El análisis de cohorte responde a una pregunta comercial sobre cómo un grupo o segmento específico de usuarios ha interactuado con un producto, o se espera que interactúe con un producto, en función de sus comportamientos anteriores. Al obtener datos de comportamiento y dividirlos en cohortes, resulta más fácil analizarlos.
Las cohortes son grupos de usuarios que comparten características específicas y patrones de uso a lo largo de un período de tiempo. Estos pueden incluir elementos como el tiempo de uso, las funciones a las que se suscribió o la cantidad de objetivos completados. Las cohortes son útiles porque lo ayudan a segmentar su base de usuarios y recopilar datos sobre la forma en que interactúan con su producto a lo largo de su ciclo de vida.
Las empresas deben utilizar el análisis de cohortes para comprender el comportamiento de los usuarios y mejorar la retención de clientes. Los datos que se obtienen son una excelente manera de comprender qué hace que los nuevos clientes se queden y algunas de las razones más comunes por las que se van.
¿Qué es el análisis de cohortes?
Una cohorte es un grupo o segmento de usuarios que comparten rasgos de perfil, comportamientos o ambos en común. Por ejemplo:
Usuarios que poseen dispositivos iOS Usuarios que iniciaron sesión todos los días la semana pasada Usuarios que poseen dispositivos iOS que iniciaron sesión todos los días la semana pasada
Por lo general, un gerente de producto o un comercial plantea una pregunta comercial que da lugar a un análisis de cohortes. Esas preguntas pueden estar relacionadas con la interacción con el producto, la conversión o la retención.
Compromiso es el término que se utiliza para referirse a las acciones que realizan las personas dentro de tu aplicación. Puede ser subir de nivel a un personaje en un juego, compartir un entrenamiento con la comunidad en una aplicación de fitness o reproducir una canción en una aplicación de música.Conversión es el objetivo final. El análisis de cohortes se puede utilizar para juzgar si los diferentes incentivos para la conversión, como nuevas funciones o tarifas con descuento, son efectivos.Retención Se refiere a las personas que vuelven a tu aplicación una y otra vez.
En el gráfico de ejemplo anterior, puedes ver el recorrido del usuario para dos grupos diferentes: los usuarios que compartieron una canción (verde) y los que no lo hicieron (azul). El grupo de usuarios que compartió una canción tuvo mayor interacción y conversión.
Ahora veamos más de cerca cómo se puede utilizar el análisis de cohortes para ayudar a los gerentes de producto a reducir la pérdida de clientes y mejorar las tasas de retención.
Importancia de prevenir la pérdida de clientes
El análisis de cohortes es fundamental porque las métricas como los usuarios activos diarios o mensuales (DAU y MAU) están muy distorsionadas por el crecimiento. Si su aplicación está creciendo rápidamente, las nuevas suscripciones de usuarios ocultarán dónde se están retirando los usuarios existentes. No importa cuán productivos sean sus canales de adquisición si pierde clientes actuales tan rápido como gana nuevos o más rápido que eso.
Por eso, realizar un análisis de cohorte de la tasa de abandono es una de las formas más eficaces de mejorar la salud de su negocio. Los clientes que repiten sus compras ayudan a una empresa a generar ingresos estables y a compensar los costos de atraer nuevos clientes. Según Business of Apps, el costo de la publicidad por instalación de aplicaciones móviles alcanzó los $5,28. Un ciclo de vida del cliente más largo ofrece dividendos más altos por esa inversión.
Para obtener más información sobre cómo calcular la tasa de abandono de clientes, consulte este video en el que muestro seis clics en que le muestran cómo calcular la tasa de abandono en diferentes industrias y trimestres. Si desea profundizar en industrias específicas como SaaS, lea nuestra publicación sobre el análisis de cohortes de SaaS.
Cómo crear una estrategia de retención mediante el análisis de cohortes
El aspecto más poderoso del análisis de cohortes es que no solo verá a los clientes irse y cuándo, sino También puedes empezar a entender por qué Tus clientes abandonan tu aplicación para que puedas solucionarlo. Puede mejorar su tasa de retención implementando el siguiente proceso:
Fijar metas: Establezca un objetivo para el proceso. ¿Quiere reducir la pérdida de clientes a corto plazo? ¿A largo plazo? ¿Cuál es su objetivo de crecimiento?Explorar: Examine los datos actuales para ver dónde se pueden realizar cambios para alcanzar su objetivo.Hipotetizar: Decidir qué preguntas hacer y los posibles resultados de los experimentos.Idea genial: Concebir posibles experimentos para probar hipótesis.Prueba: Ejecutar diferentes pruebas para evaluar hipótesis.Analizar: Analizar los datos de las pruebas para ver si se cumplieron los objetivos.Sistematizar: Haga que cualquier cambio positivo sea parte del sistema.
Con este sistema, puedes mejorar tu aplicación de forma continua y aumentar la retención. En lugar de analizar una cifra total de abandonos, te centras en un comportamiento específico y haces pruebas para ver si alentar a los usuarios a adoptar ese comportamiento mejora la retención.
Uso del análisis de cohortes para mejorar la retención de clientes
Se puede utilizar un informe de análisis de cohorte de clientes para probar una hipótesis sobre cómo ciertos cambios de producto afectan los indicadores clave de rendimiento de una empresa.
Por ejemplo, supongamos que usted es gerente de producto de una aplicación de música como Spotify y uno de sus principales objetivos es aumentar la retención de usuarios.
Puedes formular la hipótesis de que los usuarios que comparten una determinada cantidad de canciones con sus amigos tienen más probabilidades de convertirse en usuarios habituales y fijos de tu aplicación.
Para probar esta hipótesis, primero se selecciona un grupo o cohorte de usuarios en función de su fecha de adquisición. Luego, se divide esta cohorte de adquisición en dos subconjuntos. En un subconjunto de la cohorte se encuentran los usuarios que utilizaron la función “compartir canción” al menos una vez. El otro subconjunto de la cohorte comprende los usuarios que no utilizaron la función “compartir”.
Por último, ejecute un análisis de retención basado en el análisis de comportamiento de estos dos subconjuntos de cohorte.
En este caso, el gráfico de análisis de cohorte anterior muestra las tasas de retención de N días para los usuarios que compartieron una canción (azul) en comparación con los que no lo hicieron (verde). Puede ver que los usuarios que no comparten una canción tienen una tasa de abandono del 77,75 % después de 30 días. Mientras tanto, la tasa de abandono de los usuarios que sí usaron la función para compartir es solo del 31 %.
Esa es una diferencia significativa, y ese conjunto de datos ahora le brinda la oportunidad de tomar una decisión comercial que podría generar más ingresos. Por ejemplo, en la próxima actualización, podría ajustar su flujo de incorporación para solicitar a los nuevos usuarios que compartan una canción en lugar de esperar a que descubran esa función por sí solos.
Tipos de datos de cohorte
Hay tres tipos de datos de cohorte y cada uno de ellos tiene diferentes casos de uso.
Cohortes de adquisición
Las cohortes de adquisición dividen a los usuarios en función del día en que se registraron en el producto. Una aplicación para consumidores puede agrupar las cohortes según el día en que se registraron, mientras que es más probable que una herramienta SaaS realice un seguimiento de las cohortes mensuales.
Las cohortes de adquisición se utilizan para hacer un seguimiento de los nuevos usuarios y ver cuánto tiempo siguen usando tu aplicación después de su interacción inicial (la duración de la vida de tu cliente). Esta puede ser una excelente manera de experimentar con tu experiencia de incorporación para garantizar que los usuarios vean el valor de tu producto de forma clara y temprana. Cuanto antes tengan los nuevos usuarios ese momento de inspiración, más probabilidades habrá de que se los retenga.
Cohortes conductuales
Las cohortes de comportamiento son un segmento personalizado de su audiencia basado en cualquier combinación de comportamientos pasados o propiedades del perfil del usuario.
Algunos ejemplos de comportamientos de los usuarios incluyen compartir una canción, registrarse para una prueba o realizar una compra. Las propiedades del perfil de usuario son elementos como los datos demográficos, la plataforma que utiliza un visitante o cómo llega alguien a su sitio web.
La combinación de comportamientos y propiedades de perfil conforman colectivamente una cohorte de comportamiento. Este tipo de datos de cohorte es una forma de observar las acciones dentro de un período de tiempo determinado para identificar tipos similares de usuarios para su análisis. Ese análisis generalmente revela cómo interactúan los usuarios con su producto y cómo esa interacción del usuario afecta aspectos como la retención, la tasa de conversión u otros indicadores clave que son importantes para su negocio.
Cohortes predictivas
Las cohortes predictivas analizan lo que se espera que haga un usuario en el futuro.
Este tipo de datos es ideal para determinar a qué usuarios dirigirse con una campaña de marketing o decidir cómo ajustar los precios para aumentar las posibilidades de que un usuario realice una acción.
Cohortes de adquisición: cómo encontrar momentos problemáticos en su aplicación
Las cohortes de adquisición te brindan información sobre el ciclo de vida de tus clientes, específicamente, cuánto tiempo les toma abandonar la aplicación después de la fecha de adquisición. Esta información puede ayudarte a identificar patrones de abandono o campañas de marketing con altas tasas de conversión. Supongamos que tienes una aplicación de música que está experimentando un problema de abandono porque los usuarios abandonan la aplicación todos los días.
Los usuarios que aparecen en el gráfico de retención anterior se dividen en cohortes diarias: usuarios que se registraron el mismo día. Puedes ver que 11 528 usuarios se registraron en tu aplicación de música el 16 de julio y la retención el día 5 fue del 49,7 %. Por lo tanto, uno de cada dos usuarios que se registraron el 16 de julio seguían siendo usuarios activos en la aplicación el quinto día después de usarla por primera vez.
La mejor manera de visualizar esta información es convertirla en una curva de análisis de retención, que muestra la retención de estos grupos a lo largo del tiempo. Cuando grafica sus datos de esta manera, resulta fácil ver cuándo los usuarios abandonan su producto.
Esta curva de retención te indica inmediatamente algo importante: aproximadamente un tercio de los usuarios dejan de usar la aplicación después del primer día. Después de esa caída inicial, la curva continúa disminuyendo de manera constante, dejando solo un poco más del 25 % de los usuarios originales que siguen activos en la aplicación el día 30.
Eso no es genial (aunque es común: algunos datos muestran que la aplicación promedio pierde casi el 60 % de sus usuarios durante el primer mes). La retención temprana es un problema importante. Una curva como esta indica que los usuarios no están obteniendo el valor principal de la aplicación con la suficiente rapidez, por lo que se van. Ahora sabes que necesitas mejorar la experiencia inicial de la aplicación para que los usuarios obtengan tu valor principal lo más rápido posible.
Cómo alcanzar los límites de las cohortes de adquisición
Si su aplicación tiene la curva de retención que se muestra arriba, inmediatamente querrá averiguar qué puede hacer para aumentar su retención.
Las cohortes de adquisición por sí solas no brindan información sobre cómo mejorar la experiencia del usuario para retenerlo. No se pueden aislar comportamientos o propiedades de usuario específicos.
Las cohortes de adquisición son excelentes para mostrarle tendencias y decirle cuando La gente está agitada, pero para entender por qué Se están yendo, hay que recurrir a otro tipo de cohorte: las cohortes conductuales.
Cohortes conductuales: descubra qué comportamientos impulsan la retención
Desde el momento en que los usuarios se registran en su producto, toman cientos de decisiones y muestran innumerables pequeños comportamientos que los llevan a decidir si se quedan o se van. Al segmentar a sus usuarios en función de estos comportamientos, puede obtener información sobre qué características de su producto impulsan el crecimiento.
Al reelaborar…