O que é Análise Cohort? Tudo que você precisa saber
Portal G4
>
Todas as Matérias
>
O que é Análise Cohort? Tudo que você precisa saber

O que é Análise Cohort? Tudo que você precisa saber

Por:
João Vitor
Publicado em:
20/5/2022

A retenção de clientes é uma meta de alta prioridade para qualquer empreendedor. Pensando nisso, saiba como a análise cohort pode se tornar um poderoso aliado na tradução das métricas capazes de definir o sucesso do seu negócio.


A rotatividade de clientes é ruim para o crescimento de qualquer empresa. Isso, porque o verdadeiro sucesso de uma companhia não está em efetuar uma única venda, mas em construir um relacionamento que se estenda pelo maior tempo possível.  

Nesse sentido, em uma era de escolhas abundantes e fraca fidelização de clientes, algumas perguntas são fundamentais para entender como a sua empresa pode garantir a retenção dos seus clientes de forma mais assertiva.

Sendo assim, a análise de dados do cliente é um processo de coleta e análise de elementos dos consumidores para obter informações sobre o comportamento do seu público-alvo. Essa é uma análise que requer várias ferramentas para coletar e organizar diferentes tipos de informações e uma estrutura metodológica para analisar e entender essa base de conhecimento.

Geralmente, as empresas utilizam essas análises para tomar decisões de negócios relacionadas a marketing, desenvolvimento de produtos, vendas e muito mais.

As decisões de negócios que a análise de clientes permite que você tome podem ser simples, como descobrir qual plataforma de publicidade está oferecendo o melhor ROI ou complexas, como descobrir toda a jornada do cliente e criar campanhas de marketing personalizadas para cada um deles.

Portanto, fica latente como ela pode ter um enorme impacto na sua organização. Segundo estudo realizado pela McKinsey, empresas que utilizam metodologias de análise de clientes alcançam um ROI 115% maior e lucros 93% maiores.

análise cohort
(Na imagem: análise de dados de clientes impulsiona o desempenho corporativo)
(Crédito: Mckinsey&Company)

Como se vê, há muitas razões pelas quais sua marca deve se concentrar em métricas específicas para acompanhar o comportamento entre diferentes tipos de usuários. Nas palavras do consultor norteamericano Philip Kotler,

"a aquisição de novos clientes é de cinco a sete vezes mais cara quando comparada ao custo de reter os clientes existentes".

Além disso, as empresas com baixa adesão ao cliente logo ficam sem novos consumidores e acabam caindo em uma espiral descendente de retornos negativos. 

Entre as análises de dados existentes, a análise cohort objetiva entender o ciclo de vida do cliente, a integridade e a sazonalidade do seu negócio, tornando-se uma metodologia obrigatória quando o assunto é o aumento da retenção de usuários.

Dito isso, aprenda como essa indispensável fonte de insights é capaz de contribuir para uma melhor tomada de decisão sobre os seus produtos/serviços.

[hubspot type=cta portal=7186301 id=0c0d1617-c5c8-40a1-92c4-07d6eb4bd053]

O que é a análise cohort?

A análise cohort é uma técnica muito utilizada em Growth Hacking, mas, antes de falarmos mais sobre isso, vamos entender o que significa cohort.

Cohort é o nome dado a um agrupamento de clientes com uma característica em comum, de acordo com períodos, ou seja, safras.

Por exemplo, 20 clientes entraram no mês de janeiro na nossa base de clientes e outros 13 entraram no mês de fevereiro. Nesse caso, poderíamos entender que os 20 clientes de janeiro são um cohort e os outros 13 são outro cohort.

A ideia é que os usuários sejam separados por um agrupamento dependente do tempo, dessa forma, é possível obter vários insights sobre as principais métricas de sua empresa:

A divisão em cohorts ajuda também a visualizar e organizar melhor a sua base de clientes, além de proporcionar que você extraia dados como acima exemplificados. Em nosso time de Growth, costumamos fazer essa análise, porque ela permite um estudo do comportamento de usuários ou clientes que estão unidos por uma característica em comum.

Essas características são divididas, geralmente, pelo viés da aquisição. Assim, os cohorts costumam ser formados pela data de compra, data de pagamentos, data de cadastro etc. Por exemplo, podemos fazer uma análise sobre como a safra de clientes que compram em determinado mês se comporta ao longo de 2 anos.

Além desse exemplo mais comum, a análise pode auxiliar a entender também o ciclo de vida de um determinado cliente e quais as safras do nosso negócio são mais rentáveis. A partir disso, conseguimos identificar alavancas sobre como atrair mais pessoas com o perfil do nosso melhor cohort.

Os parâmetros da análise podem ser diversos, a partir de distintas variáveis, deixando-a mais complexa e robusta. Sendo assim, importante aprofundar um pouco nas serventias que essa metodologia nos traz.

Para que serve essa análise?

Você já sabe que cohort é um grupo de usuários que compartilham uma característica particular. Em linhas gerais, para que um grupo de usuários seja considerado um cohort, eles devem estar vinculados a um evento e agrupamento temporal comuns, tais como: "mulheres nascidas em 1989 ou usuários com graduação completa no ano corrente".

Portanto, neste ponto, o cohort se difere de um segmento de usuários comum, pois, neste último, é possível criar conjuntos com praticamente qualquer condição como base, não precisando se basear em tempos e eventos em comum.

(Na imagem: diferença entre cohort e segmento)
(Crédito: G2.com)

A principal função da análise cohort é rastrear e investigar o desempenho de seus usuários ao longo do tempo e obter respostas para perguntas como:

  • Os novos clientes que você está adquirindo são mais (ou menos) valiosos do que os usuários anteriores?
  • As alterações que você fez em seu site afetaram positiva ou negativamente a jornada do seu cliente?
  • Existem diferenças sazonais entre os usuários que você adquire? 
  • Qual é a sua taxa de retenção?
  • Quando os usuários começam em churn?
  • Será que os clientes que você adquiriu no mês passado agem de forma diferente daqueles que se inscreveram no mês anterior? 
  • Os usuários que responderam a um desconto ou promoção se comportam de maneira semelhante ou não daqueles que compraram pelo preço integral? 

Criar o hábito de verificar o desempenho dessa análise te permite conquistar uma variedade de métricas e serve, especialmente, para:

  1. Identificar problemas mais cedo: você pode ver tendências nos cohorts mais recentes sem correr o risco dos resultados serem mascarados pelo restante da base de dados;
  2. Criar previsões mais assertivas: conhecendo os comportamentos sazonais, você pode incorporá-los às suas expectativas de performance futura;
  3. Saber como os comportamentos dos usuários afetam seu negócio: veja como as ações realizadas ou não por seus cohorts se traduzem em mudanças nas métricas da sua empresa, como aquisição e retenção;
  4. Entender o churn do seu cliente: avalie hipóteses para entender quais ações incentivam uma maior rotatividade;
  5. Calcular o valor da vida útil do cliente: veja quanto os seus clientes valem para a empresa ao longo do tempo. Você pode, inclusive, agrupar ainda mais esses cohorts para avaliar quais canais de aquisição levam ao melhor valor de vida útil do cliente (LTV);
  6. Otimizar seu funil de conversão: descubra como a experiência do usuário em todo o funil de marketing digital se traduz em valor para seus clientes;
  7. Criar um relacionamento mais eficaz com o cliente: à medida que você identifica padrões, fica mais fácil se relacionar com os seus usuários.

A análise responde tantas perguntas que permite que uma empresa identifique padrões claros em diferentes grupos de clientes.

Em um mundo cada vez mais digital, em que produtos e serviços são modulados pela opinião pública, examinar a experiência do cliente (CX) é fundamental para as organizações que querem ganhar vantagem competitiva no mercado, reduzindo seus CAC e aumentando o seu LTV.

Quais são os benefícios da análise cohort?

Um dos maiores benefícios do uso da análise de cohort é a clareza com a qual se torna possível manipular as potencialidades e os gargalos da sua companhia. Logo, as decisões de um negócio, tanto quanto possível, devem ser baseadas em dados precisos e oportunos, não apenas em desejos, palpites ou experiência.

“In God we trust. All others must bring data.” (Em Deus, nós acreditamos. Todos os outros devem trazer dados)
W. Edwards Deming, estatístico e um dos responsáveis por melhorar os processos produtivos na Segunda Guerra Mundial

Entre uma quantidade quase infinita de possibilidades, seguem abaixo alguns dos maiores benefícios obtidos através dessa análise.

Diferencie as métricas de crescimento e engajamento

Muitas vezes, o engajamento do cliente é confundido com crescimento. A análise cohort, nesse sentido, ajuda você a reconhecer a diferença, evitando que se considerem apenas métricas de picos momentâneos – números elevados podem mascarar problemas futuros de crescimento e sustentabilidade. 

Livre-se das métricas de vaidade

Utilizar cohorts e filtros de análise ajuda a obter dados mais sólidos e seguros e a não se perder em métricas de vaidade - aquelas que fazem você se sentir bem, mas que podem influenciá-lo a tomar decisões de negócios erradas, porque não significam nada se estiverem fora de contexto. Em outras palavras, é como se ajudasse você a proteger a sua empresa do seu próprio ego.

Entenda os porquês por trás dos diferentes canais de aquisição

É possível observar as razões por trás dos movimentos dos usuários, saber quais se desconectam, quais permanecem e o porquê. Você pode, ainda, comparar variáveis para ter uma perspectiva mais ampla de como as métricas estão interrelacionadas.

Exercite uma visão de longo prazo

Qualquer empresa data-driven precisa de tempo para maturar algumas informações e acompanhar a concorrência. E, para isso, a análise cohort é muito eficiente.  Você consegue analisar e entender os ciclos de vida dos usuários e de seus produtos, além de obter uma visão abrangente da sazonalidade - como as estações afetam os hábitos de compra de cada grupo e se os usuários adquiridos durante uma ocasião especial (por exemplo, Carnaval, Black Friday ou Natal) estão performando melhor ou pior.

Você pode, inclusive, obter conhecimento sobre como os novos usuários respondem em comparação com os anteriores. No longo prazo, isso tem um valor incalculável para transformar as suas expectativas em previsões cada vez mais precisas.

Identifique fluxos de usuários 

O monitoramento de diferentes tipos de usuários ajuda a entender as necessidades específicas de cada estágio do funil de vendas e a identificar problemas antecipadamente.

Assim como novos usuários poderão precisar de mais orientação sobre seus produtos e serviços, usuários antigos poderão ter interesse por anúncios de novos recursos e atualizações.

Ter cohorts ajuda a identificar se eles estão enfrentando os mesmos problemas ou problemas diferentes ao longo desse caminho.  

Marketing mais eficiente

Outro grande uso da análise de cohort é na gestão de marketing, pois é possível avaliar a eficácia de uma campanha específica com vários grupos distintos para determinar as melhores estratégias para cada cohort e encontrar áreas de necessidade. Por exemplo, se você estiver realizando um teste AB, poderá ver o desempenho de cada canal antes de finalizar uma escolha.

Dito isso, vejamos em ação como essa análise acontece.

Como fazer uma análise cohort?

O primeiro passo para criar uma análise cohort é definir quais os conjuntos que guiarão essa análise. A título exemplificativo, vamos construir uma avaliação em função dos pedidos de um determinado aplicativo de viagens.

Ao começar essa análise de cohort para retenção de usuários, a principal métrica é a de recompra, pois essa métrica fornecerá histórico sobre os clientes e sobre seu ciclo de vida.

Agora, vamos buscar entender como é a retenção desse aplicativo em função do trimestre em que os clientes fizeram seus primeiros pedidos.

(Na imagem: exemplo de cohort)
(Crédito: G4 Educação)

Cada linha representa um grupo diferentes de clientes, de acordo com um comportamento escolhido, nesse caso, é a compra separada por trimestre desde 2019 até 2020. E cada coluna representa se aquele grupo de clientes comprou ou não no trimestre seguinte. Entendendo como é a taxa de recompra, ou seja, quantos clientes continuam comprando, começamos a montar uma análise de cohort.

E, assim, vamos entendendo a evolução da taxa de retenção:

Análise Cohort
(Na imagem: análise de retenção)
(Crédito: G4 Educação)

E, agora, podemos transmitir essa análise para algo mais visual, como o gráfico abaixo:

Análise Cohort
(Na imagem: gráfico de análise cohort)
(Crédito: G4 Educação)

A partir dessas informações, conseguimos entender como os clientes se comportam ao longo do tempo e em função de alguma variável de comportamento. Aqui, podemos reconhecer que há uma grande queda entre o Q4 e o Q5. E, até mesmo, que esses perfis analisados na cohort não parecem ser sustentáveis, pois todas as linhas tendem a zero, ou seja, não há um agrupamento de retenções acima do Q8 e conseguimos definir o ciclo de vida dos clientes.

Nesse ponto, conseguimos separar as nossas safras por data inicial de compra, sendo os trimestres dos anos de 2019 e 2020, e avaliando como esses clientes se comportaram ao longo do tempo.

Poderíamos, ainda, se quiséssemos, aprofundar em outras análises, como dividir por produto, dividir por quem comprou com vouchers ou descontos, entre outros. Mas, o mais importante, é entender as frequências apresentadas graficamente e o ciclo de vida dos clientes, pensando até mesmo em formas de maximizar a rentabilidade dos clientes e criar iniciativas de retenção e recuperação dos usuários.

O mais importante disso tudo é entender o que você vai avaliar de acordo com a realidade do seu negócio. Então, lembre-se:

  • Pense primeiro no seu objetivo com essa análise;
  • Faça o levantamento de dados que você possui hoje;
  • Agrupe tudo em um lugar;
  • Comece a aplicar.

De início, seus gráficos não precisam ser os mais belos ou mais certos, eles precisam te orientar a tomar decisões claras para o seu negócio e te orientar sobre como explorar melhor as informações que você tem da sua base de clientes.

Como ler gráficos de análise cohort

Depois de percorrer a definição do conceito de cohort e seus múltiplos benefícios para uma empresa, é hora de examinar mais de perto como essa análise se comporta na prática.

Os dados usados ​​para realizar uma análise cohort são organizados em gráficos. Um gráfico de cohort é aquele onde a métrica combinada que você está analisando é exibida nas interseções entre o eixo vertical e o horizontal:

(Na imagem: Gráfico Cohort)
(Crédito: Sanketh B)

Apesar de parecer confuso, a sua leitura é simples. Vejamos o passo a passo de como prosseguir.

  1. Primeiro, observe o eixo vertical. Os cohorts geralmente se movem nessa direção, ficando os mais antigos no topo e os mais novos na parte inferior. Neste gráfico em específico, temos cohorts mensais de pessoas que instalaram um aplicativo, de fevereiro a agosto. A primeira coluna mostra as datas de instalação e a segunda o número de usuários que instalaram o aplicativo naquele mês;
  2. Segundo, observe o eixo horizontal. Ele mostra a passagem do tempo em diferentes períodos (sempre com a mesma duração), desde o início de cada cohort. No exemplo, eles variam do mês 0 (o mês de aquisição) ao mês 6, seis meses a partir do mês de aquisição. 
  3. Terceiro, observe as células do meio, elas contêm os dados principais, ou seja, a métrica que se está examinando. Nesse caso, as taxas de retenção em alguns meses após a aquisição do usuário. Cohorts antigos sempre terão mais dados, já que estão sendo analisados a mais tempo e, em alguns casos, poderão resultar em um gráfico na forma típica de um triângulo.
  4. Por último, após visualizar todo o gráfico, há três maneiras de traduzi-lo: 
  • Verticalmente. Se passarmos por uma única coluna, podemos analisar o progresso da métrica no mesmo mês de aquisição (mesmo momento no ciclo de vida do usuário) em todos os cohorts. 
  • Horizontalmente. Se olharmos para a mesma linha, estaremos analisando a evolução da métrica no mesmo cohort ao longo do tempo. No exemplo, as taxas de retenção diminuem do mês 0 ao mês 6 na primeira cohorte. 
  • Diagonalmente. Podemos dar uma olhada em como a métrica se parece com o mesmo mês do calendário em todos os cohorts, por exemplo, as taxas de retenção de agosto.  

É importante ter cuidado com o tamanho dos seus cohorts. Se forem muito pequenos, as métricas variarão muito e as análises potenciais poderão não ser úteis para a estratégia da sua empresa. Outro ponto e uma boa prática quando se trata de visualizar tendências, é usar um sombreamento para tornar mais fácil a visualização de como um valor progride ou decai e quando os gaps aparecem. 

Considerações finais: a importância de se adotar um mecanismo que impulsiona a inteligência do cliente

A análise cohort é crucial para qualquer negócio. No entanto, você deve se lembrar que a sua empresa é única e a sua análise também precisa ser. Dessa forma, certifique-se de escolher cohorts que são fundamentais para a sua realidade e as suas necessidades específicas.

A capacidade de se tomar decisões baseadas em dados começa quando se é possível isolar variáveis ​​para ver o impacto real que elas têm em seus produtos/serviços.

Pesquisar seus usuários em cohorts pode revelar maneiras de melhorar ainda mais a jornada do seu cliente, ou seja, como funciona e como aplicar o customer experience de maneira ainda mais personalizada.

Integrar e analisar dados de um enorme conjunto de diversas fontes para o crescimento pode ser um desafio. Mas, se você quer descobrir oportunidades para melhorar a sua eficiência e se tornar mais lucrativo, conheça a Imersão em Growth do G4 Educação e aprenda como aplicar as estratégias de crescimento utilizadas pelas maiores empresas do mundo. 

[hubspot type=cta portal=7186301 id=0c0d1617-c5c8-40a1-92c4-07d6eb4bd053]

Matérias relacionadas
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Algum termo te deixou com dúvidas?
Saiba o que significa no nosso glossário do empresário.
Acessar agora