As empresas estão constantemente em busca de táticas úteis que melhoram o desempenho e os resultados da sua marca. Existem muitas maneiras, mas a que eu mais utilizo é a analise Cohort. A analise cohort otimiza o desempenho e os resultados da empresa gerando informações perspicazes e conselhos acionáveis para melhorar a aquisição, retenção e monetização.
Por definição, um cohort é um grupo de pessoas que possuem uma característica comum durante um período de tempo. Por exemplo, pessoas nascidas entre 1972 e 1988 que foram atingidas por raios são uma coorte.
No entanto, como estamos falando de análise de cohort, precisaremos ser um pouco mais específicos sobre o tipo de cohort que estamos interessados em rastrear. Para produtos digitas, uma cohort é um grupo de usuários que executaram uma ação ou conjunto de ações em comum durante um período específico em seu site ou aplicativo.
Para analisar os resultados, em vez de considerar todos os seus usuários como uma única unidade, a análise de cohort os divide em grupos. Ao analisar os diferentes comportamentos entre essas cohort, o gerentes de produtopode identificar padrões em vários pontos do ciclo de vida do cliente. Esses padrões ajudam a orientar as decisões do produto para atender às necessidades do usuário com mais eficiência e melhorar a experiência do usuário.
Os cohort mais utilizados pelo time de produto são:
- Inscrições para o free trial nos últimos 30 dias;
- Clientes pagantes em maio;
- Novos usuários adquiridos através de anúncios nas redes sociais;
O ponto mais importante é que a análise de cohort permite que os gerentes de produto façam uma pergunta muito específica, analisem apenas os dados relevantes e tomem medidas.
Abaixo vou listar 7 maneiras a análise cohort otimiza o desempenho da empresa e do produto.
7 maneiras o cohort otimiza o desempenho da empresa
1. Efeitos de comportamentos únicos
Identificar os usuários pelas ações individuais que eles executam é vital para a retenção. O uso dessas informações mostra uma imagem inestimável dos usuários e sua jornada com o seu produto. Por exemplo, jogos online são um setor que está constantemente analisando o comportamento do usuário para melhorar o UX.
Os jogos são um ótimo caso de uso, porque as empresas de jogos estão tentando entender o UX em uma plataforma móvel versus outra. Ao medir a retenção de coortes no Android e no iOS, por exemplo, eles podem identificar pequenas diferenças e ajustar as experiências com base no sistema operacional que está sendo usado para impedir que os jogadores churnem prematuramente.
Outro exemplo, a ABA English, com versões para desktop e móvel de seu aplicativo. Por meio de pesquisas de cohort, seus analistas perceberam que os alunos chegavam a um determinado ponto da lição e depois desistiam, para nunca mais voltar. Para entender o porquê, criou duas coortes: usuários primários de desktop e usuários móveis primários.
A empresa então percebeu que não era uma pergunta ou desafio difícil, mas um bug na interface do usuário que impedia o botão “pular” de aparecer no aplicativo móvel. Ele conseguiu identificar o problema exato, corrigi-lo e melhorar drasticamente seu UX analisando o comportamento exclusivo do usuário.
2. Testar sua hipótese
Digamos que você acredite que um usuário X executa um comportamento específico que resulta em um aumento nas inscrições para o freemium. Como uma versão muito mais sofisticada do teste A / B, a análise de cohort permite que os gerentes de produto testem uma hipótese de maneira rápida e eficaz e obtenham feedback relevante muito mais rapidamente.
Por exemplo, se você presumir que uma determinada ação executada, como um botão ou pop-up, no seu site ou aplicativo pode ser a chave para aumentar as inscrições de avaliação, você pode definir as cohort por plataforma, demografia, geografia etc. e compare imediatamente os resultados para ver como cada grupo respondeu à referida ação.
Enviar tráfego para uma landins page vs tentar entender os efeitos a longo prazo de usuários que são adquiridos por diferentes canais e interagem por meio de vários pontos de contato são apenas algumas das informações valiosas que podem ser obtidas ao testar sua hipótese com análise de cohort.
O exemplo abaixo mostra os resultados de um teste em que a funcionalidade do produto foi alterada entre diferentes cohort, nesse caso, usuários que usaram 1 vez, grandes contas e outros, para determinar se houve alguma alteração significativa na duração média da sessão e no tempo gasto por usuário.
3. Otimizando o funil de conversão
No exemplo abaixo, um gerente de produtos queria entender como os usuários de diferentes origens de tráfego estavam interagindo com o site. Ao analisar o funil de conversão dividido por origem de tráfego, eles conseguiram determinar que as taxas de conversão para usuários provenientes do Google não estavam sendo convertidas.
Com esse entendimento, eles perguntaram ao time de marketing para identificar a lacuna na experiência do cliente. Acontece que o time de marketing estava testando anúncios de produtos que ainda nem estavam listados no site. (Agora estava explicado porque esse anuncio não estava convertendo).
4. Aquisição de clientes por canal
Uma das principais maneiras de como a análise cohort otimiza o desempenho da empresa, é quando buscamos entender o trafego / conversão por canal. Isso se torna cada vez mais dificil quando os ciclo são mais longos e o usuario passa por varios diferentes canais ao longo da jornada.
Por exemplo, vamos imaginar uma empresa que possui o ciclo de vendas mais longo (3 a 6 meses), que acha dificil entender a eficácia de suas campanhas de marketing e o valor de oportunidades em potencial. Pode buscar ajuda ao time de produto para entender o que esta acontecendo.
Seu objetivo é entender quais campanhas de marketing estão funcionando no mês de lançamento. Ao usar a análise de coorte para segmentar clientes por canal de aquisição, é possivel identificar as diferenças de retenção muito cedo no ciclo de vida.
Os clientes do Facebook e Twitter tiveram uma retenção significativamente maior em um e dois dias, um indicador importante de que essas campanhas podem ser mais eficazes para levar os clientes do momento de ativação do freemium para se tornar um assinantes. Isso lhe permite dobrar seus esforço e recursos nas campanhas que melhor performa.
Dica de leitura: leia mais sobre as PQL e como você pode criar o momento de ativação e de engajamnto dos usuarios com sua plataforma / site.
5. Monetização
Fazer com que os clientes existentes paguem mais é uma preocupação considerável para os gerentes de produto. A chave para uma monetização bem-sucedida é identificar os comportamentos associados aos usuários com maior probabilidade de conversão.
As empresas on-line de hoje, especialmente em SaaS e jogos digitais, perceberam que é muito mais fácil atrair os usuários em um modelo de precificação free ou free trial e depois converte-los para planos pagos.
Em uma estratégia como essa, os gerentes de produto precisam analisar o comportamento dos usuários que fizeram o upgrade imediatamente antes do ponto em que converteram. É comum descobrir que os usuários atingem uma barreira específica na funcionalidade de um produto que os leva a atualizar. Por exemplo: chegaram ao limite de usuários, ou no limite de alguma moeda virtual.
Ao rastrear e armazenar todas as ações comportamentais dos usuários que convertem de grátis para pago, você pode identificar exatamente quais ações em seu produto estão levando a conversões bem-sucedidas e torná-las features de destaque na experiência do cliente.
6. Analise o tempo dos usuários para executar as ações desejadas
Analisar seus melhores clientes produz informações de retenção e conversão. Essas informações permitem melhorar continuamente o tempo necessário para um usuário executar a ação desejada.
Por exemplo, as Fintechs, são conhecidas por sua cultura competitiva e tem muito a ganhar com a análise de cohort comportamental. Sua natureza é inerente ao engajamento de longo prazo fornece o ambiente perfeito para analisar comportamentos apropriados e criar padrões de usuário.
Ao examinar suas cohort, essas empresas podem segmentar os usuários por comportamento que concluem certas ações desejadas e se essas ações resultaram em retenção ou churn. Essas informações oferecem a oportunidade de melhorar os ciclos de retenção e engajamento do cliente.
7. Melhorar a retenção
Digamos que você tenha um canal com baixo desempenho que, com a melhoria, possa obter taxas de retenção maiores. A segmentação de usuários por diferentes canais é benéfica quando o objetivo é aumentar a retenção.
As empresas SaaS geralmente lançam novos produtos e melhorias enquanto usam análises para fornecer informações críticas sobre churn / retenção. A análise de cohort permite às empresas separar e analisar os usuários por aqueles que se inscreveram após o lançamento ou atualização de um novo produto, detalhando diferenças fundamentais de comportamento.
A análise de cohort é uma ferramenta poderosa para as empresas entenderem o comportamento de seus clientes, a fim de aumentar a aquisição, retenção e monetização de usuários. (leia mais sobre as métricas piratas e como a análise cohort otimiza o desempenho dessas métricas)
Com a plataforma certa para reunir e analisar o comportamento do usuário, você pode aumentar as taxas de retenção em canais com baixo desempenho e colocar recursos mais abrangentes nos canais que produzem. Resultando na identificação de padrões e tendências do usuário que são oportunidades perdidas.
Dica final: Ferramentas para fazer analise cohort com facilidade – Mixpanel e Amplitude.