Como usar a Análise de Cohort para Medir a Retenção de Clientes

Reading Time: 12 minutes

O verdadeiro sucesso do marketing não é permitir uma única venda transacional, mas construir um relacionamento com o cliente que se estenda pelo maior tempo possível. Isso torna a retenção de clientes uma meta de alta prioridade para qualquer profissional de marketing. 

Por que os profissionais de marketing devem se concentrar na retenção de clientes como uma métrica para medir o sucesso do marketing?

Existem muitas razões pelas quais sua marca deve se concentrar em uma forte estratégia de retenção. Para começar, a aquisição de novos clientes é cinco vezes mais cara quando comparada ao custo de reter os clientes existentes. Além disso, as empresas com baixa adesão do cliente logo ficam sem novos clientes e acabam caindo em uma espiral de queda com retornos negativos. 

No entanto, nesta era de escolhas abundantes e fidelização de clientes fugaz, como sua empresa pode garantir a retenção de clientes? As técnicas de análise de dados, como a análise de cohort, podem ajudar? Essa é a premissa deste blog.

O que é uma Análise de Cohort?

Para aumentar a retenção de clientes, você deve identificar o que faz com que os clientes existentes permaneçam. Existem muitas técnicas de análise disponíveis hoje que podem ajudá-lo com isso. O aumento múltiplo no poder de computação, a análise avançada e o progresso na ciência comportamental tornaram possível que as empresas criassem novas maneiras de reter seus clientes. A análise de cohort é uma delas. 

Cohort é um grupo de usuários que compartilham uma característica comum durante um determinado período de tempo. A análise de cohort é o estudo das características comuns desses usuários durante um período específico.

A internet está inundada com centenas de definições de análise de cohort. Todas elas dificultam o entendimento disso para o profissional de marketing. Para complicar as coisas, há um uso intenso de jargões como cohorts, segmentação RFM, curvas de deslocamento e muito mais.

É informação demais?

Aqui está um exemplo para ajudá-lo a entender melhor a análise de cohort.

Vejamos um grupo de usuários que se inscreveram no seu aplicativo para dispositivos móveis no mês de setembro. A análise de cohort para retenção ajuda você a entender quantos clientes continuam sendo usuários ativos nos dias/semanas/meses seguintes 

Na tabela acima, você verá que a primeira coluna mostra os dias do mês de setembro de 2019. A coluna intitulada ‘Usuários’ mostra os usuários do aplicativo baixado para aquele dia. As colunas adjacentes com os números em porcentagens indicam a porcentagem de usuários que usam o aplicativo nos dias seguintes desde o dia em que instalaram o aplicativo. A linha superior com números em negrito indica os valores médios. 

Se a ferramenta de análise que você está usando for compatível, você também poderá esmiuçar mais detalhes demográficos do usuário, como sexo, localização, idioma, usuário do dispositivo, plataforma de sistema operacional móvel e muito mais. 

Agora, qualquer análise precisa ter uma direção específica para produzir conclusões significativas. Na análise de cohort, isso pode ser alcançado com dois tipos diferentes de análises.

Tipos de análise de cohort

Existem dois tipos de análise de cohort:

1. Cohort de aquisição
2. Cohorts comportamentais

Cohorts de aquisição

Essa cohort divide os usuários com base em quando eles foram adquiridos ou se inscreveram em um produto. Dependendo do seu produto, a aquisição de usuários pode ser rastreada diariamente, semanalmente ou mensalmente. 

Por exemplo, um app de celular de consumidor para produtividade pode rastrear seus cohorts de aquisição diariamente. Por outro lado, um app de celular B2B com um grupo de usuários focado se concentraria na aquisição mensal.

Cohort Comportamentais

As cohort comportamentais agrupam os usuários com base nas atividades que eles realizam no aplicativo durante um determinado período de tempo. 

Por exemplo, usuários que compartilham fotos usando links do Google Photos em um determinado dia.

O período de tempo, novamente, varia de aplicativo para aplicativo. Para um aplicativo de compartilhamento de fotos, um dia é um bom prazo. Para um aplicativo de plataforma de investimento online, 3 meses seriam mais apropriados para observar o comportamento do usuário. 

Por quê usar análise de cohort?

A análise de cohort é uma maneira melhor de analisar os dados. Sua aplicação não se limita a um único setor ou função. Por exemplo, as empresas de comércio eletrônico podem usar a análise de cohort para identificar produtos com maior potencial de crescimento de vendas. No marketing digital, a identificação de páginas da Web com bom desempenho com base no tempo gasto em sites, conversões ou inscrições, pode ajudar. No marketing de produtos, essa análise pode ser usada para identificar o sucesso do índice de adoção de recursos e também para reduzir os índices de churn.

A análise de cohort é amplamente utilizada nas seguintes verticais:

• eCommerce 
• Mobile Apps 
• Software em nuvem 
• Marketing Digital
• Jogos online
• Segurança de website

Em todos esses setores, a análise de cohort é comumente usada para identificar as razões pelas quais os clientes saem e o que pode ser feito para impedi-los de sair. Isso nos leva ao cálculo do Índice de Retenção de Clientes (CRR).

O índice de retenção de clientes é calculado com a ajuda desta fórmula CRR = ((E-N)/S) X 100

A fórmula possui três componentes:

• E – O número de clientes no final do período de tempo. 
• N – O número de clientes adquiridos durante esse período. 
• S – O número de clientes no começo (ou início) do período. 

Para medir a retenção de clientes, encontramos a diferença entre o número de clientes adquiridos durante o período e o número de clientes restantes no final do período. Isso dá uma imagem real dos clientes retidos. Para encontrar a porcentagem desses clientes que foram retidos desde o início, dividimos o resultado pelo número de clientes no início. Isso dá o índice de retenção de clientes.

Um CRR mais alto significa maior fidelidade do cliente. Ao comparar sua CRR de negócios com a média do setor, você pode ver onde está em termos de retenção de clientes. Se o CRR apresentar um cenário sombrio, medidas corretivas podem ser tomadas com a ajuda da análise de dados – é aqui que a análise de cohort pode ajudar.

Use a Análise de Cohort para Medir a Retenção de Clientes

“Em Deus, nós confiamos. Todos os outros tragam dados.» Se você acredita nesta citação popular de W. Edwards Deming, a análise de cohort vai atiçar o profissional de marketing que existe em você. A análise de cohort aponta para um processo de tomada de decisão orientado por dados.

Como profissional de marketing, você estaria envolvido em várias tarefas, como executar campanhas, ajustar o processo de integração do cliente, introduzir novos recursos de produtos e assim por diante. A análise de cohort ajuda a avaliar o sucesso de cada uma dessas atividades.

Também apresenta vários benefícios que ajudarão você a ter melhor desempenho como profissional de marketing. Alguns desses benefícios da análise de cohort incluem:

• Prevendo o comportamento futuro do usuário com dados atuais
• Identificar recursos, atividades ou mudanças que retêm clientes 
• Planejamento proativo para atividades de engajamento do cliente com base na adoção de recursos 
• Colocar em prática um sistema de marketing não intrusivo que seja puramente orientado por dados. 

Todas essas atividades individuais e coletivas ajudam a maximizar a retenção de clientes.

Realizar análise de cohort usando o Google Analytics

O Google Analytics é a ferramenta preferida de qualquer profissional de marketing para mineração de dados sobre o tráfego do site, as principais métricas e também as conversões. Ele também possui uma excelente oferta de análise de cohort (no modo beta agora) que você pode usar mesmo se não for um usuário avançado do GA.

Para começar com uma análise de cohort usando o Google Analytics, vá para AUDIENCE > Cohort analysis.

Na parte superior do relatório, você encontrará várias configurações de cohort que podem ser ajustadas para gerar o relatório de cohort. As configurações que você pode ajustar incluem tipo de cohort, tamanho de cohort, métrica e intervalo de datas.

Aqui está o que cada um desses termos significa:

• Tipo de Cohort: O grupo de clientes/dados que você deseja analisar. Atualmente, o Google Analytics oferece apenas um tipo de cohort – Data de aquisição, que é a primeira vez que o usuário interagiu com seu recurso.
• Tamanho da Cohort: O tamanho da cohort refere-se ao período de tempo para o qual você deseja que a análise de cohort seja feita. Pode ser um dia, uma semana ou um mês.
• Range de Datas: O período de tempo para o qual você deseja fazer a análise de cohort é definido no intervalo de datas. O Google Analytics oferece os intervalos de datas de um mês, “últimos 2 meses” e “últimos 3 meses».
• Métrica: O relatório de análise de cohort pode ser focado em métricas específicas por usuário. A métrica padrão definida no Google Analytics é a retenção de usuários. Outras métricas que você pode escolher incluem:
• Conclusões de meta por usuário
• Visualizações de página por usuário
• Receita por usuário
• Duração da sessão por usuário
• Sessões por usuário
• Transações por usuário

Dica: Para aproveitar ao máximo a análise de cohort, adicione mais segmentos à análise. Por exemplo, você pode identificar de onde vem a maioria de seus usuários adicionando segmentos de site/celular.

Análise de cohort usando o MoEngage Analytics é fácil

Executar uma análise de cohort usando a plataforma Analytics da MoEngage é muito simples. A interface do usuário é intuitiva e você só precisa selecionar apenas os eventos que deseja analisar. MoEngage Analytics é uma ferramenta poderosa em termos de análise que pode ser derivada por meio de cohorts. 

Para começar uma análise de cohort usando MoEngage Analytics, siga essas etapas.

Faça login no painel do MoEngage e clique em Analytics -> Cohorts no painel de navegação à sua esquerda. Você verá a tela conforme mostrado abaixo.>

No topo desta página, você encontrará opções para Seleção de Eventos, Intervalo de Datas e Funcionalidade de Divisão. A Seleção de Eventos determina a análise e os insights que você obterá do relatório. 

Dica: Ao contrário do Google Analytics, o MoEngage permite selecionar os eventos desejados para realizar a análise de cohort.

Veja o que cada um desses termos significa:

Primeiro Evento e Evento de Retorno: Selecione ‘Primeiro Evento’ para incluir a base de usuários na qual a análise será executada. Selecione ‘Evento de Retorno’ para especificar a ação do usuário que determina retenção, churn, atividade, tempo de execução, etc.

Range de Datas: O período de tempo para o qual você deseja fazer a análise de cohort é definido no intervalo de datas.

Dica MoE: O Google Analytics oferece os intervalos de datas de um mês, dos últimos 2 meses e últimos 3 meses. No entanto, com a MoEngage, você pode escolher um período de tempo personalizado para o cohort.

Compare Cohorts: Você pode comparar diferentes cohorts para um atributo específico. Por exemplo, você pode comparar cohorts em diferentes cidades, plataformas de dispositivos móveis, categorias, tipos de produtos e muito mais.

Tipos de Cohorts

Cohorts de Retenção:

Cohorts de retenção podem ajudar você a entender a porcentagem de usuários que foram retidos em seu aplicativo até o dia definido. Isso inclui usuários que realizaram o Evento de Devolução até o dia selecionado ou mais tarde.

Cohorts de Visitas de Retorno:

As Cohorts de visitas de retorno indicam a porcentagem de usuários que retornaram ao seu site/aplicativo em um dia específico. Isso também pode ser entendido como o percentual de usuários que estiveram ausentes do aplicativo/site até o dia selecionado.

Como ler uma Tabela de Cohorts

Uma tabela de cohorts será semelhante à tabela periódica de elementos. Exceto que em uma tabela de cohort, em vez de elementos químicos, cada linha e coluna abriga um valor que ajuda a chegar a uma conclusão.

Numa tabela de cohort geralmente se lê uma coluna ou uma linha de cada vez para uma interpretação significativa. A maioria dos usuários de análise de cohorts usa codificação de cores para distinguir células com base em seu valor. 

Por exemplo, vejamos a cohorts de retenção abaixo de um aplicativo. A tabela abaixo mostra os dias do mês de setembro de 2019 na Coluna 1. O número de usuários instalados no aplicativo é mostrado na segunda coluna intitulada ‘Usuários’ D0, D1, D2… correspondem ao número de dias desde que o usuário instalou um aplicativo. Você pode fazer uma análise de cohorts observando a coluna do dia e a porcentagem apresentada nela, de cima para baixo. 

Para manter a visualização de dados simples e identificar áreas problemáticas, uma tabela de cohorts usa codificação de cores. Normalmente, vários tons da mesma cor são usados para denotar como os valores flutuam do máximo para o mínimo. 

Vamos voltar ao exemplo de quantos usuários continuam a usar o produto nos dias subsequentes. Em um mundo ideal, 100% dos clientes que se inscrevem deveriam permanecer usuários ativos. Infelizmente, no mundo real, os clientes continuam desistindo. 

Você pode usar a análise de cohorts para identificar os dias em que a queda foi significativa. A queda pode ser rastreada até atividades específicas realizadas durante o mês. 

Agora vamos ler a tabela de análise de cohorts mostrada abaixo.

Insights desta tabela de cohorts:

• usuários que instalaram o aplicativo em 06 de setembro de 2019, 35,89% dos usuários estão ativos até o Dia-1 Esse percentual continua a diminuir nos próximos dias. 

Análise de cohorts e análise de churn são a mesma coisa?

1. A análise de cohorts e a análise de churn ajudam sua empresa a fazer uma coisa: entender os clientes. Mas, eles são diferentes um do outro de várias maneiras. 

As Métricas para Focar ao usar uma Análise de Cohort para Retenção de Clientes

Há muita informação envolvida quando você deseja analisar a retenção de clientes. A análise de cohort ajuda a destacar algumas métricas que realmente importam. Algumas dessas métricas incluem:

Índice de Repetição: Não há outra métrica que se destaque em provar um sucesso na retenção de clientes. O índice de repetição é a parcela de clientes que fazem transações com sua empresa repetidamente em comparação com cohorts que terminam com uma única compra. 

Pedidos por Cliente: Intimamente ligada ao índice de repetição está a métrica de pedidos por cliente. Mais pedidos que os clientes fazem indicam um forte índice de retenção. 

Tempo Entre Pedidos: O tempo entre pedidos sucessivos é uma métrica subjetiva a se medir. Dependendo do tipo de produtos/serviços que sua empresa oferece, o prazo pode ser em horas ou mesmo em meses. Essa métrica pode ser usada para criar e-mails de reativação que manterão o índice de repetição alta

Valor Médio de Pedido (AOV): A métrica AOV ajuda a identificar cohorts de alto valor que podem ser direcionadas especificamente para campanhas de marketing. Isso ajuda a eliminar gastar muito tempo em cohorts com baixo AOV. 

Como Aproveitar a Análise de Cohort para Maximizar a Retenção de Clientes

A análise de cohort pode fornecer insights sobre muitos traços comportamentais de seus clientes. Juntar todos os pontos do comportamento e planejar campanhas de marketing para retenção de clientes pode ser demais para qualquer profissional de marketing. O segredo é dividi-la em várias campanhas – cada uma com um objetivo específico – para que a soma de todos os esforços resulte em aumentar a retenção de clientes.

Aqui estão algumas estratégias que você pode tentar depois de receber dados da análise de cohort:

1. Ajuste a jornada do usuário: Na maioria das vezes, embora nem sempre, seus usuários poderiam desistir quando a jornada do usuário se torna difícil. A análise de cohort pode identificar a junção exata na jornada do usuário quando eles desistem. A jornada do usuário pode ser simplificada para fazer com que fiquem mais tempo.
2. E-mails de reativação do plano: Os e-mails de reativação realizam a tarefa de provocar suavemente os clientes quando eles estiverem prontos para a próxima compra. Métricas como intervalos de tempo entre duas compras ajudam no planejamento adequado das campanhas de gotejamento de reativação para manter os clientes informados.
3. Ofertas direcionadas: A análise de cohort pode mostrar que tipo de clientes compram mais e o que eles mais compram. Esses dados podem ser usados para criar ofertas direcionadas, cupons, frete grátis etc. que ajudarão a reter os clientes existentes.
4. Introduzir programas de fidelidade: O uso de pontos de fidelidade, recompensas e sistemas de gamificação semelhantes para retenção de clientes são populares entre os profissionais de marketing. Mas, o desafio de introduzir esses programas de fidelidade é identificar o conjunto certo de clientes que são leais e que permanecerão leais por um determinado período de tempo. Com a análise de cohort, você pode restringir o conjunto exato de clientes que podem ser retidos por mais tempo com programas de fidelidade.

A análise de cohort é uma maneira melhor de analisar os dados. Mas, para implementá-la com sucesso, você precisa de uma plataforma de marketing poderosa. Uma única plataforma onde você possa compilar dados, analisá-los usando análise de cohort e agir de acordo com esses insights. É a MoEngage.

MoEngage: Uma plataforma inteligente que ajuda você a reter clientes para sempre

A MoEngage é uma Plataforma de Engajamento de Consumidores inspirada por Insights que ajuda as empresas a automatizar e aumentar seus esforços de marketing. A análise integrada da MoEngage oferece suporte à análise de cohort para vários cenários, como lançamento de aplicativos, tráfego de sites, campanhas de marketing e assim por diante.

O que distingue a Análise de Cohort da MoEngage das outras plataformas existentes?

O Cohort da MoEngage capacita as empresas com dados que ajudam a medir e impulsionar a retenção de usuários. Você obterá benefícios específicos usando a MoEngage, como:

1. A representação virtual de dados: Você não precisa percorrer linhas e colunas de dados para entender o comportamento do seu cliente. A MoEngage dá uma olhada em sua análise de cohort em um formato gráfico que não requer interpretação adicional.
2. Código de cores para fácil interpretação: Há também os relatórios de tabela de cohort graduados por cores, onde você pode ver dados tabulados de retenção ou visitas de retorno. Se necessário, você também pode detalhar as visitas por hora, semana ou mês para entender melhor o comportamento do usuário. 

3. Baixe e reutilize em qualquer lugar: Os dados se tornam mais poderosos quando circulam. A MoEngage Analytics permite baixar os relatórios de análise de cohort em forma de gráfico ou baixá-los como um arquivo PNG/CSV para compartilhamento. 

Saiba mais sobre as Cohorts MoEngage aqui.