ניתוח עוקבות

ניתוח קבוצות (Cohort analysis) הוא טכניקה אנליטית המקבצת משתמשים או לקוחות לפלחים, הנקראים קבוצות (Cohorts), המבוססים על מאפיין או חוויה משותפים המתרחשים בפרק זמן מוגדר, לרוב התאריך בו הם נרשמים לראשונה, מבצעים את הרכישה הראשונה שלהם או נרכשו לראשונה דרך ערוץ ספציפי, ולאחר מכן עוקבת אחר האופן שבו התנהגותה של כל קבוצה מתפתחת לאורך תקופות זמן עוקבות. הפלט הנפוץ ביותר הוא טבלת שימור קבוצות, או עקומת שימור, המציגה איזה אחוז מקבוצה נשאר פעיל, חוזר לרכישה או ממשיך להירשם במרווחי זמן קבועים לאחר נקודת ההתחלה שלהם, כגון שבוע, חודש, 3 חודשים ו-12 חודשים מאוחר יותר, מה שמאפשר לאנליסטים להשוות כיצד קבוצות שנרכשו בזמנים שונים או דרך ערוצים שונים מתנהגות לאורך תוחלת החיים שלהן.

ניתוח קבוצות חשוב משום שהוא מתקן מגבלה מהותית של מדדים מצטברים, סדרתיים בזמן: שיעור השימור הכולל של עסק או ההכנסה הממוצעת למשתמש בחודש נתון משלבים לקוחות בשלבים שונים לחלוטין של מערכת היחסים שלהם עם המוצר, חלקם הצטרפו באותו חודש וחלקם הצטרפו שנים קודם לכן, מה שיכול להסוות לחלוטין מגמות הידרדרות או שיפור. לדוגמה, בסיס משתמשים כולל עשוי להראות סכום קבוע של משתמשים פעילים חודשיים גם כאשר קבוצות חדשות יותר מתפתחות מהר יותר משמעותית מאשר קבוצות ישנות יותר, סימן אזהרה שיישאר בלתי נראה במדד המעורבב אך מתברר מיד כאשר קבוצות מופרדות ומושוות זו לצד זו על עקומת שימור.

ניתן להגדיר קבוצות מכירה (קוהורטים) לאורך מספר ממדים מעבר לתאריך רכישה פשוט, כולל קבוצות התנהגות (מקובצות לפי פעולה שבוצעה, כגון השלמת קליטה לעומת אי-השלמה), קבוצות ערוץ רכישה (מקובצות לפי האם משתמש הגיע דרך חיפוש בתשלום, אורגני או הפניה), וקבוצות הכנסות (מקובצות לפי ערך רכישה ראשוני). אנליסטים בדרך כלל מדמיינים נתונים אלה כטבלה משולשת של שימור מכירות, כאשר שורות המייצגות קבוצות מכירה לפי תקופת התחלה ועמודות המייצגות את הזמן שחלף מאז התחלה זו, מה שמאפשר דפוסים כגון קבוצה של חודש ספציפי שביצועיה נמוכים עקב שינוי תמחור, באג או קמפיין רכישה באיכות נמוכה יותר, להיות מבודדים לתקופה המדויקת הזו במקום להסתיר אותם בתוך הממוצעים הכוללים. כלים כגון Mixpanel, Amplitude ו- GA4דוחות חקר קוהורט מקוריים של משמשים בדרך כלל לבניית ניתוחים אלה מבלי לדרוש הנדסת נתונים מותאמת אישית.

טעות נפוצה היא הסקת מסקנות מקבוצות קטנות מדי או חדשות מדי מכדי לצבור נתונים משמעותיים סטטיסטית, מכיוון שקבוצה שנרכשה רק לפני שבועיים אינה יכולה עדיין לחשוף דבר על שימור לקוחות לאחר 6 חודשים או 12 חודשים, והשוואה בין קבוצה לא בשלה לקבוצה בוגרת על פי מדדים מאוחרים יותר אלה יוצרת תמונה מטעה. מכשול נפוצ נוסף הוא אי התחשבות בגורמים חיצוניים המשפיעים על קבוצה שלמה בו זמנית, כגון עלייה עונתית באיכות הרכישה סביב מבצעי חג או הפסקת מוצר זמנית, מה שיכול לגרום לקבוצה להיראות חזקה או חלשה באופן יוצא דופן מסיבות שאינן קשורות לשינוי מכוון במוצר או בשיווק שבוצע באותו זמן.

עבור ייעוץ בתחום הצמיחה או CRO, ניתוח קוהורטים חשוב במיוחד להערכת האם שינויים במוצר, בהטמעה או בשיווק במחזור החיים מייצרים שיפורים בני קיימא ולא קפיצות לטווח קצר, מכיוון ששינוי שמגדיל את ההרשמות הראשוניות אך אינו משפר, או למעשה מחמיר, את שימור הלקוחות ל-30 יום או 90 יום בתוך הקבוצה המושפעת, לא בהכרח יצר ערך מתמשך. זהו גם כלי סטנדרטי להערכת איכות ערוץ הרכישה לאורך זמן, מכיוון שניתן להשוות ערוצים לא רק לפי שיעור המרה מיידי או עלות לרכישה, אלא גם לפי שימור לטווח ארוך ומסלול הערך לאורך החיים של הקבוצות שהן מייצרות, מה שלעתים קרובות מגלה שערוץ עם עלות גבוהה יותר מראש לרכישה הוא למעשה רווחי יותר לאחר שלוקחים בחשבון את התנהגות הקבוצות לטווח ארוך.