- Kohortová analýza seskupuje zákazníky podle měsíce jejich první objednávky a porovnává skupiny ve stejném stáří, což měsíční součty neumějí.
- Řádky čtěte pro jednu kohortu v čase, sloupce pro kohorty ve stejném stáří a úhlopříčky pro kalendářní vlivy, například listopadový výprodej.
- Porovnávejte kohorty na zákazníka a v hrubém zisku, aby výsledek nezkreslila velikost kohorty ani slevy na první objednávku.
- Kohorta se vyplatí získávat, když její kumulativní hrubý zisk na zákazníka překoná její CAC v přijatelné době.
Kohortová analýza v e-commerce seskupuje zákazníky podle měsíce jejich první objednávky a sleduje, co každá skupina nakupuje v následujících měsících. Ukazuje, zda se zákazníci, které získáváte dnes, vracejí a utrácejí stejně jako zákazníci, které jste získali dříve. Měsíční součet tržeb to ukázat nemůže, protože míchá nové a vracející se zákazníky v každé fázi života.
Tento průvodce vysvětluje, jak sestavit tabulku akvizičních kohort, jak číst retenci a kumulativní hrubý zisk na zákazníka, jaké chyby obraz zkreslují a co ukazuje ROASaurus.
Co je kohortová analýza?
Kohorta je skupina zákazníků, kteří sdílejí výchozí bod. V e-commerce je obvyklým výchozím bodem první objednávka. Všichni, kdo poprvé nakoupili v březnu, tvoří březnovou kohortu, ať už přišli z jakéhokoli kanálu.
Kohortová tabulka má jeden řádek na kohortu a jeden sloupec na období od první objednávky. M0 je měsíc první objednávky, M1 je měsíc po ní a tak dále. Každá buňka odpovídá na jednu otázku pro jednu skupinu v jednom stáří: kolik zákazníků se vrátilo, kolik utratili nebo kolik hrubého zisku zanechali.
Toto uspořádání porovnává zákazníky ve stejném stáří. Březnovou kohortu v jejím třetím měsíci lze porovnat s červnovou kohortou v jejím třetím měsíci, i když tyto měsíce spadají do různých sezón.
Shopify má vestavěný report kohortové analýzy zákazníků, který seskupuje zákazníky podle první objednávky stejným způsobem. Jeho metrikami jsou počty zákazníků, retence a prodeje. Abyste kohorty viděli v hrubém zisku, potřebujete také náklady každé objednávky: náklady na produkt, dopravu, poplatky za platby a zpracování.
Jak sestavit kohortovou tabulku
- Shromážděte zaplacené objednávky s identitou zákazníka
Každá objednávka potřebuje ID zákazníka nebo e-mailovou adresu. Bez nich nelze druhou objednávku propojit s první. Vynechte stornované a nezaplacené objednávky.
- Najděte první objednávku každého zákazníka
Měsíc této objednávky určuje kohortu zákazníka.
- Určete každé objednávce stáří
Spočítejte měsíce mezi měsícem kohorty a měsícem objednávky: 0 pro první měsíc, 1 pro další a tak dále.
- Sečtěte podle kohorty a stáří
V každé buňce sečtěte objednávky, tržby a hrubý zisk a spočítejte zákazníky, kteří objednávali.
- Vydělte velikostí kohorty
Vydělte počtem zákazníků v kohortě, aby bylo možné porovnávat kohorty různé velikosti.
- Zvolte za období, nebo kumulativně
Buňka za období ukazuje jen daný měsíc. Kumulativní buňka sčítá všechny dosavadní měsíce, a právě tu porovnáváte s náklady na akvizici.
Google Analytics nabízí podobnou volbu ve své kohortové analýze, s výpočty standardním, klouzavým a kumulativním. Standardní počítá každé období samostatně a kumulativní sčítá dosavadní období. U kohort e-shopu používejte pro retenci buňky za období a pro hodnotu kumulativní buňky.
Jak číst kohortovou tabulku
Zde je tabulka retence pro ukázkový obchod, jak vypadá na začátku ledna. Každá buňka ukazuje podíl kohorty, který v daném měsíci objednal znovu.
| První objednávka | Zákazníci | M1 | M2 | M3 | M4 | M5 |
|---|---|---|---|---|---|---|
| Červenec | 1,000 | 8% | 6% | 5% | 9% | 7% |
| Srpen | 900 | 8% | 6% | 10% | 7% | – |
| Září | 1,100 | 7% | 11% | 7% | – | – |
| Říjen | 1,050 | 12% | 8% | – | – | – |
| Listopad | 2,400 | 5% | – | – | – | – |
Čtěte řádky
Řádek sleduje jednu kohortu v čase. V tomto příkladu červencová kohorta objednává znovu s mírou 8% v prvním měsíci. Do třetího měsíce míra klesne na 5% a v listopadu vyskočí na 9%.
Čtěte sloupce
Sloupec porovnává kohorty ve stejném stáří. V M1 si nejlépe vedl říjen s 12% a nejhůř listopad s 5%. Jenže M1 říjnové kohorty byl listopad, měsíc výprodeje. Část z těch 12% tedy pochází z výprodeje, ne z kohorty.
Čtěte úhlopříčky
Úhlopříčka je jeden kalendářní měsíc napříč všemi kohortami. Listopadová úhlopříčka ukazuje 9%, 10%, 11% a 12%: každá starší kohorta v listopadu nakupovala víc. Když úhlopříčka vyčnívá, příčinou je něco, co se v tom měsíci stalo, například výprodej, uvedení produktu nebo problém s doručením. O kvalitě kohort to nevypovídá nic.
Skutečnou otázkou je samotná listopadová kohorta. Je více než dvakrát větší než ostatní, ale v prosinci se jí vrátilo jen 5%. Ve stejném měsíci se každá další kohorta vracela s mírou 7% nebo 8%.
Kumulativní tržby a hrubý zisk na zákazníka
Retence říká, zda se zákazníci vracejí. Kumulativní hodnota na zákazníka říká, jakou mají hodnotu. Sečtěte vše, co kohorta nakoupila od první objednávky dál, a vydělte počtem zákazníků v kohortě. Počítejte v hrubém zisku, ne jen v tržbách, protože právě hrubý zisk pokrývá náklady na získání zákazníka.
Za oběma čarami stojí toto: první objednávky březnové kohorty měly průměr $70 při míře hrubé marže 48%, takže zanechaly $33.60 na zákazníka. První objednávky listopadové kohorty by byly při plné ceně $80, při stejné míře hrubé marže 48%. Po slevě 20% měly průměr $64, ale jejich náklady zůstaly na $41.60. Míra hrubé marže klesla na 35% a každá první objednávka zanechala $22.40. Sleva snížila marži na první objednávce a méně z těchto zákazníků se vrátilo.
Kohorta se vyplatí získávat, když její kumulativní hrubý zisk na zákazníka překoná její CAC v přijatelné době. Měsíc, kdy se to stane, je doba návratnosti. U březnové kohorty je to M0. U listopadové kohorty se to zatím nestalo. Jak tuto hranici nastavit, popisuje článek celoživotní hodnota zákazníka pro obchody na Shopify a samotnou marži vysvětluje příspěvková marže v e-commerce.
Časté chyby v kohortové analýze
Míchání velikostí kohort
Kohorta se 150 zákazníky a kohorta s 2,400 zákazníky si nezaslouží stejnou váhu. Když kohorty průměrujete, vážte každou počtem jejích zákazníků. S malými kohortami zacházejte opatrně: v kohortě se 150 zákazníky posunou tři zákazníci, kteří každý utratí o $200 víc, průměr o $4.
Opačnou chybou je porovnávat součty kohort. Listopadová kohorta má celkově nejvíc tržeb jen proto, že má nejvíc zákazníků. Porovnávejte kohorty na zákazníka.
Považování mladých kohort za horší
Kohorta, která začala minulý měsíc, měla na nákup jen jeden měsíc. Porovnávejte ji jen se staršími kohortami ve stejném stáří. Poslední buňka řádku může být i aktuální měsíc, který ještě neskončil, takže vypadá nízko, dokud měsíc neskončí.
Ignorování sezónnosti
Kohorty získané v měsíci výprodejů, například v listopadu, se chovají jinak než kohorty získané za plnou cenu. Porovnávejte je se stejným měsícem o rok dříve, ne s měsícem předchozím. A než začnete vinit kohortu, zkontrolujte úhlopříčky: pokud měla každá kohorta slabý měsíc ve stejnou dobu, příčinou je kalendář.
Ignorování slev na první objednávku
Sleva na první objednávku přivádí zákazníky s nižší marží a někteří z nich přišli kvůli slevě, ne kvůli produktu. Rozdělte kohorty podle slevového kódu na první objednávce a porovnejte jejich hrubý zisk na zákazníka.
Ztráta zákazníků, kteří nakupují jako hosté
Pokud vracející se zákazník nakoupí s jinou e-mailovou adresou, vypadá jako nový zákazník. Jeho druhá objednávka založí novou kohortu místo toho, aby se započítala jako opakovaná objednávka. Míry opakování pak vycházejí příliš nízké a počty nových zákazníků příliš vysoké. Podporujte zákaznické účty a míry opakování čtěte jako dolní hranici.
Co dělat s výsledky kohortové analýzy
- Stanovte, kolik můžete za zákazníka zaplatit. Přečtěte si kumulativní hrubý zisk na zákazníka v době návratnosti, kterou akceptujete, například 6 měsíců. To je váš maximální CAC.
- Přesuňte rozpočet ke kohortám, které se opakují. Rozdělte kohorty podle prvního produktu, slevového kódu nebo prvního reklamního kanálu a více rozpočtu dejte skupinám, které nakupují dál.
- Načasujte navazující e-maily. Pokud většina druhých objednávek přichází ve druhém měsíci, pošlete připomínku před ním, ne po něm.
- Upravte nabídku pro první objednávku. Pokud kohorty se slevou nikdy nedoženou ztrátu, vyzkoušejte menší slevu nebo jinou nabídku a nové kohorty porovnejte po třech měsících.
- Posuzujte ztráty na první objednávce podle návratnosti. Kohorta, která se vrátí v M2, může ospravedlnit kampaně pod jejich ROAS bodu zvratu pro první objednávku. Kohorta, která se nikdy nevrátí, ne.
Kohortová analýza v ROASaurus
Report kohort v celoživotní hodnotě zákazníka v ROASaurus vychází z vašich objednávek a nákladů na produkty v analýze zisku. Zákazníci se identifikují podle ID zákazníka na Shopify nebo e-mailu a počítají se jen zaplacené objednávky.
- Kohorty podle týdne, měsíce, čtvrtletí nebo roku první objednávky, jako matice nebo křivky, s exportem do CSV.
- 14 metrik, mezi nimi Customers returning (%), Cumulative orders per customer, Cumulative revenue per customer a Cumulative contribution margin per customer. Tato poslední metrika odečítá náklady na produkt, dopravu, poplatky za objednávku, poplatky za platby, zpracování a odváděnou daň a je před útratou za reklamu. Je to ta, která odpovídá hrubému zisku na zákazníka v tom smyslu, v jakém tento průvodce tento pojem používá. Report má také metriku Cumulative gross profit per customer, ale ta ponechává vybranou daň, pokud není Taxes collected nastaveno na Left out of revenue v části Profit › Cost settings.
- Každý řádek ukazuje počet zákazníků, CAC, R% (podíl těch, kteří mají zatím druhou objednávku) a průměrnou první objednávku. CAC je útrata za reklamu v období kohorty dělená všemi novými zákazníky získanými v něm.
- Řádek s průměrem váží metriky na zákazníka počtem zákazníků v každé kohortě.
- Zelené ohraničení označuje období, ve kterém kumulativní marže na zákazníka překonala CAC kohorty: dobu návratnosti.
- U měsíčních kohort ukazují buňky s pruhy predikované hodnoty až na 24 měsíců, z vlastní křivky opakovaných nákupů vašeho obchodu.
- Filtry podle první objednávky: první produkt, typ produktu, dodavatel, slevový kód, země, první reklamní kanál, prodejní kanál, zdroj, médium nebo kampaň v UTM, štítek zákazníka nebo štítek objednávky.
- Míry opakovaného nákupu podle měsíce první objednávky do 30, 60, 90, 180 a 365 dní. Okno, které ještě neuplynulo u každého zákazníka v kohortě, je označeno hvězdičkou.
Ask AI umí odpovídat i na otázky o vašich kohortách. Přečte za vás měsíční kohorty, kumulativní příspěvkovou marži na zákazníka a měsíc návratnosti CAC.