Kohortanalys är en analytisk teknik som grupperar användare eller kunder i segment, så kallade kohorter, utifrån en gemensam egenskap eller upplevelse inom en definierad tidsperiod, oftast datumet de först registrerade sig, gjorde sitt första köp eller först förvärvades via en specifik kanal, och sedan följer hur varje kohorts beteende utvecklas under efterföljande tidsperioder. Det vanligaste resultatet är en kohortretentionstabell, eller retentionskurva, som visar hur stor andel av en kohort som förblir aktiv, återkommer för att köpa eller fortsätter prenumerera vid fasta intervall efter startpunkten, till exempel 1 vecka, 1 månad, 3 månader och 12 månader senare, vilket gör det möjligt för analytiker att jämföra hur kohorter som förvärvats vid olika tidpunkter eller via olika kanaler beter sig under sina respektive livslängder.
Kohortanalys är viktigt eftersom den korrigerar en grundläggande begränsning hos aggregerade tidsseriemått: ett företags totala retention eller genomsnittliga intäkt per användare en given månad blandar samman kunder i helt olika skeden av sin relation med produkten, vissa som anslöt samma månad och andra som anslöt för flera år sedan, vilket helt kan dölja försämrade eller förbättrade trender. Till exempel kan en total användarbas visa oförändrat antal månatligt aktiva användare samtidigt som nyare kohorter lämnar betydligt snabbare än äldre, en varningssignal som skulle förbli osynlig i det blandade måttet men blir omedelbart tydlig när kohorterna separeras och jämförs sida vid sida på en retentionskurva.
Kohorter kan definieras längs flera dimensioner utöver enkelt förvärvsdatum, inklusive beteendekohorter (grupperade efter en vidtagen handling, till exempel att ha slutfört onboarding eller inte), förvärvskanalskohorter (grupperade efter om en användare kom via betald sökning, organiskt eller via värvning) och intäktskohorter (grupperade efter det initiala köpvärdet). Analytiker visualiserar ofta dessa data som en triangulär retentionstabell, med rader som representerar kohorter efter startperiod och kolumner som representerar förfluten tid sedan starten, vilket gör att mönster som att en viss månads kohort underpresterar på grund av en prisändring, en bugg eller en förvärvskampanj av lägre kvalitet kan isoleras till just den perioden i stället för att döljas i totalgenomsnitt. Verktyg som Mixpanel, Amplitude och GA4:s inbyggda kohortutforskningsrapporter används ofta för att bygga dessa analyser utan att kräva skräddarsydd datateknik.
Ett vanligt misstag är att dra slutsatser från kohorter som är för små eller för nya för att ha samlat på sig statistiskt meningsfull data, eftersom en kohort som förvärvats för bara två veckor sedan ännu inte kan säga något om retention efter 6 eller 12 månader, och att jämföra en omogen kohort med en mogen på dessa senare mått ger en missvisande bild. En annan vanlig fallgrop är att inte ta hänsyn till externa faktorer som påverkar en hel kohort samtidigt, till exempel en säsongsbetonad topp i förvärvskvalitet kring en helgrea eller ett tillfälligt produktavbrott, vilket kan få en kohort att se ovanligt stark eller svag ut av skäl som inte har något att göra med någon avsiktlig produkt- eller marknadsföringsförändring som gjordes vid den tiden.
För en tillväxt- eller CRO-konsultbyrå är kohortanalys särskilt värdefull för att utvärdera om förändringar i produkt, onboarding eller livscykelmarknadsföring ger varaktiga förbättringar snarare än kortsiktiga toppar, eftersom en förändring som ökar de initiala registreringarna men inte förbättrar, eller till och med försämrar, retentionen efter 30 eller 90 dagar inom den berörda kohorten inte nödvändigtvis har skapat bestående värde. Det är också ett standardverktyg för att utvärdera förvärvskanalernas kvalitet över tid, eftersom kanaler kan jämföras inte bara på omedelbar konverteringsgrad eller kostnad per förvärv, utan på den långsiktiga retentionen och kundlivstidsvärdets utveckling hos de kohorter de genererar, vilket ofta visar att en kanal med högre initial kostnad per förvärv i själva verket är mer lönsam när man tar hänsyn till kohorternas långsiktiga beteende.
Fler termer som börjar på C
Uppmaning till handling (Call to Action, CTA)Kortsortering (card sorting)Varukorgsavhopp (Cart Abandonment)Förändringsledning (Change Management)Kassaoptimering (Checkout Optimization)Churn (kundbortfall)Klickfrekvens (CTR)Testning på klientsidanKognitiv belastning (Cognitive Load)Konkurrentanalys (Competitive Analysis)KonfidensintervallConsent mode (samtyckeläge)
