Kohortanalys är en form av beteendeanalys som tar data från en viss delmängd, till exempel en SaaS-företagsstruktur. Företagsstruktur avser organisationen av olika avdelningar eller affärsenheter inom ett företag. Beroende på ett företags mål och bransch, spel eller e-handelsplattform och grupperar det i relaterade grupper snarare än att se på data som en enhet. Grupperingarna kallas kohorter. De delar liknande egenskaper som tid och storlek.
Företagen använder kohortanalys för att analysera kundbeteende under hela livscykeln Business Life Cycle Business livscykel är utvecklingen av ett företag i faser över tiden och är oftast uppdelat i fem steg: lansering, tillväxt, shake-out, mognad nedgång. av varje kund. I avsaknad av kohortanalys kan företag uppleva svårigheter att förstå livscykeln som varje kund går igenom under en viss tidsram. Företag använder kohortanalys för att förstå kundernas trender och mönster över tid och för att skräddarsy sina erbjudanden om produkter och tjänster till de identifierade kohorterna.
Ett företag ser mycket data komma in dagligen. Att analysera dessa stora datamängder är inte bara komplicerat utan också en dyr uppgift som kräver dedikerad personal. Ett företag kan dock bryta ner kunderna i mer hanterbara och handlingsbara kohorter. När företaget ser trender i hur olika kohorter använder sina produkter kan det identifiera problem i sin marknadsföringsteknik Mervärdet är det mervärde som skapas utöver det ursprungliga värdet av något. Det kan gälla produkter, tjänster, företag, ledning och och avgöra när och hur man bäst kommunicerar med olika grupper eller typer av kunder. Verksamheten använder också de uppdelade uppgifterna för att utforma incitament som kommer att motivera kunderna att fortsätta använda sina produkter när de sannolikt slutar köpa produkterna.
Typer av kohorter att analysera
Kohorter kan grupperas i följande kategorier:
Tidsbaserade kohorter
Tidsbaserade kohorter är kunder som registrerade sig för en produkt eller tjänst under en viss tidsram. Analys av dessa kohorter visar kundernas beteende beroende på när de började använda ett företags produkter eller tjänster. Tiden kan vara månadsvis eller kvartalsvis, beroende på ett företags försäljningscykel. Till exempel, om 80% av kunderna som registrerade sig med företaget under första kvartalet håller fast vid företaget under fjärde kvartalet men bara 20% av kunderna som registrerade sig under andra kvartalet håller fast vid företaget fram till fjärde kvartalet, visar att Q2-kunderna inte var nöjda. Företaget kunde ha överbelastat under andra kvartalskampanjer, annars kan en konkurrent rikta in sig på samma kunder med bättre produkter eller tjänster.
Att analysera de tidsbaserade kohorterna hjälper till att titta på churnhastigheten. Till exempel, om kunder som registrerade sig för företagets produkt 2017 bryter ut snabbare än de som registrerade sig 2018 kan företaget använda dessa uppgifter för att ta reda på orsaken. Det kan vara så att företaget inte följer sina löften, en konkurrent erbjuder produkter av högre kvalitet eller att en konkurrent riktar sig direkt mot dina kunder med bättre incitament. För ett SaaS-företag tenderar churn-räntan att vara hög i början av en viss tidsram och sjunker när kunderna vänjer sig vid produkterna. Kunder som stannar längre hos företaget tenderar att älska produkten och churn i lägre takt än i början av en tidsram. I avsaknad av kohorter kanske ett företag inte identifierar den exakta orsaken till att ett stort antal kunder överger produkterna inom en viss tidsram.
Segmentbaserade kohorter
Segmentbaserade kohorter är de kunder som tidigare köpt en specifik produkt eller betalat för en viss tjänst. Det grupperar kunder efter typ av produkt eller servicenivå som de registrerade sig för. Kunder som registrerade sig för tjänster på grundnivå kan ha andra behov än de som registrerade sig för avancerade tjänster. Att förstå de olika kohorternas behov kan hjälpa ett företag att utforma skräddarsydda tjänster eller produkter för vissa segment.
Ett SaaS-företag kan tillhandahålla olika servicenivåer beroende på målgruppens köpkraft. Att analysera varje nivå hjälper till att avgöra vilken typ av tjänster som passar vissa segment av dina kunder. Till exempel, om kunder på avancerad nivå churnar mycket snabbare än tjänster på grundnivå, är det en indikation på att avancerade tjänster är för dyra eller att tjänster på grundnivå helt enkelt bättre uppfyller de flesta kunders behov. Att förstå vad kunderna letar efter i ett paket hjälper företaget att optimera sina meddelanden för att fokusera på relevanta push-e-postmeddelanden som kunderna kommer att öppna och läsa.
Storleksbaserade kohorter
Storleksbaserade kohorter avser olika storlekar på kunder som köper ett företags produkter eller tjänster. Kunderna kan vara små och nystartade företag, medelstora företag och företag på företagsnivå. Att jämföra de olika kategorierna av kunder baserat på deras storlek visar var de största inköpen kommer ifrån. För kategorier med minst köp kan företaget granska eventuella problem med produkt- och tjänsteerbjudandet och brainstorma områden för förbättringar som kan öka försäljningsnivån.
I en SaaS-affärsmodell slår små och nystartade företag vanligtvis högre takt än företag på företagsnivå. Små och nystartade företag kan ha en liten budget och testa produkter till låga priser för att se vad som fungerar för dem. Företag på företagsnivå har en större budget och tenderar att hålla fast vid en produkt under en längre tid.
Exempel på kohortanalys
Datauppsättningen nedan ger ett slumpmässigt urval av cirka 5 000 kunder från ett fiktivt programvaruföretag. Formlerna tabellerar varje kunds startdatum, samt antalet månader bort från startdatumet som kunden senast var aktiv i företagets programvara. Kohortanalysen nedan är ett underbart verktyg för att skilja mellan olika kohorter baserat på tid. Observera att andra kohortsegment kan dela prov efter andra egenskaper än tid.
Med en snabb blick kan vi se att juli- och decembermånaderna ser bättre retentionsnivåer, där mer än 95% av kunderna stannade fram till fyra månader. Däremot ser de andra månaderna vanligtvis att många kunder stannar bara fram till två månader. Detta beror kanske på en kampanj som företaget drev under dessa månader, vilket ledde till högre retention. Ett exempel är Spotifys sommarkampanjer, där de säljer 3-4 månaders tjänst till ett rabatterat pris.
Å andra sidan ser vi en högre churnhastighet i april, med en enorm mängd kunder som sjunker efter den första månaden. Här kanske det fanns ett problem i mjukvaran som avskräckt ett stort antal kunder.
Kombinera kohorter
Ingen typ av kohortanalys är nödvändigtvis bättre än en annan. Snarare bör företag kombinera två eller flera av dessa segment för att få en djupare förståelse för hur kunderna håller på med sina produkter. Till exempel, om analysen visar att premiumabonnenter registrerar en högre churnränta än basabonnenterna, kan företaget vidta omedelbara åtgärder för att avhjälpa situationen. Om premiumkunder tappar på grund av de höga kostnaderna för produkterna kan företaget se över kostnaderna eller skapa fler incitament för att uppmuntra dem att stanna. Om analysen visar att premiumkunder kontinuerligt söker i hjälpdokumentationen för liknande frågor kan företaget göra en telefon- eller e-postuppföljning för att bättre säkerställa att kunderna hittar en tillfredsställande lösning.
Ladda ner gratismallen
Ange ditt namn och e-post i formuläret nedan och ladda ner gratismallen nu!
Andra resurser
Tack för att du läser Finance guide till kohortanalys. För mer information om ekonomisk analys och modellering kan följande finansresurser vara till hjälp.
- Scenarioanalys Scenarioanalys Scenarioanalys är en teknik som används för att analysera beslut genom att spekulera i olika möjliga resultat i finansiella investeringar. I ekonomisk modellering, detta
- Känslighetsanalys Vad är känslighetsanalys? Känslighetsanalys är ett verktyg som används i ekonomisk modellering för att analysera hur olika värden för en uppsättning oberoende variabler påverkar en beroende variabel
- Finansiell planering och analys (FP&A) Översikt FP&A Analyst Bli FP&A Analyst i ett företag. Vi beskriver lönen, färdigheterna, personligheten och utbildningen du behöver för FP & A-jobb och en framgångsrik finansiell karriär. FP&A-analytiker, chefer och styrelseledamöter ansvarar för att ge chefer den analys och information de behöver
- Gratis ekonomisk modelleringsguide Gratis ekonomisk modelleringsguide Denna finansiella modelleringsguide täcker Excel-tips och bästa praxis om antaganden, drivrutiner, prognoser, länkar de tre uttalandena, DCF-analys, mer
