زمانی که بخواهید رفتار کاربران و میزان وفاداری آنها (Customer Loyalty) به خودتان را در گذر زمان بررسی کنید، یکی از گزارش‌هایی که قطعا به آن نیاز پیدا می‌کنید تحلیل کوهورت (Cohort Analysis) است. البته ممکن است استفاده از متریک‌هایی مثل ارزش طول عمر مشتری (LTV یا CLTV) در ابتدای کار بتوانید کمی خودتان را قانع کنید. اما با گذشت کمی زمان متوجه خواهید شد که به گزارش‌های دقیق‌تری نیاز دارید. شما نیاز دارید بدانید که این کاربران در طول مسیرشان چطور رفتار کرده‌اند و در گذر زمان چقدر ریزش (چِرن – Churn) یا ماندگاری (ریتنشن – Retention) داشته‌اند؛ چرا که یکی از مهم‌ترین کاربردهای تحلیل کوهورت همین بررسی میزان ریتنشن کاربران است. اینجا است که عبارت آنالیز کوهورت را از گوشه و کنار یا در صحبت‌هایتان با دوستان همکار می‌شنوید و چه بسا که با جستجو به به یکی دو مقاله در این زمینه برخورد کنید. صحبت درباره تحلیل کوهورت در ابتدا کمی خسته‌کننده به نظر می‌رسد و نگاه کردن به آن نمودار عجیب و غریب ممکن است حوصله‌تان را در همان ابتدای کار سر ببرد. ولی نگران نباشید؛ قرار نیست حوصله‌تان در ادامه‌ی این مقاله سر برود. بیایید ابتدا درباره این حرف بزنیم که اصلا کوهورت چیست و به چه درد می‌خورد.
کوهورت چیست؟
کوهورت (Cohort) یک روش برای سگمنت کردن (Segmentation) کاربران است. شما به روش‌های متفاوتی می‌توانید کاربران‌تان را سگمنت کنید. ولی زمانی که تصمیم بگیرید کاربران را بر اساس زمان سگمنت کنید، به آن سگمنت از مشتریان یک کوهورت گفته می‌شود. مثلا فرض کنید روی سایت یا اپلیکیشن‌تان ۱۰۰۰ کاربر دارید. از این تعداد کاربر ۳۰۰ عدد در ماه دی، ۵۰۰ عدد در ماه بهمن و نهایتا ۲۰۰ عدد در ماه اسفند ۱۴۰۰ به مشتریان شما اضافه شده‌اند. هر کدام از این دسته‌ها یک کوهورت جداگانه به حساب می‌آیند.
گفتم که در کوهورت باید زمان را مبنای سگمنتیشن قرار دهید. حالا برای این سگمنت کردن باید یک متریک مشخص در نظر بگیرید. به عنوان مثال می‌توانید یوزرهایتان را بر اساس تاریخ خرید، تاریخ ثبت‌نام یا تاریخ لید شدن سگمنت کنید. تمام این موارد و البته موارد مشابهی که از این قاعده پیروی می‌کنند، کوهورت‌های درست و معناداری هستند.اندازه یا سایز هر کوهورت (Cohort Size) چیز دیگری است که باید در نظر گرفت. معمولا کوهورت‌ها را یک‌ماهه در نظر می‌گیریم. اما کوهورت‌های هفتگی و روزانه و ساعتی هم می‌توانند برای بعضی از بیزینس‌ها معنادار باشند. به عنوان مثال شاید برای فروشگاهی که ماهانه ۵۰۰ فروش موفق دارد، استفاده از سایز کوهورت ماهانه جوابگو باشد. اما مثلا برای یک شبکه‌ی اجتماعی مثل فیسبوک یا توییتر که در هر دقیقه چندین و چند ثبت‌نام دارند یا جایی مثل یوتوب که در هر ثانیه میزبان میلیون‌ها کاربر است، می‌توان کوهورت‌های روزانه، ساعتی یا حتی دقیقه‌ای تعریف کرد! مهم این است که آن کسب‌وکار داده‌ی کافی برای قرار دادن در هر کوهورت داشته باشد یا خیر.
برای یک شبکه‌ی اجتماعی مثل فیسبوک یا توییتر که در هر دقیقه چندین و چند ثبت‌نام دارند یا جایی مثل یوتوب که در هر ثانیه میزبان میلیون‌ها کاربر است، می‌توان کوهورت‌های روزانه، ساعتی یا حتی دقیقه‌ای تعریف کرد
تحلیل کوهورت چیست؟
خب، با مفهوم کوهورت آشنا شدید؟ تا اینجا درباره این صحبت کردیم که هر کوهورت دربردارنده‌ی تعدادی از کاربران است که بر اساس یک فاکتور زمانی مشترک سگمنت شده‌اند. تحلیل یا آنالیز کوهورت به ما کمک می‌کند که این کوهورت‌ها را کنار هم بگذاریم، آنها را با هم مقایسه کنیم و سعی کنیم از دل این مقایسه، اندکی معنا بیرون بکشیم!
اما تحلیل کوهورت عملا به این معنا است که بتوانیم یک نمودار کوهورت (گاهی اوقات با نام گراف کوهورت هم شناخته می‌شود) را بخوانیم و تفسیر کنیم. نمودار کوهورت (Cohort Chart) به شکل یک چارت مثلثی است که از تعدادی ردیف و ستون تشکیل شده است. هر کدام از ردیف‌های این چارت نمایش‌دهنده‌ی یک کوهورت (با سایز کوهورت مشخص) هستند. مثلا اگر سایز کوهورت را یک ماهه تعیین کرده باشید، کاربران در کوهورت‌هایی به اندازه‌ی یک ماه دسته‌بندی می‌شوند و درون یکی از ردیف‌های نمودار قرار می‌گیرند.
همیشه اولین ردیف هر نمودار کوهورت دربردارنده‌ی قدیمی‌ترین کاربران است و آخرین ردیف هم به جدیدترین کاربران اشاره دارد. حالا اگر به هر کدام از ستون‌های نمودار نگاه کنید، می‌توانید رفتار کاربران آن کوهورت بعد از گذشت هر ماه را مشاهده کنید. با توجه به اینکه ردیف آخر نمودار به جدیدترین کاربران اشاره دارد، طبیعی است که کمترین تعداد ستون‌ها را داشته باشد. دقیقا به همین دلیل است که ردیف اول نمودار کوهورت دارای بیشترین ستون است.
آیا ریزش کاربران کوهورت‌ها بد است؟
راست‌اش را بخواهید، جواب این موضوع به صورت صد در صدی مثبت نیست. باید در نظر بگیرید که چرخه فروش کالا یا سرویس شما چقدر است. به عنوان مثال اگر شما فروشنده تلویزیون هستید، باید در نظر بگیرید که مشتری‌ها معمولا هر تلویزیون را بیشتر از ۵ سال نگه می‌دارند. اما در صورتی که فروشنده‌ی کالاهای سوپرمارکتی هستید و در تحلیل کوهورت‌تان می‌بینید که آمار ریتنشن کاربران اصلا خوب نیست، باید بدانید که یک جای کار اشکال دارد؛ چرا که مردم به صورت دائم به کالای سوپرمارکتی (معروف به FMCG) نیاز دارند.
چطور باید یک نمودار کوهورت را بخوانیم؟
یکی از ویژگی‌های نمودار کوهورت این است که هر یک از سلول‌های آن مطابق با یک هیت‌مپ رنگ‌آمیزی می‌شوند؛ به این شکل که پررنگ‌ترین سلول به معنی بیشترین مقدار و کم‌رنگ‌ترین سلول به معنی کمترین مقدار است.
معمولا ما عادت کرده‌ایم که نمودارها را ردیف به ردیف و از چپ به راست بخوانیم. اما درباره نمودار کوهورت به این شکل است که خواندن نمودار تحلیل به صورت ستون به ستون درک به مراتب بهترین به ما می‌دهد. البته این نکته را هم باید بگویم که برای به دست آوردن یک تحلیل کوهورت درست باید سطر به سطر و ستون به ستون نمودار را بررسی کنیم تا بتوانیم تمام داده‌های موجود در آن را استخراج کنیم.
اما چطور باید ستون به ستون در نمودار کوهورت پیش برویم؟ به این شکل که ابتدا ستون ماه اول را انتخاب و سعی می‌کنیم ترند (Trend) تغییر رنگ سطرها را بررسی کنیم. هر تغییر رنگ ناگهانی می‌تواند یک نقطه‌ی جذاب برای بررسی باشد و هر اندازه که این تغییر رنگ شدیدتر باشد، تغییر معنادارتری در میزان ریتشن کاربران از هر ماه به ماه بعدی وجود دارد. برای مثال زمانی که میزان ریتنشن تمام کوهورت‌ها در ماه اول پس از جذب ۲۵ درصد است و تنها یکی از کوهورت‌ها ریتنشن ۱۵ درصد را نشان می‌دهد، نشان‌دهنده‌ی این است که آن کوهورت عملکرد ضعیف‌تری دارد. عین این کار را باید برای تک‌تک ستون‌ها انجام بدهیم.
هر تغییر رنگ ناگهانی می‌تواند یک نقطه‌ی جذاب برای بررسی باشد و هر اندازه که این تغییر رنگ شدیدتر باشد، تغییر معنادارتری در میزان ریتشن کاربران از هر ماه به ماه بعدی وجود دارد.
حالا اگر زاویه‌ی دیدمان را تغییر دهیم و ابتدا از ردیف‌ها شروع کنیم، می‌توانیم میزان ریتشن هر کوهورت را مشاهده کنیم. حالت ایده آل این است که کوهورت‌ها کمترین میزان ریزش را از هر ماه به ماه بعد داشته باشند. اما گاهی پیش می‌آید که میزان ریتنشن کاربران بعد از یک تعداد ماه مشخص به میزان زیادی کاهش پیدا می‌کند. در چنین مواقعی باید به دنبال دلیل یا توجیهی قابل قبول برای اتفاق پیش‌آمده باشیم.
چند نمونه نمودار کوهورت و تحلیل آنها
در ادامه چند نمودار کوهورت و تحلیل آنها را با هم بررسی می‌کنیم. این نمودارها از سایت thesitedoctor برداشته شده‌اند.
به این نمودار که متریک آن زمان آخرین لاگین است نگاه کنید. میزان ریتنشن این کسب و کار واقعا خیره‌کننده است. چرا که ۴۱ درصد از کاربرانش تقریبا یک سال بعد از ثبت‌نام باز هم به وبسایت آن کسب و کار بازگشته‌اند (ستون ۱۱ ردیف اول را ببینید).
حالا به ردیف‌های سوم و چهارم (دسامبر ۲۰۱۰ و ژانویه ۲۰۱۱) نگاه کنید. به وضوح مشخص است که میزان ریتنشن کاربران این ۲ کوهورت از کوهورت‌های دیگر کمتر است. این را با توجه به کم‌رنگ‌تر بودن این ۲ ردیف نسبت به سایر کوهورت‌ها هم می‌توان تشخیص داد و البته مقایسه هر کدام از سلول‌های این سطر با سلول‌های هم‌جوار بالایی یا پایینی‌شان در هر ستون هم موید این موضوع است. در چنین مواقعی باید به دنبال ترندهای فصلی بود و با توجه به قرار داشتن این ۲ ماه درست قبل و بعد از تعطیلات سال جدید میلادی می‌توان آنها را با اسفند و فروردین خودمان معادل دانست. در چنین ماه‌هایی رفتار مصرف‌کننده به کل متفاوت از سایر ماه‌های سال است و اگر بتوانیم این موضوع را با در اختیار داشتن یک دیتاست ۲ ساله نمایش دهیم، می‌توانیم فصلی بودن (Seasonal) رفتار کاربران را تایید کنیم.
حالا به گراف کوهورت پایینی نگاه کنید:
در این چارت هم‌زمان ثبت نام به عنوان متریک انتخاب شده است. به ستون‌های ۴، ۶ و ۱۰ نگاه کنید. آیا متوجه موضوع شدید؟ مشخص است که تقریبا برای تمام کوهورت‌ها از ماه ۴ (ستون چهارم) رنگ ستون به طور ناگهانی کم‌رنگ‌تر از ستون سمت چپ خود می‌شود. عین همین اتفاق در ستون ۶ هم می‌افتد و در ستون ۱۰ تقریبا به کلی رنگ ستون از بین می‌رود.
می‌توان در حالت کلی این‌طور برداشت کرد که برای این کسب‌وکار، میزان ریتنش کاربران در حد بسیار خوبی بوده است (به میزان ریتنشنی که تا ماه سوم به طور متوسط روی ۸۰ درصد باقی است دقت کنید). اما به طور ناگهانی از ماه سوم به بعد، میزان علاقه کاربران به سایت کم می‌شود. آیا می‌توان این‌گونه برداشت کرد که کاربران تنها ۳ ماه به این سایت وفادار می‌مانند؟
در ادامه می‌توانیم بگوییم که از ماه ۹ به بعد، میزان ریتنشن به شدت کاهش پیدا می‌کند. یک چیز دیگر را هم می‌توانیم به وضوح ببینیم: اینکه میزان ریتنشن کاربران قدیمی خیلی بیشتر از کاربران جدید است. حتی با وجود افت شدید ریتنشن در ماه ۱۰، تا قبل از آن می‌تونیم ریتنشن ۳۰ تا ۴۰ درصدی را مشاهده کنیم که برای کوهورت‌های بعدی دیگر اتفاق نیفتاده است.
حالا این چارت را ببینید که بر اساس زمان خرید مرتب شده است:
در ردیف اول مشخص است که در اکتبر ۲۰۱۰ ۶۰ نفر از این سایت خرید کرده‌اند و در ادامه ۳۹ درصد تا نوامبر، ۲۱ درصد تا دسامبر و ۱۴ درصد تا ژانویه سال بعد مشتری این شرکت باقی مانده‌اند. بعد از گذشت ۱۲ ماه از تاریخ اولین خرید، هیچ یک از مشتریان کوهورت اول دیگر خریدی از این سایت نداشته‌اند. البته می‌توان دید که برای همان کوهورت اکتبر ۲۰۱۰ تا ماه یازدهم هم هنوز ۱.۴ درصد خرید داشته‌اند.
تقریبا ۱۹ درصد از کاربران تا ۲ ماه بعد از اولین خرید مجدد از این سایت خرید داشته‌اند. از بین مشتریانی که قبل از مارچ ۲۰۱۱ خرید داشته‌اند، تقریبا ۱۰ درصد بعد از گذشت ۵ تا ۶ ماه باز هم برای خرید به این سایت برگشته‌اند.
حالا به کوهورت‌های ماه می و جون ۲۰۱۱ نگاه کنید. می‌بینید که میزان ریتنشن کاربران تنها ۳ ماه پس از جذب افت چشمگیری داشته است. حالا اگر میزان جذب کاربران جدید در این ۲ ماه و ماه‌های قبل هم از ترند مشابهی پیروی کند به این معنی است که یا بازار دچار تغییرات فصلی شده است یا اینکه تغییری در فعالیت‌های مارکتینگی این شرکت روی داده است.
جمع‌بندی صحبت‌ها
همان‌طور که می‌بینید، تحلیل داده‌های یک نمودار کوهورت کار بسیار جالب و جذابی است. در کنار جذابیت، تحلیل کوهورت می‌تواند داده‌های فوق‌العاده به‌دردبخوری را برای صاحبان کسب و کار فراهم کند. نکته‌ی مهم اینجا است که باید این تحلیل‌های کوهورت را با داده‌های دیگری که ثبت کرده‌اید مخلوط کنید تا آن‌وقت دیدن تغییرات رفتاری هر کوهورت برایتان معنادارتر شود. به عنوان مثال زمانی که شما مشریان‌تان را از راه کمپین‌های CPC به دست می‌آورید، طبیعی است که نباید انتظار داشته باشید این مشتریان در ماه‌های بعدی هم دوباره به سایت شما برگردند و خرید انجام دهند. سعی کنید با اضافه کردن کانتکست به داده‌هایتان کار تحلیل کوهورت را برای خودتان دیگران ساده‌تر کنید.
برای نوشتن این مطلب از سایت thesitedoctor زیاد استفاده کرده‌ام.
منبع عکس اصلی این مطلب سایت Unsplash است.