Falei nesse post sobre a importância de métricas para startups e quais são algumas das métricas básicas que se aplicam a maior parte das startups.
O problema é que quando se avança mais nesse assunto, em meio a tantos dados, é difícil interpretar e transformar todos os relatórios, números e padrões em informação inteligente, que realmente lhe ajude a tomar decisões adequadas para sua startup.
A análise cohort é um ótimo caminho para responder às perguntas por trás dos seus dados. Através da cohort, você consegue dividir seus clientes/usuários em grupos distintos e acompanhar seu desenvolvimento ao longo do tempo, algo extremamente valioso.
Mas o que é análise cohort?
Cohort significa “grupo” ou “corte” e é justamente isso que esse tipo de análise faz: foca nas atividades de um grupo que possui ações em comum.
No caso da maior parte das startups a cohort é feita em cima do momento em que um usuário aderiu aos seus serviços (ou até em etapas anteriores como a primeira vez que acesso seu site): mês, semana, ano, dia etc.
Por que isso é importante?
Imagine que você e todo o seu time estão trabalhando no lançamento de uma nova feature, ou mudando o layout do site ou aplicativo e assim por diante. Como saber se essas mudanças tiveram realmente impacto em seus resultados?
Se você só olhar os acessos e registros a partir daí e presumir que foram efeito dessas mudanças, suas informações estarão incompletas, pois não vão revelar se realmente as mudanças impactaram nos resultados ou se você simplesmente começou a ter mais tráfego e assim por diante.
Através da cohort você pode pegar o grupo de pessoas que aderiu ao seu serviço ou produto na semana em que você fez a mudança, por exemplo, e comparar seu comportamento ao longo do tempo. Elas se converteram em clientes em um prazo mais curto do que faziam anteriormente? Elas foram mais rentáveis do que aquelas que entraram em períodos posteriores?
Então a lógica da mágica por trás da análise cohort é justamente essa: te mostrar que esse grupo não só foi mais ativo naquele período em específico e sim foram clientes melhores ao longo do tempo, mantendo um comportamento favorável a sua startup ao longo de períodos maiores.
Como exemplo, vamos observar a ilustração a seguir. Em um primeiro olhar, pode-se considerar que o Mês 1 foi excelente pois trouxe muitos clientes, mas veja que ao longo do tempo esses clientes não mantiveram adesão.
Já aqueles que entraram no mês 2 continuaram usando com maior frequência, percentualmente falando, do que aqueles que entraram no mês 1 ou demais meses.
O próximo passo é entender o que você fez no mês 2 que não fez nos demais meses: a campanha de marketing foi diferente? Houve uma alteração de feature ou usabilidade? Para medir melhor o ideal normalmente é fazer por semana porque em um mesmo mês você pode fazer várias alterações e fica mais difícil identificar o ponto de mudança que retornou um melhor comportamento dos seus clientes.
Em próximos posts vou aprofundar mais a discussão sobre análise cohort para startups.