Kohortní analýza zákazníků: proč porovnávat skupiny ve stejném věku

Novější zákazníci měli méně času na opakovaný nákup než starší. Porovnávat jejich celkové dosavadní tržby proto může být zavádějící. Kohortní analýza seskupí zákazníky podle jasného společného začátku a sleduje jejich vývoj ve stejném věku. Díky tomu odděluje změnu kvality získaných zákazníků od pouhého růstu počtu nových nákupů.

Co přesně znamená kohorta

Kohorta je skupina vymezená společnou událostí nebo obdobím. U e-shopu může zahrnovat zákazníky s prvním dokončeným nákupem v lednu. U jiné služby může začátkem být aktivace, první platba nebo podpis smlouvy. Tuto volbu stanovte před srovnáváním.

Dokumentace zákaznických přehledů Shopify popisuje kohorty podle prvního nákupu a následná období od této události. Používáme princip stejného věku skupin, nikoli konkrétní výsledky platformy. Náš model dále rozlišuje měsíční aktivitu a kumulované příspěvky. Identita zákazníka musí být konzistentní: dva účty stejné osoby mohou rozdělit historii, zatímco sdílený účet může spojit různá chování.

Kalendářní čas a věk zákazníka

Řádek tabulky označuje měsíc získání, sloupec počet období od začátku. Lednová kohorta v měsíci dvě a únorová kohorta v měsíci dvě mají stejný analytický věk, ale mohou se nacházet v jiném kalendářním měsíci.

To je důležité pro spravedlivé srovnání, ale neodstraní každou sezónnost. Vánoční nabídka může ovlivnit jeden věk jiné kohorty než letní prodej. U významného výsledku zkontrolujte také kalendářní kontext a produktový mix. Porovnání stejného věku řeší rozdíl dostupné doby pozorování, nikoli automaticky příčinu změny. Na grafu by mělo být patrné, zda sloupce znamenají kalendářní měsíc, nebo období od prvního nákupu.

Model měsíční nákupní aktivity

Lednová kohorta má sto zákazníků a v prvním dalším měsíci nakoupí třicet. Měsíční nákupní aktivita je třicet procent. Únorová má dvě stě zákazníků a ve stejném věku nakoupí padesát. Aktivita je dvacet pět procent.

Únor přinesl více opakovaně nakupujících v absolutním počtu, ale menší podíl původní skupiny. Obě informace jsou správné. Počet nestačí k hodnocení retence a samotné procento nestačí k popisu celkové velikosti obchodního přínosu. Zobrazujte proto základ i poměr.

Měsíční aktivita a alespoň jeden návrat

U nákupního podnikání nemusí zákazník nakupovat každý měsíc. Pokud v měsíci jedna nakoupí třicet ze sta a v měsíci dvě dvacet, nelze automaticky říct, že se vrátilo padesát lidí. Někteří mohou být v obou skupinách.

Když deset zákazníků nakoupilo v obou měsících, alespoň jeden návrat v těchto dvou obdobích má čtyřicet unikátních zákazníků. Měsíční podíly jsou třicet a dvacet procent, kumulovaný podíl návratu čtyřicet. Název metriky musí odlišit aktivitu konkrétního měsíce od návratu kdykoli do daného věku. Nezaměňujte tyto výsledky ani s churnem a retencí předplatného, které mohou používat jinou definici aktivity.

Objednávky a zákazníci mají jiný jmenovatel

Třicet nakupujících může vytvořit čtyřicet pět objednávek. Pokud kohorta začínala se sto zákazníky, počet objednávek na původního zákazníka je 0,45. Na právě aktivního zákazníka vychází 1,5. Tyto poměry odpovídají rozdílným otázkám.

První údaj zachycuje intenzitu celé původní skupiny, druhý intenzitu lidí, kteří se v období skutečně zapojili. Použití pouze aktivního jmenovatele může skrýt ztrátu části zákazníků. Vedle frekvence sledujte průměrnou hodnotu objednávky a příspěvek. Silná frekvence s nízkou marží může vytvořit jiný ekonomický výsledek než méně časté hodnotné nákupy. Identické tržby proto nemusí znamenat stejnou kvalitu kohorty.

Neúplné buňky nepatří mezi nuly

Nová kohorta ještě nemá dokončené budoucí měsíce. Prázdná buňka znamená nepozorované období, nikoli nulový výsledek. Zahrnutí takové buňky do průměru by nové skupiny nespravedlivě zhoršilo.

Stejně opatrně zacházejte s probíhajícím měsícem. Deset dnů nákupů není přímo srovnatelných s dokončeným měsícem. Označte uzavřená období a používejte stejnou metodu. Když chcete rychlejší orientaci, lze porovnat prvních třicet dnů od události, pokud máte dostatečně přesná data a jednoznačné časové hranice. Takový interval ale není vždy stejný jako kalendářní měsíc nula. Definici uveďte u tabulky a držte ji při aktualizacích.

Kumulovaný příspěvek na původního zákazníka

Modelová kohorta sta zákazníků vytvoří v počátečním období příspěvek dvacet tisíc, v dalším šest tisíc a v následujícím čtyři tisíce. Kumulovaný příspěvek je třicet tisíc, tedy tři sta korun na původního zákazníka.

Nejde o průměr pouze mezi lidmi, kteří se vrátili. Původní základ musí zůstat stejný. Příspěvek zde vymezujeme před původním akvizičním nákladem, po relevantních nákladech obsluhy a opakovaného prodeje. Pokud akvizice celé skupiny stála dvacet pět tisíc, dosavadní rozdíl je pět tisíc před fixním provozem. Unit economics objednávky pomáhá určit konzistentní tok, který lze do kohortní tabulky převést.

Akvizice a čas návratnosti

Kohortní přehled propojte s nákladem získání dané skupiny. Modelových dvacet pět tisíc proti stu nových zákazníků dává CAC dvě stě padesát. Pozorovaný kumulovaný příspěvek dvě stě korun v období nula jej ještě nepokrývá.

Po dalším příspěvku šedesát korun na původního zákazníka činí součet dvě stě šedesát, a vymezený akviziční náklad je v tomto modelu pokryt. CAC payback měří právě dobu do takového bodu. Vyšší konečný příspěvek může přijít později a vyžadovat více provozních peněz. Neposuzujte kvalitu zákazníka pouze celkovým očekávaným výsledkem bez času, ve kterém se prostředky vrátí.

Pozorování a projekce držte odděleně

Dosavadní tok je zjištěný pro dostupná období. Budoucí hodnota vychází z předpokladů o aktivitě, cenách a nákladech. Pokud projekci vložíte do stejné barvy jako skutečnost, čtenář může očekávání zaměnit za realizovaný výsledek.

LTV/CAC využívá dlouhodobější hodnotu zákazníka, ale potřebuje vysvětlený horizont a metodu. Model založený na krátké historii může být citlivý na jeden mimořádně silný měsíc. Ukažte dostupná pozorování, základní projekci a méně příznivou variantu. Pokud nová kohorta změnila produkty nebo akviziční kanál, starší křivka nemusí být vhodnou kopií. Aktualizace má opravovat předpoklad, nikoli maskovat odchylku.

Vážený průměr a velikost vzorku

Průměr třiceti a dvaceti pěti procent je 27,5 procenta, ale neodpovídá společnému zákaznickému základu našeho příkladu. Celkem se vrátilo osmdesát lidí ze tří set, tedy asi 26,67 procenta. Různé velikosti kohort vyžadují vážení.

Malá skupina může také vykazovat výrazné náhodné změny. Pokud z deseti zákazníků nakoupí tři, jeden další nákup posune poměr o deset procentních bodů. Takový pohyb neprokazuje stejně silnou změnu celého podnikání. Uvádějte počty a porovnávejte více dokončených období. Segmentace podle kanálu má být dostatečně velká a ekonomicky smysluplná, aby závěr nevyplýval pouze z náhody nebo chybného přiřazení zákazníků.

Vratky mění i kohortní ekonomiku

Pokud počítáte původní objednávky před vrácením, krátká kohorta může vypadat příznivěji než starší s již uzavřenými refundacemi. Při porovnání zohledněte čas potřebný na dokončení tohoto cyklu.

Náklady vratek mají odpovídat stejné definici příspěvku napříč skupinami. Rozhodněte, zda pozdější vratku přiřazujete původní objednávce pro ekonomické hodnocení, nebo datu platby pro cash flow. Oba přehledy mohou být užitečné, ale musí být označené. U zákaznické aktivity stanovte také zacházení s plně vráceným prvním nákupem. Změna metodiky může přesunout začátek kohorty a ovlivnit celé následné srovnání.

Jak převést zjištění do rozhodnutí

Pokles aktivity rozložte podle kanálu, produktu, nabídky a doby získání. Zkoumejte, zda přibylo zákazníků s jednorázovou potřebou, změnila se kvalita obsluhy nebo původní pobídka přilákala jiný typ poptávky. Samotná barevná tabulka příčinu nedokazuje.

U ekonomického výsledku oddělte změnu frekvence, hodnoty objednávky a jednotkového příspěvku. Nápravou může být jiný akviziční mix, lepší produktové informace nebo relevantní nabídka opakovaného nákupu. Vyhodnocujte následně novou kohortu ve stejném věku. Takto přehled pomáhá testovat konkrétní hypotézu místo obecného tvrzení, že zákazníci jsou horší. Výsledek má vést k ověřitelné změně, nikoli pouze k novému grafu.

Změna definice začátku ovlivní celou tabulku

Pokud místo prvního dokončeného nákupu začnete používat registraci, zákazníci se přesunou do jiných období. Nová křivka pak neměří stejnou cestu a nesmí být bez vysvětlení spojena s původní. U významné změny metodiky přepočítejte srovnatelnou historii, pokud to data dovolují, nebo oba přehledy držte odděleně.

Podobný dopad má změna hranic měsíce, časového pásma či pravidel pro plně vrácený první nákup. Vedle každého přehledu uchovejte stručnou definici kohorty a verzi metodiky. Při zhoršení tak nejprve ověříte, zda jde o skutečnou změnu chování, nebo pouze o jiný způsob přiřazení. Tato kontrola často zabrání chybnému zásahu do fungujícího kanálu.

FAQ: nejčastější otázky

Co je kohortní analýza?

Sledování jasně vymezených skupin od společného začátku. Porovnává je ve stejném věku místo pouhých kalendářních součtů.

Jak vytvořit kohortu e-shopu?

Například podle měsíce prvního dokončeného nákupu. Definujte zákazníka, období a zacházení s vratkami.

Je prázdná budoucí buňka nula?

Ne. Znamená zatím nepozorované období. Nepoužívejte ji jako dokončený nulový výsledek.

Lze sečíst měsíční vracející se zákazníky?

Bez deduplikace ne. Stejný člověk může nakoupit ve více obdobích. Kumulovaný návrat používá unikátní zákazníky.

Proč ukazovat velikost kohorty?

Procentní změna malé skupiny může vzniknout jediným nákupem. Počet také určuje správné vážení souhrnu.

Měřit tržby nebo příspěvek?

Obojí řeší jinou otázku. Ekonomická návratnost akvizice potřebuje konzistentně vymezený příspěvek a čas.

Mohu kopírovat starou křivku do projekce?

Pouze jako označený předpoklad s kontrolou srovnatelnosti. Jiný kanál nebo produkt může mít odlišný vývoj.

Co s výsledkem udělat?

Rozložte příčiny, navrhněte konkrétní změnu a vyhodnoťte další srovnatelnou kohortu ve stejném věku.