Карманное руководство по использованию когортного анализа для удержания клиентов

Введение

Мобильные маркетологи знают, что долгосрочная стратегия маркетинга или роста не заканчивается приобретением новых клиентов, а гарантирует, что существующие останутся.

Потеряться в тщеславных метриках, таких как загрузки приложений или ежедневные активные пользователи, которые не гарантируют какой-либо привлекательности, — это прямой путь к катастрофе. Для любого маркетолога нет ничего более тревожного, чем потеря большей части или части своих ценных клиентов в течение нескольких недель или дней после приобретения.

Знаете ли вы, что вероятность продажи новому покупателю составляет всего 5-20%, а не колоссальные 60-70% для постоянного клиента?

Чтобы ваши клиенты не покидали ваше приложение, крайне важно уделять приоритетное внимание удержанию клиентов. Удержание существующих клиентов обходится в 5 раз дешевле, чем привлечение новых, и большинство компаний с низкой лояльностью клиентов могут получить отрицательную прибыль.

Но прежде чем мы сможем остановить клиентов от ухода, на пути появляются данные — не просто данные, а точные цифры, которые говорят вам о поведении и характеристиках вашей клиентской базы. В таком случае Когорты становятся важным методом.

Сегодня маркетологи находятся в гораздо лучшей форме, чем когда-либо, когда дело доходит до использования данных для понимания и анализа поведения, привычек и черт пользователей, и именно здесь большинство команд обращаются к когортному анализу.

Что такое когортный анализ?

Когортный анализ помогает вам читать данные, категории и шаблоны и дает командам возможность экстраполировать маркетинговые решения. Проще говоря, это линза маркетолога для выявления возможностей и привлечения клиентов для максимального воздействия путем изучения поведения в течение определенного периода времени.

Когорты — это группы пользователей с более сильными характеристиками и общим опытом за определенный период. Они раздвоены в зависимости от их действий. Это может включать новых и существующих пользователей и их поведение, например повторные покупки или бездействие.

Этот процесс облегчает понимание вовлеченности пользователей с течением времени и выявляет закономерности или области разногласий, повышает вовлеченность пользователей и удерживает клиентов.

Чем когорты отличаются от сегментов

Если вы только начинаете, легко запутаться между когортным и сегментным анализом — оба метода не взаимозаменяемы; на самом деле они дополняют друг друга. Первый представляет собой аналитический процесс, ограниченный временем и идентичным поведением пользователей, при котором данные похожих аудиторий изучаются за период, чтобы оценить их модели взаимодействия, а второй — разделение большого набора данных на небольшие группы на основе общих интересов, демографических данных. расположение, поведение и т.

Например, клиентов, которые загружают приложение и совершают первую покупку в течение 30 дней, можно назвать когортой. Однако все клиенты, скачавшие приложение, становятся вашим сегментом.

Это подмножество сегмента, где период времени является важным фактором. Анализ клиентов на основе поведенческой аналитики, их действий и группировка их в небольшие пакеты, а не обработка всего пакета как одного большого массива данных за определенный период времени, называется когортным анализом.

Команды по маркетингу могут использовать когортный анализ для отслеживания поведения и действий клиентов и получения лучшего представления об уникальных потребностях пользователей за определенный период времени. Когортный анализ позволяет командам адаптировать кампании и разрабатывать стратегии, способствующие удержанию клиентов.

Ключевые варианты использования когортного анализа

Представьте, что вы хотите продать пакет подписки своим пользователям — теперь вы бы вместо этого распыляли и молились или выбрали горстку лояльных пользователей, которые любят использовать ваш продукт и имеют высокий коэффициент открытия приложения к потреблению? Последнее, верно? Мы тоже так догадались.

Команды по маркетингу могут использовать когортный анализ, чтобы понять различные проблемы или малозаметные возможности от маркетинга продукта до приобретения.

1. Удержание клиентов: определите клиентов, которые вошли в вашу группу лояльности или тех, кто находится в спящем режиме. Когортный анализ может помочь вам отслеживать перспективных пользователей для определенного события (например, пользователей, которые добавили товары в корзину, но не купили их в течение последних 45 дней) или тех, чей жизненный цикл ценности уменьшается (например, пользователи, чья средняя стоимость заказа уменьшается с месяца) — когортный анализ может помочь выявить закономерности.
2. Производительность продукта: отслеживание групп пользователей, которые начали использовать продукт или функцию, может помочь вам проанализировать их модели использования и определить области для улучшения для повышения производительности продукта.
3. Маркетинговые кампании. Отслеживая когорты пользователей, подвергшихся определенной маркетинговой кампании, вы можете анализировать их поведение и определять влияние кампании на привлечение и удержание пользователей.
4. A/B-тестирование: сравнивая когорты пользователей с разными версиями продукта или функции, вы можете проанализировать их поведение и определить, какая версия работает лучше.
5. Вовлеченность пользователей. Анализ ИТ может помочь определить тенденции вовлеченности пользователей с течением времени.
   Например, вы можете составить когорты людей, которые зарегистрировались на определенных каналах, а затем проанализировать их вовлеченность через месяц или квартал. Это даст вам представление о том, какой канал привлечения дает вам привлекательную аудиторию.

Типы когортного анализа

В широком смысле его можно разделить на две широкие категории: когорты поведения и приобретения; однако маркетологи могут настолько глубоко анализировать данные, насколько им нужно. Вот несколько типов когортного анализа, которые вы можете попробовать и протестировать.

1. Когортный анализ на основе времени. Этот анализ затрагивает пользователей на основе времени, когда они впервые использовали приложение или службу, и отслеживает их поведение с течением времени. Создание когорт на основе времени может помочь вам узнать уровень вовлеченности пользователей за определенный период времени и помочь определить закономерности для принятия обоснованных решений о продукте.
2. Когортный анализ приобретения. Анализ приобретения фокусируется на наборе пользователей в зависимости от канала, по которому они были приобретены — платного, органического, социального или партнерского. Затем маркетологи разделяют пользователей на основе их точек входа, чтобы отслеживать их поведение. Это помогает маркетинговым командам понять эффективность канала и зависимость пользователей от одного источника по сравнению с другим, а также позволяет командам удвоить свои маркетинговые инвестиции.
3. Поведенческий когортный анализ. Этот анализ фокусируется на группировании пользователей на основе их поведения или действий. Маркетологи в значительной степени полагаются на эти данные, чтобы помочь определить сегменты пользователей с различными потребностями и предпочтениями и адаптировать свои продукты или услуги для лучшего удовлетворения этих потребностей.
4. Сегментный когортный анализ. Сегментный анализ может помочь им изучить основу покупательских привычек пользователей — покупку конкретного продукта, демографические данные, покупку функции или подписку на определенную платную услугу. Это может помочь маркетологам разрабатывать индивидуальные услуги или продукты для определенных сегментов, разделяя пользователей на основе их глубины и широты инвестиций.
5. Когортный анализ на основе событий: как следует из названия, группировка пользователей на основе любого действия или события, которое они совершают, позволяет командам видеть при проверке гипотез.

Анализируя, как различные группы или когорты используют свои продукты, компания может обнаружить недостатки в их маркетинговой тактике и определить наиболее эффективные средства коммуникации с различными сегментами клиентов.

Кроме того, компания может использовать эти адаптированные данные для разработки стимулов, побуждающих клиентов продолжать использовать их продукты, особенно когда они демонстрируют признаки прекращения покупок.

Как читать и понимать когортную таблицу

Таблица когорт отображает жизненный цикл пользователя с 0 дня до дня N (0 и N — это окно вашего времени).

В приведенной ниже таблице мы рассматриваем уровни вовлеченности группы пользователей в течение первых 7 дней. Как маркетолог, вы можете получить эти данные от групп клиентов и импортировать их в Excel или использовать такой инструмент, как WebEngage, где они автоматически обновляются в режиме реального времени.

Во время тщательного изучения таблиц в WebEngage вы можете следить за строками или столбцами с самым темным оттенком синего. В приведенной выше таблице показано начальное событие и возвращающееся событие. Начальное событие означает пользователей, которые загрузили приложение в день 0, а событие возврата представляет пользователей, которые вернулись или ушли.

Таблица свидетельствует о том, что 34,9 % пользователей на общем уровне выполнили событие возврата в тот же день после его установки, за ним следуют 7 % оставшихся пользователей в первый день и так далее.

На приведенной выше диаграмме невероятно легко сделать вывод, когда пользователи покидают приложение.

Гипотеза 1: 10 марта возникла проблема с приложением.
Гипотеза 2: мотивация пользователей пострадала, что привело к плохому взаимодействию

Вывод из приведенной выше таблицы — удержание D0, которое необходимо решить, за которым следует D1. Определив проблемную область, вы можете углубиться в демографические данные, каналы привлечения, ОС, устройства и другие сведения о пользователях, чтобы понять, что вызывает отток.

Метрики для измерения вашей когортной таблицы

Когортовые таблицы — это инструмент маркетолога, позволяющий получить представление о продукте и отношении пользователей к нему.

Например, вы можете использовать когортную таблицу для сопоставления поведенческих моделей пользователей и выявления несоответствий в вашем приложении, что позволит вам улучшить взаимодействие с приложением, завоевать доверие клиентов и повысить их удержание.

Этот анализ помогает целостно расшифровать работоспособность, функции и липкость приложения. Хотя наиболее частым случаем использования когорт является попытка удержать пользователей по категории, функции или на уровне приложения, есть несколько метрик, которые также могут помочь изучить другие аспекты поведения пользователя.

1. Коэффициент удержания. Удержание лежит в основе производительности приложения и отслеживает процент пользователей, которые остаются, остаются вовлеченными или выполняют какие-либо действия в приложении. Чтобы рассчитать удержание, разделите общее количество активных пользователей на количество пользователей в начале.


Итак, представьте, если бы у вас было 100 клиентов в начале января, и вы приобрели 20 новых клиентов, и в общей сложности 10 клиентов ушли из системы. Теперь у вас осталось 110 клиентов, поэтому ваш коэффициент удержания будет следующим:

(110-20)/100 = 90%

2. Уровень оттока: в то время как удержание отслеживает пользователей, оставшихся в приложении, отток отслеживает тех, кто ушел.
   

   Например, если в начале месяца у SaaS-компании было 1000 платных клиентов, и 100 из них отменили подписку, коэффициент оттока компании составит 10%.

3. Средний доход на пользователя (ARPU): некоторые приложения также используют когортные таблицы для анализа ARPU за определенный период времени. Чтобы рассчитать это, разделите общий доход, полученный на количество пользователей в этой когорте.




4. Пожизненная ценность клиента (CLTV): CLTV может помочь вам понять, какую ценность клиент получит для бизнеса за определенный период времени, а когорты могут помочь вам измерить ее.

   Самый простой способ рассчитать CLTV: пожизненная ценность клиента = ценность клиента x средняя продолжительность жизни клиента. Здесь ценность клиента — это среднее количество и частота покупок клиента у вас. Продолжительность жизни клиентов — это общее количество лет, в течение которых они активно пользовались вашим продуктом, деленное на общее количество клиентов.

   

   Это можно сделать, умножив средний доход на пользователя на расчетное время, в течение которого пользователь был клиентом.

5. Коэффициент конверсии: он отслеживает процент пользователей, которые совершают желаемое действие, например покупают или оформляют подписку. Разделите количество пользователей, которые совершают желаемое действие, на общее количество пользователей в когорте.
6. Размер когорты: Размер когорты означает количество пользователей, имеющих общую характеристику за определенный период в указанной группе, сегменте или когорте. Например, если в приложении OTT было 100 новых регистраций в январе и около 140 регистраций в феврале, размер когорты новых подписчиков будет 100 и 140 соответственно для этих месяцев.

Вышеуказанные показатели — лишь верхушка айсберга в огромном океане управления удержанием ваших клиентов. Маркетологи и владельцы продуктов могут исследовать и анализировать каждую таблицу, когорту, шаблон и гипотезу на детальном уровне, чтобы углубиться в понимание клиентов.

Несмотря на то, что эти показатели остаются общими для разных отраслей, все они позволяют нам рассчитывать коэффициент удержания клиентов за день, неделю, месяц или любой другой конкретный период времени, подходящий для вашего бизнеса.

Скажем, компания электронной коммерции в Индии имеет 15 000 клиентов в начале сезона дождей. За сезон они теряют 1500 клиентов и приобретают 2000 новых клиентов.

Коэффициент удержания клиентов в сезон дождей будет рассчитываться следующим образом:

Уровень удержания клиентов = ((Общее количество клиентов в конце сезона дождей – Новые клиенты) / Общее количество клиентов в начале сезона дождей) x 100

Таким образом, в этом случае коэффициент удержания клиентов в сезон дождей будет следующим: ((15 500 – 2 000) / 15 000) x 100 = 86,67%.

Так что, если кто-то в компании хочет узнать, каково было удержание во время сезона дождей (в зависимости от временного диапазона), оно составило 86,67%, что по-прежнему является отличным показателем. Большинство предприятий в Индии страдают во время сезона дождей, потому что логистика страдает, но эта компания смогла выжить.

Коэффициент удержания клиентов (CRR) — это процент клиентов, которые остаются у вас в течение определенного периода времени. Чтобы рассчитать коэффициент удержания, вам нужны три метрики.

• Клиенты на начало периода
• Клиенты на конец указанного периода
• Новые клиенты, привлеченные за этот период.

Тогда формула выглядит следующим образом



Например, если в начале периода у вас было 1000 клиентов, к вам присоединилось почти 100 новых клиентов, а в конце того же периода осталось 500 клиентов, то математика выглядит следующим образом:

СРР = ((500-100)/1000)*100

СРР = 40%

Это означает, что вы сохранили 40% ваших клиентов за указанный период. Теперь в некоторых отраслях удержание выше, чем в других, просто из-за характера услуги или кочевого отношения аудитории.

40% ближе к тревожному концу спектра, но все, что выше 70%, считается хорошим CRR.


Анализ когортных показателей

Маркетинговая стратегия хороша ровно настолько, насколько хороши ее эксперименты и гипотезы — выявление низко висящих плодов, двойное касание проблемных областей, прогнозирование проблемы и экстраполяция данных, чтобы избежать потенциальной проблемы; работа бесконечна, когда речь идет о поведенческих данных ваших пользователей.

Неотъемлемой частью этой связи между маркетологами и их числом являются когорты — потенциальный набор инсайтов группы пользователей, которые могут повлиять на эффективность ваших кампаний. Анализ когорт требует нескольких шагов и каналов. Давайте рассмотрим, как вы можете начать сегодня.

• Выявление тенденций. Умение выявлять тенденции может помочь командам проводить полный цикл экспериментов, которые снова и снова создают ценность для бизнеса. Выявление тенденций на ранней стадии дает вам возможность планировать свои стратегии в правильном направлении.
  Когда Dropbox понял, что их пользователи сотрудничают на платформе, например, обмениваются изображениями или любым другим событием, они способствовали росту, приглашая новых пользователей. Dropbox немедленно поощрил за это всех своих пользователей, открыв для них значительный рост доходов.
• Сравнение когортных групп. Еще одним отличным источником информации является сравнение различных когортных групп по меняющимся элементам — один и тот же набор пользователей в разное время, разные пользователи используют одну и ту же функцию и множество подобных итераций. Сравнение позволяет командам изучить поведение пользователей и проанализировать, чем они отличаются друг от друга.
  Это позволяет командам воспроизводить выигрышные стратегии в любых продуктах или услугах.
• Интерпретация данных: высокий уровень оттока может быть приемлемым для бесплатного приложения с открытым доступом, но может вызвать беспокойство для службы на основе подписки. Таким образом, интерпретация данных должна быть в полном контексте с характером бизнеса. Понимая контекст, окружающий ваши данные, например
  Например: если вы говорите о пользователях, то являются ли они уникальными, недавно приобретенными или просто постоянными пользователями приложения, вы можете принимать более обоснованные решения о стратегиях повышения эффективности вашего бизнеса.

Когортный анализ с использованием WebEngage

Запустить когортный анализ в WebEngage просто и невероятно легко. Менее чем за 5 кликов продуктовые команды и маркетологи могут получить доступ к массиву данных о поведении своих пользователей.

Чтобы начать, щелкните значок раскрывающегося списка в левой части панели инструментов WebEngage и коснитесь когорты. Как только вы дойдете до этого раздела, используйте фильтры вверху, чтобы ввести параметры, которые помогут вам понять вашу аудиторию.

Платформа позволяет отслеживать каждую мельчайшую деталь на очень детальном уровне — от такого небольшого действия, как установка приложения, до открытия приложения и чего-то столь важного, как покупка подписки или выполненная деятельность.

После этого вы можете перейти к таблице когорт, расположенной ниже; это будет выглядеть примерно так. С левой стороны вы видите дни, начальный период находится вверху, а последний или конечный период внизу.

Как вы хотите читать эту таблицу, по одному столбцу за раз, а не переходить от строки к строке.



В приведенной выше таблице, как вы можете видеть, более темные оттенки синего цвета выделяют активность пользователей. Чем темнее синий, тем сильнее или выше процент. Например, если вы посмотрите на данные за 6 ноября, вы увидите, что это самый плохой день из всех. Несмотря на то, что пользователи выполнили действие в день 0, процент пользователей, вернувшихся для возврата, был низким.

Кампании для запуска после определения ваших когорт

Итак, теперь у вас есть четкое представление о том, как работает когортный анализ, как читать таблицу и как выявлять пробелы. Что вы делаете со всем этим пониманием? Какой следующий шаг?
Что ж, маркетологи не останавливаются на достигнутом после когортного анализа, но вот как начать.

1. Кампании по электронной почте . Представьте, что вы попали в когорту, которая добавляет товары в корзину, но всегда выбрасывает их перед оформлением заказа. В эту группу вы можете отправлять персонализированные электронные письма о ценности продукта, некоторых отзывах пользователей или даже коде скидки.
2. Программы поощрения/лояльности : когортные кампании всегда хороши, потому что вы можете по-разному относиться к определенному набору пользователей и использовать это понимание для создания долгосрочной функции. Представьте, что вы запускаете код купона для пользователей, которые пересекают определенную отметку, что приводит к их привлекательному поведению.
3. Предложения . Предложения скидок или предложений о бесплатной доставке могут стимулировать клиентов к покупке. Вы можете сегментировать своих клиентов на основе их покупательского поведения и предоставлять индивидуальные скидки или предложения, чтобы побудить их покупать больше.
4. Электронные письма реактивации : Итак, вы нашли когорту, которая была относительно активной в течение первых нескольких недель, но затем медленно вошла в период затишья — электронное письмо реактивации здесь для спасения. Эти электронные письма могут предлагать стимулы или напоминать вашим пользователям о преимуществах ваших продуктов. Некоторые также называют это кампанией воскрешения.
5. Управление AOV : Реализация кампании по управлению средней стоимостью заказа (AOV) может увеличить расходы клиентов на покупку. Предложение многоуровневых скидок или бесплатной доставки при покупках на сумму свыше определенной суммы может побудить клиентов тратить больше.

Как разработать действия на основе вашего отчета

Любой хороший маркетолог знает, что настоящий успех заключается не только в том, чтобы заставить пользователей скачивать ваше приложение — после этого начинается путешествие. Легко смотреть на данные изолированно и потеряться в тщеславных показателях, таких как загрузки приложений или открытие приложений, но если вы действительно заботитесь о своей аудитории, вам нужно сосредоточиться на удержании.

Начните с использования когорт для определения областей улучшения и отказа от того, что видно на поверхности. Углубитесь в определение приоритетов действий, узнав, что именно заставляет пользователей влюбляться в ваше приложение. Что заставляет их оставаться и, самое главное, что заставляет их уходить? Разделите свои усилия на основе потенциального влияния на удержание и ресурсов, необходимых для их решения.

Как только вы закончите с этим шагом, переходите к разработке надежной и гибкой стратегии удержания. Помните, ключ всегда в оптимизации. Вы хотите избежать развертывания стратегии, а затем ожидания в течение нескольких дней или недель, чтобы внести изменения в течение часа. Следите за своими когортами и их действиями как можно чаще и вносите поправки в свой план действий. Вот где настоящий рост.

Разработка действий после мониторинга включает в себя молниеносные действия в соответствии с выводами. Следите за уровнем оттока или CRR. Проверьте состояние ваших воронок.

Заключение

Если вы маркетолог, ориентированный на данные, или стремитесь им стать, когортный анализ — ваша путеводная звезда. Это основа для постановки целей, раскрытия информации, определения показателей и начала стратегических переговоров.

Многие клиенты WebEngage развернули кампании по подписке, внедрению функций, рейтингу приложений, адаптации пользователей и множеству других сценариев после получения информации от своей когорты.

Когортный анализ дает командам маркетологов информацию и укрепляет их гипотезы о том, каким должен быть ваш следующий большой шаг. Используйте когортный анализ каждый раз, когда планируете кампанию, ориентированную на клиента.
Компании изо всех сил пытаются процветать, поскольку они сосредоточены только на привлечении (приток пользователей) и игнорируют удержание (поддержание тех, кто присоединился).

Готовы вывести свои кампании по удержанию клиентов на новый уровень? Запросите демонстрацию сегодня, чтобы узнать больше о когортах и ​​о том, как они могут помочь вам в создании эффективных кампаний по удержанию клиентов.