian menunggu berhari-hari atau berminggu-minggu untuk membuat perubahan sesuai jam. Pantau kelompok Anda dan tindakan mereka sesering mungkin, dan perbaiki rencana tindakan Anda. Di sinilah pertumbuhan yang sebenarnya.

Mengembangkan item tindakan setelah pemantauan melibatkan tindakan berdasarkan wawasan secepat kilat. Tindak lanjuti tingkat churn atau CRR Anda. Periksa kesehatan corong Anda.

Kesimpulan

Jika Anda seorang pemasar berbasis data atau bercita-cita menjadi pemasar, analisis kelompok adalah bintang penuntun Anda. Ini adalah kerangka kerja untuk menetapkan tujuan, membuka wawasan, menetapkan metrik, dan memulai percakapan strategis.

Banyak pelanggan WebEngage telah menerapkan kampanye untuk langganan, adopsi fitur, rating aplikasi, orientasi pengguna, & berbagai skenario lain setelah mengekstrak wawasan dari kelompok mereka.

Analisis Kelompok memberdayakan tim pemasaran dengan wawasan dan memperkuat hipotesis mereka tentang apa yang seharusnya menjadi langkah besar Anda selanjutnya. Jadikan Analisis Kelompok sebagai opsi masuk setiap kali Anda merencanakan kampanye yang berfokus pada pelanggan.
Bisnis berjuang untuk berkembang karena mereka hanya berfokus pada akuisisi (masuknya pengguna) dan mengabaikan retensi (mempertahankan mereka yang telah bergabung).

Siap membawa kampanye retensi pelanggan Anda ke level selanjutnya? Minta demo hari ini untuk mempelajari lebih lanjut tentang kelompok dan bagaimana mereka dapat membantu Anda membangun kampanye retensi yang efektif.