การวิเคราะห์ cohort (Cohort Analysis) คือเทคนิคการวิเคราะห์ที่จัดกลุ่มผู้ใช้หรือลูกค้าเป็นส่วน ๆ เรียกว่า cohort ตามลักษณะหรือประสบการณ์ร่วมที่เกิดขึ้นภายในช่วงเวลาที่กำหนด ซึ่งส่วนใหญ่คือวันที่พวกเขาลงทะเบียนครั้งแรก ซื้อครั้งแรก หรือถูกดึงเข้ามาผ่านช่องทางใดช่องทางหนึ่งเป็นครั้งแรก แล้วติดตามว่าพฤติกรรมของแต่ละ cohort เปลี่ยนแปลงอย่างไรในช่วงเวลาถัดมา ผลลัพธ์ที่พบบ่อยที่สุดคือตารางการรักษาลูกค้าแบบ cohort (cohort retention table) หรือเส้นโค้งการรักษาลูกค้า (retention curve) ซึ่งแสดงว่า cohort กี่เปอร์เซ็นต์ยังคงใช้งานอยู่ กลับมาซื้อ หรือสมัครสมาชิกต่อเนื่องในช่วงเวลาที่กำหนดหลังจุดเริ่มต้น เช่น 1 สัปดาห์ 1 เดือน 3 เดือน และ 12 เดือนต่อมา ทำให้นักวิเคราะห์เปรียบเทียบได้ว่า cohort ที่ได้มาในเวลาต่างกันหรือผ่านช่องทางต่างกันมีพฤติกรรมอย่างไรตลอดอายุของแต่ละกลุ่ม
การวิเคราะห์ cohort มีความสำคัญเพราะแก้ข้อจำกัดพื้นฐานของเมตริกอนุกรมเวลาแบบรวม อัตราการรักษาลูกค้าโดยรวมหรือรายได้เฉลี่ยต่อผู้ใช้ของธุรกิจในเดือนหนึ่งผสมลูกค้าที่อยู่ในขั้นของความสัมพันธ์กับผลิตภัณฑ์ที่แตกต่างกันโดยสิ้นเชิงเข้าด้วยกัน ทั้งผู้ที่เข้าร่วมในเดือนเดียวกันและผู้ที่เข้าร่วมเมื่อหลายปีก่อน ซึ่งอาจบดบังแนวโน้มที่แย่ลงหรือดีขึ้นไปเสียทั้งหมด ตัวอย่างเช่น ฐานผู้ใช้โดยรวมอาจแสดงผู้ใช้ที่ใช้งานรายเดือนรวมคงที่ ขณะที่ cohort ใหม่ ๆ เลิกใช้เร็วกว่า cohort เก่าอย่างมีนัยสำคัญ ซึ่งเป็นสัญญาณเตือนที่จะมองไม่เห็นในเมตริกแบบรวม แต่ชัดเจนทันทีเมื่อแยก cohort และเปรียบเทียบเคียงกันบนเส้นโค้งการรักษาลูกค้า
cohort สามารถนิยามได้หลายมิติเกินกว่าวันที่ได้ลูกค้ามาอย่างง่าย ได้แก่ cohort เชิงพฤติกรรม (จัดกลุ่มตามการกระทำ เช่น ทำการเริ่มต้นใช้งานเสร็จหรือไม่) cohort ตามช่องทางการหาลูกค้า (จัดกลุ่มตามว่าผู้ใช้มาจากการค้นหาแบบชำระเงิน ออร์แกนิก หรือการแนะนำ) และ cohort ตามรายได้ (จัดกลุ่มตามมูลค่าการซื้อครั้งแรก) นักวิเคราะห์มักแสดงข้อมูลนี้เป็นตารางการรักษาลูกค้ารูปสามเหลี่ยม โดยแถวแทน cohort ตามช่วงเริ่มต้น และคอลัมน์แทนเวลาที่ผ่านไปนับจากจุดเริ่ม ทำให้แยกรูปแบบต่าง ๆ ได้ เช่น cohort ของเดือนใดเดือนหนึ่งที่ทำงานต่ำกว่าเกณฑ์เพราะการเปลี่ยนแปลงราคา บั๊ก หรือแคมเปญหาลูกค้าที่คุณภาพต่ำกว่า ให้แยกออกมาที่ช่วงเวลานั้นโดยเฉพาะ แทนที่จะถูกกลบอยู่ในค่าเฉลี่ยรวม เครื่องมืออย่าง Mixpanel, Amplitude และรายงานสำรวจ cohort ดั้งเดิมของ GA4 มักถูกใช้สร้างการวิเคราะห์เหล่านี้โดยไม่ต้องอาศัยวิศวกรรมข้อมูลแบบกำหนดเอง
ความผิดพลาดที่พบบ่อยคือการสรุปจาก cohort ที่เล็กเกินไปหรือใหม่เกินไปจนยังไม่สะสมข้อมูลที่มีนัยสำคัญทางสถิติ เพราะ cohort ที่ได้มาเพียงสองสัปดาห์ยังไม่สามารถเผยอะไรเกี่ยวกับการรักษาลูกค้า 6 เดือนหรือ 12 เดือนได้ และการเปรียบเทียบ cohort ที่ยังไม่เติบโตกับ cohort ที่โตเต็มที่ในเมตริกช่วงหลังเหล่านั้นให้ภาพที่ทำให้เข้าใจผิด อีกข้อผิดพลาดที่พบบ่อยคือการไม่คำนึงถึงปัจจัยภายนอกที่ส่งผลต่อ cohort ทั้งกลุ่มพร้อมกัน เช่น คุณภาพการหาลูกค้าที่พุ่งขึ้นตามฤดูกาลในช่วงเทศกาลลดราคา หรือการที่ผลิตภัณฑ์ล่มชั่วคราว ซึ่งอาจทำให้ cohort ดูแข็งแกร่งหรืออ่อนแอผิดปกติด้วยเหตุผลที่ไม่เกี่ยวข้องกับการเปลี่ยนแปลงผลิตภัณฑ์หรือการตลาดที่ตั้งใจทำในเวลานั้น
สำหรับที่ปรึกษาด้านการเติบโตหรือ CRO การวิเคราะห์ cohort มีคุณค่าเป็นพิเศษในการประเมินว่าการเปลี่ยนแปลงด้านผลิตภัณฑ์ การเริ่มต้นใช้งาน หรือการตลาดตามวงจรชีวิตลูกค้าสร้างการปรับปรุงที่ยั่งยืน แทนที่จะเป็นการพุ่งขึ้นระยะสั้น เพราะการเปลี่ยนแปลงที่เพิ่มการลงทะเบียนเริ่มต้นแต่ไม่ปรับปรุง หรือแย่ลงจริงในการรักษาลูกค้า 30 วันหรือ 90 วันภายใน cohort ที่ได้รับผลกระทบ ไม่จำเป็นต้องสร้างคุณค่าที่ยั่งยืน นี่ยังเป็นเครื่องมือมาตรฐานในการประเมินคุณภาพช่องทางหาลูกค้าตามเวลา เพราะสามารถเปรียบเทียบช่องทางได้ไม่เพียงจากอัตราการแปลงทันทีหรือต้นทุนต่อการได้ลูกค้า แต่จากวิถีการรักษาลูกค้าระยะยาวและมูลค่าตลอดช่วงชีวิตของ cohort ที่ช่องทางนั้นสร้างขึ้น ซึ่งมักเผยว่าช่องทางที่มีต้นทุนต่อการได้ลูกค้าเริ่มต้นสูงกว่านั้นแท้จริงแล้วทำกำไรได้มากกว่าเมื่อพิจารณาพฤติกรรม cohort ระยะยาว
คำศัพท์เพิ่มเติมที่ขึ้นต้นด้วย C
ปุ่มกระตุ้นการตัดสินใจ (Call to Action หรือ CTA)Card Sorting (การจัดกลุ่มการ์ด)การละทิ้งตะกร้าสินค้า (Cart Abandonment)การบริหารการเปลี่ยนแปลง (Change Management)การเพิ่มประสิทธิภาพขั้นตอนชำระเงิน (Checkout Optimization)อัตราการสูญเสียลูกค้า (Churn Rate)อัตราการคลิก (CTR)การทดสอบฝั่งไคลเอนต์ (Client-Side Testing)ภาระทางปัญญา (Cognitive Load)การวิเคราะห์คู่แข่ง (Competitive Analysis)ช่วงความเชื่อมั่น (Confidence Interval)Consent Mode
