Descobreix com les cohorts et permeten segmentar i entendre millor els teus clients, augmentant el valor i la fidelitat en el comerç electrònic B2B i SaaS.
Les cohorts són un concepte clau que té el seu origen en la investigació epidemiològica, i es refereixen a un grup d'individus que comparteixen una característica comuna durant un període concret. Per exemple, una cohort pot consistir en persones nascudes en el mateix any, residents de la mateixa zona geogràfica, o individus que van començar el tractament mèdic al mateix temps. Aquest enfocament permet als investigadorss observar i analitzar com diferents factors, tant mediambiental com d'estil de vida, influir en la salut i el comportament d'aquests grups al llarg del temps.
En el context dels negocis de comerç electrònic o B2B SaaS, l'anàlisi de cohorts s'utilitza per estudiar el comportament dels clients al llarg del temps i entendre com canvien les seves accions des de la seva primera interacció amb el nostre negoci. Una cohort en aquest context es defineix, per exemple, com una grup de clients que van realitzar la seva primera compra en el mateix mes. Seguint el comportament d'aquesta cohort, els analistes poden observar patrons de compra, taxes de retenció i fidelització, i l'eficàcia de les estratègies de màrqueting al llarg del temps.
L'anàlisi de cohorts en els negocis permet a les empreses Identificar les tendències crucials i les àrees de millora. Per exemple, mirant com es comporta una cohort específica en termes de freqüència de compra, despesa mitjana i taxa d'abandonament, una empresa pot detectar si certs canvis en el seu lloc web, promocions o campanyes de màrqueting han tingut l'impacte desitjat. Si una cohort mostra una elevada taxa d'abandonament després del primer mes, això podria indicar la necessitat de millorar l'experiència post-compra o implementar estratègies de retenció més efectives, com ara programes de fidelització o campanyes de re-engagement.
A més, aquest tipus d'anàlisi pot ser crític per personalitzar l'experiència del client. Mitjançant la comprensió de com les diferents cohorts responen a diferents estímuls de màrqueting o canvis de producte, les empreses poden segmentar millor el teu públic i oferir promocions i recomanacions més rellevants. Per exemple, si una cohort que va entrar al lloc a través d'una promoció de xarxes socials mostra un major interès en productes específics, l'empresa pot dirigir campanyes de màrqueting similars a futurs clients amb perfils i comportaments similars.
De l'anterior es dedueix que una anàlisi de cohorts no ha de realitzar-se necessàriament a nivell general, sinó que els clients es poden segmentar per crear i analitzar cohorts de diferents tipus. Així, per exemple, la segmentació de cohorts pot implicar dividir els clients en grups específics basats en determinades característiques basades en un patró temporal que sol ser de mesos. A continuació, es mostren algunes maneres habituals de segmentar les cohorts.
1. Canal d'adquisició
Segmentar les cohorts segons el canal a través del qual es van adquirir clients (com xarxes socials, cerques orgàniques, campanyes de correu electrònic, publicitat de pagament, etc.) ajuda a avaluar l'eficàcia de cada canal. Això permet ajustar les inversions de màrqueting i optimitzar estratègies per a cada canal. Per exemple, si els clients adquirits a través de publicitat de pagament mostren una taxa de retenció més alta, podeu considerar augmentar el pressupost en aquest canal.
2. Tipus de producte comprat
Segmentar les cohorts segons el tipus de productes adquirits ens permet entendre les preferències i comportaments dels clients en relació a les diferents categories de productes. Per exemple, els clients que compren productes de luxe poden tenir comportaments i necessitats de compra diferents que els que compren productes quotidians. Aquesta segmentació ajuda a personalitzar l'experiència de compra i les estratègies de màrqueting per a cada grup.
3. Geografia
La segmentació geogràfica de les cohorts permet analitzar diferències en el comportament dels clients en funció de la seva ubicació. Les preferències i patrons de compra poden variar significativament entre diferents regions, de manera que comprendre aquestes diferències és crucial per personalitzar eficaçment les ofertes i campanyes de màrqueting.
4. Valor de la primera compra
Dividir les cohorts en funció del valor de la primera compra pot proporcionar informació sobre com el valor inicial gastat es relaciona amb la retenció i la LTV. Per exemple, els clients que inicialment realitzen una compra d'alt valor poden tenir un comportament de compra diferent en comparació amb aquells que comencen amb compres de menor valor. Aquesta anàlisi ajuda a identificar segments de clients més valuosos i desenvolupar estratègies per fidelitzar-los.
5. Comportament de navegació
Segmentar les cohorts basades en el comportament de navegació al lloc web (per exemple, temps al lloc, nombre de pàgines visitades) pot proporcionar informació sobre el compromís inicial. Els clients que mostren un alt nivell d'interacció amb el lloc abans d'hora poden tenir més probabilitats de convertir-se en clients reincidents.
Com aquestes, poden existir altres segmentacions rellevants... Mitjançant l'ús d'aquestes i altres formes de segmentació, les empreses poden obtenir una visió més profunda dels seus clients, millorar la retenció, optimitzar estratègies de màrqueting i, en última instància, augmentar les vendes i la satisfacció del client.
Com es construeix una anàlisi de cohorts.
Per fer l'exercici més fàcil, farem servir una plantilla estàndard que podeu descarregar aquí.
- La primera cosa serà Popular la plantilla amb els detalls del seu negoci. Com es pot veure a la plantilla, comença per la cel·la “B4”, que s'ha d'emplenar amb el nombre de nous clients que van realitzar la seva primera compra aquell mes. En el nostre exemple, estem parlant del mes de gener de 2022 i el nombre de nous clients aquell mes va ser de 43.
- Llavors anem a omplir la cel·la “B5” amb el nombre de nous clients que van realitzar les seves primeres comandes el mes de febrer de 2022 i així successivament.
- Llavors hem completat la columna “C” començant per la cel·la “C4” amb el nombre de comandes realitzades pels nous clients que van comprar per primera vegada al gener de 2022. Tingueu en compte que el nombre de comandes d'aquest mes ha de ser com a mínim igual al nombre de nous clients.
- La columna “D” ho completarem amb el nombre de comandes realitzades durant el mes de febrer de 2022 per aquells que es van convertir en clients per primera vegada al gener de 2022.
- La columna “E” ho completarem amb el nombre de comandes realitzades durant el març de 2022 pels clients que van comprar per primera vegada al gener de 2022. I així successivament.
D'aquesta manera, la fila 4 representarà les comandes realitzades pels clients que van comprar per primera vegada al gener de 2022 al llarg dels mesos fins al mes de l'estudi. I com que volem estimar el nombre de vegades que un client comprarà al llarg de la seva vida com a tal, estendrem l'anàlisi un nombre de mesos addicionals per tal de poder fer projeccions. Quants mesos? Ho explicarem més endavant.
Un cop haguem “poblat” la plantilla amb les dades de la comanda tal com s'explica, revisarem la taula següent, que s'omplirà automàticament en funció de les dades que hàgim utilitzat.
- D'aquesta manera, la columna “C” mostrarà el nombre de vegades que els clients que van realitzar la seva primera comanda el mes de gener de 2022 han comprat aquell mateix mes. En aquest cas, 1,05 significa que només el 5% dels clients que compraven per primera vegada aquell mes van fer més d'una compra aquell mateix mes. I les dades de la cel·la “G31”, és a dir, 0.15, significa que només el 15% dels clients que van realitzar la seva primera compra durant el mes de juny de 2022, han tornat a fer una comanda durant el mes de novembre de 2022 (M+5). D'aquesta manera, si fem una mitjana de tots els valors de la columna “C” obtenim 1.04 el que significa que de cada 100 clients nous podem esperar 104 comandes en el primer mes.
- I la columna “D”” vol dir que de cada 100 nous, podem esperar que realitzin 67 comandes el mes següent. Així, si sumem la fila 47 utilitzant la informació que tenim (és a dir, sense afegir cap projecció), aquesta suma ens dóna 6,49, que representa el nombre de comandes realitzades de mitjana per cada nou client.
Però, què passa a partir d'aquí? Doncs bé, per saber això hem de fer una “projecció” i per a això anem a recórrer a representar les dades que coneixem en un gràfic, afegint una línia de tendència logarítmica, que és la funció matemàtica que millor representa l'evolució del comportament del client al llarg del temps, i a partir d'aquí projectem fins que la funció es converteix en “0”, és a dir, fins que els clients deixen de comprar. En el nostre cas, això passarà al mes 45. Si sumem tots aquests valors, és a dir, més reals projectats, la suma serà de 8,45, el que significa que per a cada nou client podem esperar que realitzi aquest nombre de comandes al llarg de la seva vida útil amb la nostra empresa, que de mitjana serà de 45 mesos.
Per completar l'anàlisi amb dades més valuoses, multiplicàvem el valor mitjà de la comanda per aquest nombre i obtindríem el LTV o “Value Lifetime” d'un client.
I voila! Això es fa i per a això serveix una anàlisi de cohorts.
