He leído un montón de artículos sobre análisis de cohortes. Y para ser sincero, la mayoría de ellos son aburridos, innecesariamente técnicos y no procesables.

No debería tener que ser un científico de datos o ingeniero para comprender cómo analizar las cohortes de clientes. Es algo que todo fundador, comercializador o cualquier persona que trabaje en SaaS puede aprender a hacer.

Entonces, cuando preparé esta guía, decidí tomar una ruta diferente.

Si alguna vez ha sentido curiosidad sobre cómo hacer un análisis de cohorte (no solo una definición de lo que es) y cómo usarlo para mejorar su negocio, sin toda la jerga, este es para usted.

Específicamente, veremos cómo utilizar el análisis de cohortes para reducir la rotación y retener más clientes. ¡Entremos de lleno!

¿Qué son las cohortes?

Una cohorte es un grupo de usuarios con una experiencia común.

En general, las cohortes se establecen dentro de un cierto período de tiempo. Puedes pensarlo como la forma en que funcionan las graduaciones escolares. Tendrás la clase de 2020, 2021, etc. Todas las personas que se graduaron en esos años específicos son parte de la misma cohorte.

Cuando se trata de aplicaciones y software, las cohortes están formadas por sus usuarios y clientes. Por ejemplo:

• Usuarios que se registraron para una prueba en el mismo mes
• Usuarios que se convirtieron en clientes pagos en el mismo mes.
• Usuarios que cancelaron en el mismo mes
• Usuarios que usaron una función específica en un período de tiempo determinado

El uso de cohortes facilita el análisis del comportamiento del usuario sin necesidad de mirar a cada cliente uno por uno. En cambio, puede poner a los clientes en cohortes y observar las tendencias dentro de ellos.

solicite leer este artículo para aprender más sobre cohortes. Pero para esta guía, solo necesita saber cuáles son, para que podamos analizar cómo analizarlos.

¿Qué es el análisis de cohorte?

El análisis de cohortes es cuando obtiene información de sus cohortes para que pueda comprender mejor su producto, marketing, incorporación y otras partes de su negocio.

Y uno de los usos más comunes del análisis de cohortes es mejorar la retención de clientes.

Al analizar a los clientes en cohortes, podemos ver cosas como si los clientes están cancelando al principio de su suscripción, cómo los cambios del producto / negocio impactan la rotación (negativa o positiva), cómo cada cohorte afecta los ingresos y otras ideas importantes.

En la mayoría de los casos, las empresas SaaS analizan cohortes en función de su comportamiento o adquisición. Aquí hay una descripción rápida de cada uno.

Cohortes de comportamiento

Las cohortes de comportamiento se agrupan por acciones específicas que los usuarios realizan en su producto.

Por ejemplo, en Baremetrics podríamos tener una cohorte de usuarios que iniciaron sesión y vieron su MRR en una semana específica

Con las cohortes de comportamiento, debe definir:

1. Un comportamiento específico
2. Periodo de tiempo

Puedes usar una herramienta como Mixpanel (o incluso Google Analytics) para esto. Las cohortes de comportamiento son excelentes para comprender cómo los usuarios interactúan con su producto, qué características hacen que los usuarios regresen y otra información específica del producto.

Si su objetivo es aprender cómo los usuarios interactúan con su producto, las cohortes de comportamiento son una buena opción. Pero para nuestros propósitos, queremos centrarnos en la retención y adquisición.

Cohortes de adquisición

Para utilizar el análisis de cohortes para mejorar la rotación, debemos analizar las cohortes de adquisición. Estas son cohortes basadas en cuándo un usuario se inscribió en su producto.

Por ejemplo, las personas que se inscribieron en febrero serían parte de la misma cohorte. Puedes rastrear esto en Baremetrics.

Las cohortes de adquisición pueden ayudarlo a determinar el LTV de los clientes, el tiempo promedio de abandono y otros conocimientos relacionados con la retención. Nos sumergiremos en todo eso un poco más adelante en este artículo.

Cómo leer un cuadro de análisis de cohortes

Si eres nuevo en los gráficos de cohortes, pueden ser un poco confusos a primera vista. Pero en realidad son bastante fáciles de leer una vez que sabes lo que estás viendo.

Aquí hay una descripción general rápida de cómo se ven nuestros gráficos de cohortes en Baremetrics.

Primero, veamos solo una cohorte.

De izquierda a derecha, esto es lo que estás viendo:

• 2019 de abril: Esta es la "cohorte": clientes que se inscribieron en nuestro producto en abril de 2019.
• 24: Este es el número de clientes en esta cohorte. Entonces, 24 clientes se inscribieron para nuestro producto en abril de 2019.
• 92%: Este es el porcentaje de clientes que permanecieron dentro del primer mes de registro. Entonces, en abril de 2019, el 8% de esos 24 clientes cancelaron.

Cada columna posterior muestra el porcentaje de clientes restantes de esa cohorte después de cada mes. Entonces, en la columna "1", podemos ver que el 88% de los 24 clientes originales permanecen después de su primer mes, y así sucesivamente.

Si no le gusta mirar porcentajes, también puede mirar los datos en números absolutos. Esto le mostrará el número exacto de clientes restantes después de cada mes.

Bastante simple, ¿verdad?

Si desea ver ingresos en lugar de usuarios, también le brindamos esos datos.

Tener los datos y saber cómo leer un gráfico de cohortes es bueno. Pero a menos que lo conviertas en acción, ¿cuál es el punto?

Entonces, hablemos sobre cómo poner en uso estas bonitas tablas de cohortes.

Cómo usar el análisis de cohortes para reducir la rotación temprana

Puede aprender mucho sobre su empresa al observar la rotación de clientes dentro de los primeros meses de registro de los clientes.

Por ejemplo, supongamos que su tabla de retención de clientes se ve así:

Guardé este filtro como "Motivo de cancelación - Expectativas". Ahora, en el futuro, cualquiera que cancele e incluya una de estas razones será incluido en este segmento.

A continuación, nos dirigiremos a nuestro gráfico de cohorte de retención de clientes. Hay un menú desplegable que nos permite elegir un segmento específico para esta cohorte. Elegiremos el que acabo de crear.

Lo que estamos viendo en el cuadro anterior son clientes que se inscribieron en los últimos 12 meses y dieron una de las razones de cancelación de nuestro filtro cuando cancelaron.

En base a esto, podemos ver que, en su mayor parte, las personas que cancelan por nuestras razones de "Expectativas" tienden a hacerlo después de al menos un mes o dos con un par de excepciones.

Como no tenemos un modelo de alto volumen, tenemos números más pequeños. Pero si está en un negocio que registra cientos o miles de clientes al mes, es probable que vea tendencias aún más fuertes.

Esta información es más valiosa cuando la compara con las cancelaciones totales.

Así que echemos un vistazo a los dos gráficos uno al lado del otro:

(1) La tabla de retención de clientes para todos los clientes

(2) La tabla de retención de clientes para nuestro segmento de motivo de cancelación de "Expectativas"

Cambiaré de "Relativo" a "Absoluto" para que podamos ver el número real de usuarios restantes cada mes en lugar de porcentajes.

La cantidad de personas que canceló por una de nuestras razones de "expectativa" es muy pequeña, lo cual es una buena señal. Sin embargo, tenga en cuenta que este ejemplo es para guiarlo a través del proceso. Sus hallazgos probablemente serán diferentes a los nuestros.

La principal señal de alerta que debes tener en cuenta cuando realices este ejercicio para tu negocio es si la caída de los clientes que cancelaron porque tu producto no cumplió con sus expectativas es peor que el promedio general.

Dicho de otra manera, ¿cuántos clientes en cada cohorte están cancelando porque su producto no cumplió con sus expectativas?

Mal proceso de incorporación

Otra posible causa de una fuerte caída dentro de los primeros meses de sus cohortes es que sus clientes no están siendo abordados muy bien. Esto se relaciona con el consejo anterior.

Si los clientes cancelan porque no entienden cómo usar su producto, debe jugar con su proceso de incorporación.

Para ver si su incorporación es el problema, puede seguir los mismos pasos que en la sección anterior. Solo que esta vez, está buscando específicamente personas que dieron una razón de cancelación por no entender cómo usar su producto. También podría permitirles seleccionar específicamente un motivo como "Falta de incorporación" o "Entrenamiento de productos pobres".

Si el número de clientes que cancelan porque no saben cómo usar su producto es un buen porcentaje de sus cancelaciones generales, ya sabe cuál es el problema. Y en ese punto, debe corregir su proceso de incorporación.

Mal modelo de adquisición / activación

Algunos clientes están destinados a abandonar desde el principio debido a la forma en que fueron adquiridos. Esto se ve mucho cuando las compañías ofrecen grandes descuentos para nuevos clientes, o varios meses gratis.

Los descuentos son una buena forma de conseguir nuevos clientes rápidamente. Pero también tendrá que aceptar que puede llevar a una gran rotación en los primeros meses también.

Eso es exactamente qué historia encontró Hit fuera después de ejecutar un acuerdo de Black Friday. El servicio de video de suscripción adquirió una tonelada de nuevos clientes después de ejecutar una promoción para el Black Friday.

Estaban obteniendo clientes por la mitad de su costo por adquisición objetivo. Pero también notaron que su tasa de cancelación pasó del 6% al 9% en semanas.

Además, su LTV mensual cayó un 36% después de noviembre y su tasa de conversión de prueba pasó del 80% al 40%.

solicite leer su viaje completo para saber qué sucedió y cómo pudieron revertir la tendencia. Pero a fin de cuentas, los descuentos que ofrecían eran tan grandes que atraían clientes potenciales de menor calidad.

Recuerde: si va a ofrecer descuentos, pruebas gratuitas o incluso ir a freemium, asegúrese de que tenga sentido financiero para su negocio.

Lo bueno es que es bastante fácil averiguar si su modelo de adquisición o activación es la causa de su abandono mediante el análisis de cohortes. Puede ejecutar un experimento en el que cambie su modelo de activación durante un mes o dos y compare los resultados.

Eso es exactamente lo que Ahrefs hice.

Durante más de cinco años, permitieron que cualquiera usara su producto de forma gratuita durante 14 días sin tener que dar ninguna información de pago.

Esto provocó que una gran cantidad de personas usaran su producto de forma gratuita al registrarse, cancelar una vez transcurridos los 14 días y luego registrarse nuevamente con una dirección de correo electrónico diferente.

En un momento, tenían el doble de usuarios gratuitos que clientes de pago. Y ni siquiera eran un producto freemium.

Si bien las pruebas gratuitas inicialmente les dieron mucha exposición, absorbieron muchos de sus recursos (costos de servidor y soporte al cliente) en clientes que no pagan. A largo plazo, no iba a ser sostenible.

Entonces, experimentaron con una prueba de 7 días por $ 7. Y aunque obtuvieron menos pruebas, su tasa de conversión de prueba a paga mejoró porque estaban obteniendo usuarios de mayor calidad.

Puedes ver exactamente lo que hicieron y sus resultados en este video:

Si tiene una alta tasa de abandono en los primeros meses, intente ver si alguno de estos tres problemas es el culpable. Y lo bueno de la supervisión por cohortes es que puede seguir fácilmente el impacto de sus cambios a lo largo del tiempo.

Sin embargo, en algunos casos, podrá retener clientes inicialmente. Pero después de 6-12 meses comienzan a caerse como moscas.

Esto es lo que debe hacer en ese escenario.

Cómo utilizar el análisis de cohortes para mejorar el LTV de su cliente

Como empresa SaaS (o realmente cualquier negocio), desea que los clientes le paguen el mayor tiempo posible. Hacer un análisis de cohorte lo ayudará a ver cómo su rotación de personas tiende a 6, 12, 18 o incluso 24 meses.

He aquí cómo hacerlo.

Dirígete a tu tabla de cohorte de retención de clientes. Dependiendo de qué tan atrás desee buscar, le recomiendo cambiar de la vista de los últimos 12 meses a 24 meses.

Queremos centrarnos en los meses 6+.

Lo primero que debe hacer es controlar cómo se compara cada cohorte con su tiempo de rotación promedio. Puede ver esto en Barmetrics en su tablero de usuario.

Como puede ver, nuestro tiempo promedio de abandono es de ~ 21 meses.

Mirando nuestra tabla de cohortes, verificaría si alguna de las cohortes tiene un alto nivel de abandono antes de los 21 meses.

Afortunadamente, nada parece estar demasiado apagado. Pero supongamos que vimos algo como esto:

Podemos ver que una cohorte va en contra de nuestra tendencia. En ese punto, nos gustaría ver esa cohorte específica y ver qué sucedió. Creamos un segmento personalizado como lo hicimos antes y observamos los motivos de cancelación de esa cohorte.

Pero lo más probable es que si tiene un problema con la rotación a largo plazo, lo verá en varias cohortes, no solo en una. Y si ese es el caso, esto es lo que puede hacer para cambiar la tendencia.

Paso 1. Encuentra tus puntos de entrega

Primero, necesita ver cuántos meses de suscripción están cayendo la mayoría de las cohortes.

Busque grupos en su tabla de cohorte a partir de los seis meses en adelante.

En nuestro gráfico, podemos ver una tendencia a partir del mes 9-11. Una buena parte de las cohortes se ha reducido a alrededor del 50% en este momento. Si podemos descubrir cómo mejorar esos números, podemos mejorar nuestro LTV reteniendo a esos clientes por más tiempo.

Paso 2: verifique los motivos de cancelación de esos clientes

A continuación, querrá averiguar por qué las personas cancelan en esos meses.

Puede ver un proceso paso a paso de cómo hacer esto en mi artículo de análisis de abandono donde te muestro cómo analizar la rotación por cohortes.

Paso 3. Regístrese en su punto de entrega

El Paso 2 le mostrará por qué los clientes se agitaron y, con suerte, puede aprender algunas lecciones de eso.

Pero otra cosa que puede hacer es registrarse con los clientes alrededor de un mes o dos antes El período de devolución.

En nuestro ejemplo, podríamos enviar correos electrónicos de "check-in" en los meses 8 y 9 de su suscripción para ver cómo van las cosas. De esa manera, si hay un problema o algún tipo de fricción, podemos guardar la cuenta antes de que se cancele.

Una solución a más largo plazo sería tener una secuencia de correo electrónico automatizada (o mensajes en la aplicación) que verifique a sus clientes a lo largo de su suscripción. Luego mida el rendimiento de esas secuencias a lo largo del tiempo (tasa de apertura, compromiso, etc.)

Paso 4. Seguimiento después del período de entrega

Los pasos anteriores lo ayudarán a abordar el problema en el futuro, pero ¿qué pasa con los clientes que están actualmente en su período de entrega o un poco después?

Estas personas:

Puede ver que la tasa de retención está un poco más estabilizada, pero eso no significa que no corran el riesgo de cancelar.

A pesar de que han "sobrevivido" ese período inicial de devolución, aún debe comunicarse con ellos para asegurarse de que estén comprometidos y disfruten de su producto.

Además, dado que se han quedado con usted, podría ser una buena idea enviar una encuesta a estos usuarios para preguntarles qué les gusta o no les gusta de su producto.

Compare los comentarios que recibió de esta encuesta con los motivos de cancelación que encontró en el paso 2.

Busca similitudes y diferencias. Y use los comentarios para mejorar su producto y la experiencia del cliente.

El objetivo es descubrir qué puede hacer para mantener contentos a los clientes y pagarle más. Use las tácticas anteriores para encontrar tendencias y señalar cualquier problema potencial.

Cómo usar el análisis de cohortes para optimizar la rotación de ingresos

Hasta este punto, hemos hablado mucho sobre la rotación de usuarios. Pero también podemos usar el análisis de cohortes para obtener información sobre la rotación de ingresos.

Un buen caso de uso para esto es tratar de comprender el impacto de los descuentos.

Digamos que tenía curiosidad acerca de cómo los descuentos afectan sus ingresos. Puede ver los clientes con descuento frente a los de precio completo en una cohorte específica.

Usaré nuestra propia cuenta para este ejemplo.

En nuestra cuenta, especificamos las cuentas con descuento como sus propios planes.

Primero, necesitamos crear un segmento de clientes para aislar a los clientes con descuento y precio completo en una cohorte específica. Utilizaremos la cohorte de abril de 2019 para este ejemplo.

Cree un segmento personalizado con estos dos filtros:

• Fecha de registro: Los clientes de una cohorte específica.
• Planifique: Todos los planes con descuento que ofrece (si marca a sus clientes con descuento de una manera diferente, como etiquetarlos en su CRM, simplemente agregará el filtro apropiado aquí en lugar de "Plan").

Guarde ese segmento como algo así como [Cohorte de abril de 2019 - Descuento].

Luego, cree el mismo filtro, pero en lugar de "Cualquiera de estos" para el filtro Plan, cámbielo a "Ninguno de estos":

Luego guarde ese segmento como algo así como [Cohorte de abril de 2019 - Sin descuento]

Ahora, podemos usar Baremetrics para comparar diferentes métricas relacionadas con los ingresos para estos dos segmentos.

Por ejemplo, podemos ver qué segmento de esta cohorte tiene mejor ingresos promedio por usuario (ARPU) tiempo extraordinario:

Los clientes de precio completo experimentaron una caída negativa de los ingresos algunos meses. Eso significa que algunos de nuestros precios completos clientes expandidos (actualizó su cuenta u obtuvo nuestros productos complementarios como Perspectivas de cancelación y Recuperar).

Es posible que, a pesar de que tenga algunos clientes más a precio completo que los que tienen descuento, todavía le dan más MRR que los clientes con descuento que permanecen por un período de tiempo más largo.

Ese es solo un ejemplo de cómo usar el análisis de cohortes para analizar la rotación de ingresos. Pero el proceso se puede personalizar según lo que esté buscando.

Para evitar caer en un agujero de gusano de gráficos y datos, sugiero comenzar con un solo problema que desee resolver. Luego, use los consejos anteriores para ejecutar un análisis. De lo contrario, pasará todo el día clasificando los datos.

Confía en mí, lo he hecho.

Utilice el análisis de cohortes para ver el panorama general

Desglosar a sus usuarios por cohortes hace que sea mucho más fácil ver tendencias, tomar medidas.

Si tiene problemas con la rotación, no se abrume analizando a la vez toda su base de clientes. Mira analizarlo por cohorte en su lugar. Identifique los problemas dentro de esas cohortes, realice cambios y mida los resultados.

Con el tiempo, debería comenzar a ver una mejora en su rotación como un todo.