Когортный анализ SaaS-компании — описание, виды, примеры и метрики для расширения анализа

Вы читаете перевод статьи «Cohort Analysis Explained for Your SaaS Business» от Бена Мюррейя — финансового директора SaaS, который ведет личный блог «The SaaS CFO», разработал курсы по финансам SaaS. Автор: Бен Мюррей.

Над переводом работали Андрей Кучера и Роман Макаров. В статье рассмотрены: основы когортного анализа в SaaS, его виды и примеры, 7-шаговый научный метод, применимый к когортному анализу, инструменты для удержания когорты.

Все понимают значение оттока и удержания клиентов в SaaS. Поскольку отток клиентов происходит каждый месяц, то отслеживание количества клиентов и долларов в отчетах об оттоке и удержании и документирование их причин — это обычное дело. Этот процесс является агрегированным представлением удержания клиентов. Позвольте же представить когортный анализ SaaS бизнеса.

Когортный анализ — это аналитический процесс, который дает более детальное представление о тех же данных. Он дает нам понимание того, почему, как и когда действуют наши клиенты, что помогает нам предпринять шаги по улучшению удержания клиентов и повышению CLTV (Customer lifetime value — пожизненная ценность клиента).

В данной статье будут показаны основы когортного анализа, сегментированного когортного анализа и его важность для SaaS-компаний.

Что такое когортный анализ?

Согласно определению Merriam-Webster, когорта — это группа лиц, имеющих общий статистический фактор (например, возраст или принадлежность к классу) в демографическом исследовании.

С точки зрения SaaS, когорта относится к подмножеству клиентов, которые имеют общую характеристику. Этой общей характеристикой обычно является дата или месяц привлечения клиента (т.е. то, что можно называть «базовым» когортным анализом). «Сегментированный» когортный анализ, о котором мы поговорим далее в статье, использует дополнительные характеристики для создания когорт (например, канал привлечения).

В когортном анализе мы изучаем, как характеристики когорты меняются со временем. Это может быть пребывание или отток, увеличение или уменьшение затрат (например, увеличение/уменьшение модулей или пользователей), и/или конкретные действия, предпринятые клиентом, которые делают его успешным или неуспешным на вашем продукте.

Как провести эффективный когортный анализ?

Когда начинается погружение в числа, когортный анализ быстро усложняется, поэтому можно рассмотреть концепцию когортного анализа, сравнив его с 7-шаговым научным методом. Давайте смахнем пыль с наших научных книг и погрузимся в процесс.

7-шаговый научный метод, применимый к когортному анализу

Этот 7-шаговый процесс очень похож на тот, что мы пытаемся достичь в когортном анализе пользователей. Ниже описываются эти шаги и то, как SaaS применим к данному процессу.

Шаг 1 — Вопрос: То, что мы хотим узнать

Например, почему наши клиенты уходят? Какими характеристиками они обладают? Какими характеристиками обладают клиенты, которые добились успеха с нами? Какие источники привлечения клиентов связаны с самыми высокими показателями LTV (lifetime value — пожизненная ценность) или удержания клиентов?

Шаг 2 — Исследование: Какая информация уже известна

Чуть ли не анекдотические свидетельства об удержании клиентов имеются повсюду в вашей компании, возможно, даже есть результаты серьезного анализа этих событий. У нас есть некоторые представления об оттоке, удержании и наиболее эффективных каналах GTM (go-to-market — выход на рынок). Эти внутренние знания и будут проверяться на следующих этапах.

Шаг 3 — Гипотеза: Обоснованное предположение или предсказание результата

На наших тактических еженедельных или стратегических выездных совещаниях мы, как команда, формируем и итерируем наши гипотезы о привлечении и удержании клиентов, roadmap (дорожных картах проекта) и т.д.

Шаг 4 — Эксперимент: Проверьте гипотезу

Уверены ли мы в нашей гипотезе или нет, но каждый месяц мы проверяем её. Это может быть нашим убеждением, что торговые выставки лучше подходят для эффективного привлечения клиентов, чем реклама в LinkedIn. Это может быть конкретная точка контакта с клиентом через две недели после начала работы. Благодаря нашим исследованиям мы сформировали предположения о том, как вести бизнес.

Проведя когортный анализ клиентов, мы можем наблюдать за результатами наших гипотез.

Шаг 5 — Наблюдения: Данные, которые вы собираете в ходе эксперимента

Это основа когортного анализа в маркетинге и чаще всего самый сложный этап, когда не хватает данных о клиентах. Каждый месяц мы фиксируем количество приобретенных клиентов и специфические характеристики каждой когорты, которые, по нашему мнению, важны для понимания поведения клиентов и долгосрочного успеха. Базовый когортный анализ распределяет этих клиентов по месяцам приобретения и отслеживает их развитие во времени. Сегментированный когортный анализ определяет тех же клиентов по месяцам приобретения, но затем снова распределяет их по важным характеристикам, таким как канал приобретения (например, выставка или реклама в LinkedIn) и/или размер клиента.

Шаг 6 — Результаты/выводы: Определите, верна ли ваша гипотеза

Верны ли наши исследования и гипотеза? С помощью данных, собранных на шаге 5, мы можем подтвердить или опровергнуть нашу гипотезу и улучшить тактические действия и долгосрочную стратегию.

Шаг 7 — Коммуникация: Поделитесь своими результатами

И, наконец, донесите свои результаты до внутренних заинтересованных сторон, которые принимают участие в данном процессе. Конечно, этот процесс никогда не заканчивается, поэтому возвращаемся к шагу 1 и начинаем все сначала.

Базовый когортный анализ — Удержание клиентов

Выше мы упоминали два вида анализа — базовый и сегментированный когортный анализ. Базовый когортный анализ изучает подгруппу клиентов по месяцам приобретения. Хоть он и был назван базовым, но сбор когортных данных позволяет получить удивительные сведения.

На приведенном ниже графике мы фиксируем количество клиентов, приобретенных в январе-XX, феврале-XX и марте-XX. Затем мы отслеживаем эту подгруппу клиентов на протяжении всего времени. Каждый месяц мы отслеживаем отток клиентов (и его причины) и удержанных клиентов.

количество приобретенных клиентов по месяцам

На самом базовом уровне, остаются ли они нашими клиентами? С каждой ежемесячной когортой мы можем визуализировать отток количества клиентов и любые «точки перелома» в данных. Можем ли мы определить закономерность, например, что отток клиентов начинается между третьим и четвертым месяцами?

график базового когортного анализа по месяцам (удержание клиентов)
Именно здесь вступает в игру Шаг 5 — Наблюдения, описанный выше. Нам необходимо наблюдать и собирать данные, которые позволят получить значимую информацию об удержании клиентов. Например, зададим себе вопрос, как различается использование продукта между теми, кто отторгается, и теми, кто остается. И какие точки соприкосновения с клиентами были в это время у нашей команды по работе с клиентами, службы поддержки или отдела обслуживания? Какую роль мы сыграли в удержании клиентов и как можем улучшить ситуацию?

Для прогнозирования удержания когорты Стив Вулф, соучредитель Growth Street Partners, вводит очень убедительную метрику SaaS под названием Upsell Rate. Он определяет его как процент клиентов в когорте, которые приобретают дополнительное программное обеспечение или услуги (т.е. количество клиентов, которые приобрели больше в когорте, деленное на общее количество клиентов в когорте).

Стив утверждает, что

«коэффициент обновления когорты является в основном обратным показателем, а коэффициент повышения продаж является прогностическим. Когорта с более высоким коэффициентом upsell rate должна иметь более высокий ожидаемый коэффициент продления, поскольку клиенты, которые приобрели дополнительные продукты и услуги, с большей вероятностью продлят контракт, чем те, кто этого не сделал».

Коэффициент upsell rate является полезным инструментом для прогнозирования будущего удержания когорты, чтобы можно было подготовиться соответствующим образом.

И снова можно заметить силу когортного анализа. Суть заключается в сборе как можно большего количества информации о своих когортах, чтобы вы могли сформулировать конкретные и полезные для вашего бизнеса вопросы.

Базовый когортный анализ — Удержание доходов

В дополнение к отслеживанию количества клиентов, описанному выше, мы можем продвинуть анализ когорт еще на шаг вперед, отслеживая общий MRR (Monthly Recurring Revenue — регулярный ежемесячный доход компании), связанный с каждой когортой. Отслеживая MRR, нам нужно понять, расширяется или сокращается число удержанных клиентов. Добавляет ли клиент пользователей, модули и, следовательно, увеличивает MRR? Или они снижают свои позиции, отказываясь от пользовательских мест, модулей и т.д.? И, конечно же, мы отслеживаем отток клиентов, который удаляет MRR из когорты.

А какие важные SaaS-метрики волшебным образом появляются при отслеживании общего MRR каждой когорты? Именно! Валовое долларовое удержание (GDR — Gross dollar retention) и чистое удержание дохода (NRR — net revenue retention).

GDR

Валовое долларовое удержание измеряет процент MRR, сохраняемый после учета снижения рейтинга и оттока клиентов. Это число всегда будет меньше 100%. 100% означает, что вы не отменили и не понизили в классе ни одного клиента. GDR должно быть представлено на ежемесячном совете директоров или в финансовом пакете.

NRR

Чистое удержание дохода измеряет процент MRR, сохраняемый после учета расширения, снижения и оттока клиентов. Он аналогичен показателю GDR, но в формулу добавляется расширение. Это число может быть ниже или выше 100%, но мы хотим, чтобы оно было больше 100%. Часто, когда у компании NRR выше 100%, вы слышите, что это называется чистым отрицательным оттоком. Опять же, эта метрика удержания должна отслеживаться в ваших ежемесячных финансовых отчетах.

Прогнозирование будущего с помощью когортного анализа

Базовый когортный анализ также может дать нам ключевые предположения для прогнозирования. Кевин Ксо, старший юрист Growth Street Partners, который тесно сотрудничает с финансовыми руководителями портфельных компаний Growth Street, утверждает, что

«исторические тенденции могут помочь нам уверенно предсказать ключевые факторы MRR, такие как расширение, сокращение и отток текущих и будущих когорт».

Например, если ваш когортный анализ показывает, что типичная когорта удваивается в размере в течение первого года, вы должны учесть это расширение в операционной модели на следующий год, если нет причин подозревать, что новые когорты будут вести себя иначе.

Повышение видимости будущих повторяющихся доходов позволяет нам уверенно реинвестировать в продажи, маркетинг и управление клиентами для ускорения будущего роста.

Расширение когортного анализа

Итак, мы зашли так далеко в нашем когортном анализе. Зачем останавливаться? С помощью всего двух дополнительных точек данных мы можем расширить наш когортный анализ и рассчитать период окупаемости CAC. Для этого нам нужно знать стоимость привлечения клиентов (CAC — customer acquisition costs) на когорту и нашу повторяющуюся валовую маржу.

Период окупаемости CAC — это еще одна «обязательная» метрика в вашем пакете отчетности. Период окупаемости CAC — это количество месяцев, необходимое для того, чтобы окупить затраты на привлечение новых клиентов после учета стоимости обслуживания этих клиентов.

CAC связывает оборотный капитал и может нанести реальный ущерб ликвидности вашей компании, если у вас низкий уровень оттока клиентов и более длительный период окупаемости CAC. Мне нравится сравнивать CAC с долгом. Он не исчезает, если вы теряете работу (т.е. отток клиентов).

В итоге мы рассмотрели много материала, но готовы ли вы к выносу мозга?

когортный анализ

Приведенные выше типы анализов — это лишь поверхностный анализ когорт. Имея подмножество клиентов, мы можем дополнительно разделить вновь привлеченных клиентов по дополнительным метапоказателям. Это может быть источник привлечения (платная реклама, органическое привлечение, социальные сети, холодные звонки, торговые выставки), ценовой план, демографические характеристики клиента и многое другое.

Сегментированный когортный анализ

В приведенном выше «базовом» когортном анализе когорта была описана как подмножество клиентов по месяцу привлечения. Мы можем дополнительно сегментировать это подмножество (т.е. клиентов, приобретенных в январе-XX) по дополнительным характеристикам, специфичным для конкретного клиента.

Это могут быть внешние или внутренние характеристики. Под внешними характеристиками имеются в виду способ привлечения клиента (например, платная реклама или органическое посещение сайта) или тип тарифного плана. К внутренним относятся некоторые характеристики, находящиеся под контролем клиента: использование клиентом нашего приложения или его демографические данные.

Сегментированный когортный анализ позволяет нам получить гораздо больше информации от конкретной ежемесячной когорты, потому что мы можем сравнивать удержание сегментированных когорт и действовать в соответствии с нашими наблюдениями и анализом.

Пример сегментированный когортного анализа

Используем источник привлечения клиентов в качестве простого для понимания примера когортного анализа. Допустим, мы привлекаем клиентов только через платную рекламу и входящие органические привлечения. На графиках ниже можно увидеть, что мы дополнительно сегментируем свою ежемесячную когорту Янв-XX из приведенного выше примера на два отдельных сегмента — привлечение с помощью платной рекламы и органическое привлечение.

Если мы хорошо справляемся с атрибуцией лидов, мы можем разделить сегмент платной рекламы на конкретные рекламные платформы, такие как LinkedIn, Facebook, Twitter и т. д. Это позволит нам проанализировать лучшие или худшие сегменты из нашего канала привлечения от платной рекламы.

сегментированный когортный анализ

Результаты в приведенном выше примере немного преувеличены, но он показывает, что органическая реклама гораздо лучше удерживает клиентов, чем платная.

Сила когортного анализа

Вы можете представить себе мощь данных, полученных в результате когортного анализа пользователей. Если быть откровенными, для того чтобы отслеживать и анализировать данные когортного анализа, требуется дисциплина. Они не появляются волшебным образом в ваших ежемесячных отчетах.

Вы должны объединить данные о первоначальном бронировании, данные о будущем расширении или понижении бронирования и данные об оттоке. Мы должны отслеживать количество клиентов и количество долларов. Если у вас есть приложение, которое отслеживает все это в простом отчете, пожалуйста, опубликуйте комментарий ниже. Мы с удовольствием ознакомимся.

Несмотря на потенциальную болезненность ежемесячного отслеживания этих данных, наблюдения и анализ позволяют получить практические выводы для операционной стратегии. Например, вы можете инвестировать больше средств в платный канал, который превосходит другие платные каналы. Или ознакомить вашу команду по работе с клиентами с путем клиента до того, как снизится использование приложения в среднем за месяц.

Опять же, целью когортного анализа является улучшение удержания клиентов и увеличение их пожизненной стоимости.

Используете ли вы когортный анализ в своем бизнесе? Пожалуйста, поделитесь своими комментарии ниже.