Kohortová analýza zákazníků Shopify seskupuje zákazníky podle společného výchozího bodu, například měsíce prvního nákupu, a sleduje, co následuje. Může odhalit rozdíly skryté v průměru za celý obchod. U každé skupiny porovnávejte stejně dlouhou dobu od jejího vstupu: kohortu, která měla šest měsíců na další nákup, nelze férově srovnat se skupinou, která měla jen dva.
Zvolte jasnou výchozí událost
Častým základem je měsíc prvního nákupu nebo období přihlášení k odběru. Definici zachovávejte stejnou a v průběhu analýzy ji neměňte. Poznamenejte významné okolnosti, například rozsáhlou akviziční nabídku nebo neobvyklé uvedení produktu.
Pomocí zákaznických dat a segmentů Sendvio uspořádejte skupiny, které dokážete spolehlivě určit. Z označení kohorty nevyvozujte podrobné motivace. „První nákup v listopadu“ je skutečnost; tvrzení „nakupuje pouze ve slevách“ je mnohem silnější a vyžaduje další důkazy.
Kohortu definujte jednou a zachovejte původní skupinu
U kohorty založené na prvním nákupu zaznamenejte, která objednávka splňuje podmínky prvního nákupu a jak definici ovlivní storna nebo vratky. Počet zákazníků při vstupu ponechte viditelný. Změna výchozí skupiny po zhlédnutí výsledků může slabou kohortu zdánlivě vylepšit pouhým vyřazením nepohodlných záznamů.
Doplňte souvislosti, jako hlavní kategorii produktů, zdroj akvizice nebo nabídku, ale nerozdělujte skupiny tak úzce, aby každé srovnání obsahovalo jen několik lidí. Začněte otázkou, na kterou potřebujete odpověď, a přidejte pouze rozdíly, které pomáhají výsledek vyložit. Samotné označení měsíce nevysvětluje, proč se zákazníci chovali odlišně.
Používejte spolehlivá zákaznická a objednávková data. Je-li třeba, exportujte je a analyzujte vhodným postupem. Nepředpokládejte, že název segmentu automaticky obsahuje veškerou historickou informaci potřebnou pro kohortovou analýzu.
Dejte každé skupině stejně dlouhý čas
Skupina, která začala před šesti měsíci, měla více příležitostí k dalšímu nákupu než ta z minulého týdne. Porovnávejte výsledky za stejnou dobu od vstupu, například za přesně určený počet dnů po prvním nákupu.
Používejte jasně definované ukazatele: míru druhého nákupu, dobu do další objednávky, tržby na zákazníka při vstupu nebo relevantní zapojení. S vratkami a storny zacházejte jednotně. Pokud se přirozené intervaly doplnění zásob výrazně liší, oddělte kategorie produktů.
Porovnávejte stejný čas od vstupu
Představme si lednovou kohortu 200 nových zákazníků, z nichž 40 uskuteční druhý nákup do 60 dnů. Podle této definice jde o míru 20 %. Z únorové kohorty 300 nových zákazníků jich ve stejných 60 dnech nakoupí znovu 45, tedy 15 %. Vedle procent uvádějte počty a před označením rozdílu za stabilní zvažte nejistotu.
Skupinu, která vstoupila teprve před 20 dny, zatím nelze hodnotit podle šedesátidenního výsledku. Ponechte výsledek neuzavřený, nebo porovnejte kratší období, které už mají za sebou všechny kohorty. Zákazníky neoznačujte za ty, kteří se nevracejí, jen proto, že ještě neměli stejnou příležitost.
Proměňte vzorec v užitečnou otázku
Pokud se jedna kohorta vrací méně často, prověřte příslib při získání kontaktu, zkušenost s produktem a následnou zákaznickou cestu. Nepředpokládejte, že rozdíl způsobila uvítací zpráva, pokud se změnily také produkty nebo podmínky slevy.
Poznatky využijte k naplánování cíleného zlepšení a sledujte další srovnatelnou skupinu. Kohortová analýza pomáhá tím, že zachovává časové i obchodní souvislosti. Měla by ukázat, kde zákazníci potřebují lepší zkušenost, ne bez podkladů proměnit každý rozdíl v sebejisté vysvětlení.
Rozdíly zkoumejte v obchodním kontextu. Zkušenost kohorty mohla změnit výrazná sleva, nedostupné zásoby, nová skladba produktů nebo pomalejší doprava. Změnilo-li se několik okolností, výsledek neodděluje vliv uvítací zprávy ani jiného jednotlivého kontaktu. Vzorec použijte k cílenému šetření nebo budoucímu testu.
Podle potřeby sledujte víc než procento druhých nákupů: dobu do návratu, tržby či příspěvek na zákazníka při vstupu, vratky i opakující se témata dotazů na podporu. Praktický závěr by měl pojmenovat zkušenost, kterou lze zlepšit, například srozumitelnější pokyny k prvnímu použití nebo vhodnější interval doplnění zásob. Kohorty pomáhají porovnávat období férově; samy z popisného rozdílu nedělají důkaz příčiny.