Wachsendes Wachstum: Führen Sie mit diesem Open-Source-Code Ihre eigene Kohortenanalyse durch

Kohortenanalyse, Bindung und Abwanderung sind einige der wichtigsten Kennzahlen beim Unternehmensaufbau.

Aber dies ist nicht nur ein weiterer Artikel über Kohortenanalyse. Wenn Sie ein erfahrener Datenwissenschaftler sind, der die Bedeutung des Themas bereits kennt, und die Einführung überspringen möchten, können Sie zum Simulator springen, wo Sie lernen, wie Sie Kohortenanalysen durchführen und das Startup-Wachstum basierend auf Bindung, Abwanderung und simulieren eine Reihe anderer Faktoren, oder analysieren Sie Ihre eigenen PayPal-Protokolle mit der Software, die ich als Open Source bereitgestellt habe.

Wenn Ihnen jedoch nicht klar ist, dass dies einige der wichtigsten Metriken überhaupt sind, lesen Sie weiter.

Einführung in die Kohortenanalyse

Lassen Sie uns zunächst anhand einer Kohortenanalysedefinition verstehen, worüber wir hier sprechen. Kurz gesagt, eine Kohorte ist eine Gruppe von Subjekten mit einem gemeinsamen definierenden Merkmal . Vielleicht ist es ihr Alter, vielleicht ist es ihre Nationalität, vielleicht ist es ihre Geburtsstadt usw.

Das Alter ist ein besonders gutes Beispiel. Häufig bezeichnen wir diejenigen, die zwischen den 60er und 80er Jahren geboren wurden, als Mitglieder der „Generation X“ und diejenigen, die zwischen den 80er und 90er Jahren geboren wurden, als Mitglieder der „Generation Y“. Jede Kohorte, jede Generation hat ihre eigenen charakteristischen Merkmale .

Ebenso kann jedes Unternehmen seine Kunden nach Kohorten gruppieren und analysieren. Eine gängige und sehr nützliche Methode zur Analyse Ihrer Kunden besteht darin , sie nach dem Datum zu gruppieren, an dem sie begonnen haben, Ihren Dienst zu nutzen .

Was wäre, wenn ich Sie fragen würde: „ Wie viel Ihres Umsatzes im letzten Monat stammte von Kunden, die vor einem Jahr mit Ihnen zusammengearbeitet haben? " Überhaupt irgendwelche? Neue Benutzer sehen vielleicht gut aus, aber Anmeldungen allein sind nicht gleichbedeutend mit Einnahmen. Kennst du die Antwort? Wenn nicht, ist es hilfreich, sich mit der Kohortenanalyse vertraut zu machen.

Kohorten-, Kundenbindungs- und Abwanderungsanalyse

Wenn Sie Ihren Umsatz nach Kohorten analysieren, können Sie (auf Monatsbasis) ableiten, wie viel Ihres Umsatzes von neuen Benutzern und wie viel von alten Benutzern stammt . Außerdem können Sie den nächsten Schritt unternehmen und zukünftige Umsätze, die der Kundenbindung und der Berücksichtigung von Abwanderung zugeschrieben werden, mit einem deutlich höheren Maß an Genauigkeit vorhersagen.

Ok, wir haben also festgestellt, dass eine Kohorte eine Gruppe von Menschen mit einem gemeinsamen definierenden Merkmal ist. Von hier aus gehen wir beispielhaft vor und untersuchen die Metriken unseres neuen, angesagten Cloud-Computing-Startups. Beginnen wir mit der Analyse einer einzelnen Kohorte. In diesem Fall betrachten wir die Kunden, die im Januar 2012 begonnen haben, mit uns zusammenzuarbeiten.

Die erste wichtige Metrik, die wir berechnen müssen, ist die Kundenbindung : Wie viele unserer neuen Januar-Benutzer waren im Februar noch bei uns? Angenommen, wir hatten im Januar 100 Abonnenten und nur 20 entschieden sich, ihre Abonnements zu kündigen, sodass uns im Februar noch 80 Abonnenten übrig blieben. Eine grundlegende Retentionsanalyse sagt uns, dass dies eine Retentionsrate von 80 % ist. Nehmen wir nun an, dass 8 Kunden im Februar entschieden haben, zu kündigen. Im März haben wir also 80-8=72 Benutzer. Da 72/80 = 90 %, hatten wir für unsere Januar-2012-Kohorte nach 2 Monaten eine Retention von 90 %.

Einige Leute berechnen die Retention als Funktion der anfänglichen Größe der Kohorte, aber ich bevorzuge es, die Retention als Funktion des Vormonats jeder Kohorte zu berechnen.

Die Abwanderungsrate ist eine weitere wichtige Kennzahl. Es kann in Bezug auf die Aufbewahrung definiert werden: Abwanderung = 1 - Aufbewahrung. 80 % Retention implizieren also 20 % Abwanderung. Mit anderen Worten, es ist die Rate, mit der Kunden Ihren Dienst verlassen.

Kehren wir zu unserem Cloud-Computing-Startup zurück und analysieren wir einen idealen (sprich: unwirklichen) Fall : 100 % Retention Rate. Das bedeutet, dass keiner unserer Kunden den Service verlässt – niemand kündigt überhaupt. Nehmen wir an, unser Unternehmen gewinnt 1.000 neue Kunden pro Monat. Nach 24 Monaten hat dieses Unternehmen 24.000 aktive Kunden. Nicht so schlecht. Leider ist dieses Szenario im Grunde unmöglich – 100% Retention gibt es nur im Startup-Paradies.

Lassen Sie uns jetzt etwas realistischer sein und sagen, dass unser Unternehmen eine Bindungsrate von 90 % hat. Mit anderen Worten , jede Kohorte verliert jeden Monat 10 % ihrer Kunden. Auch hier gehen wir von 1.000 Neukunden pro Monat aus.

In diesem Fall verloren wir nach 1.000 neuen Benutzern im Januar 2012 im Februar 100 Kunden, im März 90, im April 81 und so weiter. Mal sehen, wie diese Grafik aussieht.

Bei 1000 neuen Nutzern pro Monat bei einer Kundenbindungsrate von 90 % haben wir nach 24 Monaten rund 9.000 monatlich aktive Nutzer. Vergleichen Sie dies mit 100 % Bindung, und wir haben nur 37,5 % des Idealfalls (24.000 Kunden).

Einfach ausgedrückt: Ein Rückgang der Bindungsrate um 10 % führte nach 24 Monaten zu einem Rückgang der Gesamtzahl aktiver Nutzer um 62 % .

Die wichtigsten Erkenntnisse hier: Niedrige Bindungsraten begrenzen das Wachstum , und die Verwendung von Software für Kohortenanalysen ist hilfreich, um Ihre Bindungsraten zu verstehen .

Wachsendes Wachstum

Es gibt mehrere Möglichkeiten, das Wachstum zu steigern: Die Erhöhung des Marketingbudgets, die Optimierung der Conversions und die Erstellung von Empfehlungsprogrammen können alle zum viralen Wachstum beitragen. Analysieren wir den Fall des viralen Wachstums, bei dem die Anzahl der Neukunden von der Gesamtzahl der aktiven Kunden des Unternehmens beeinflusst wird. Mit anderen Worten: Mehr Kunden im System, mehr Neukunden werben, mehr Neukunden .

Nehmen wir an, das Unternehmen wächst viral mit einem konstanten (K)-Faktor von 0,20 und die Formel, die wir angewendet haben, um die Anzahl der Neukunden zu berechnen, lautet:

Stellen wir uns nun das gleiche Beispiel wie zuvor vor (1000 neue Benutzer pro Monat bei 90 % Bindung), aber dieses Mal fügen wir etwas virales Wachstum hinzu (mit K = 0,20).

Aus diesem Diagramm der Kohortenanalyse lassen sich zwei wichtige Erkenntnisse ziehen: Erstens hat ein konstanter Faktor von 0,20 nach 24 Monaten zu einem Anstieg der Gesamtzahl aktiver Kunden (~90.000) um 1000 % geführt; und zweitens wächst das system nach 24 monaten immer noch – es hat noch keinen sättigungspunkt erreicht .

Um unsere 90-prozentige Bindungsrate auszugleichen, müssen wir also Mechanismen schaffen, um unser Wachstum jeden Monat zu steigern .

Nun, an diesem Punkt könnten Sie sagen: „Wow, Alejandro: Virenwachstum ist eindeutig wichtiger als Bindung. Sehen Sie sich an, wie sich das auf unseren Kundenstamm ausgewirkt hat!“

Darauf würde ich antworten: „Nicht so schnell.“

Lassen Sie uns einen weiteren Fall analysieren. Unser gutes altes Cloud-Computing-Startup, aber mit einer Bindungsrate von 50 %. Wir bleiben bei 1.000 neuen Benutzern pro Monat und einer viralen Wachstumsrate von K = 0,20. Aber ungeachtet der Viralität schneidet unser Unternehmen wirklich schlecht ab und verliert jeden Monat 50 % unserer Kunden in jeder Kohorte.

Nach 24 Monaten hat unser Unternehmen statt 90.000 nur noch 3.000 aktive Kunden – das ist ein 30-facher Unterschied! Aufbewahrung ist wirklich der Schlüssel.

Aber warum hat die Retention eine so starke Wirkung? Kurz gesagt: Da das virale Wachstum von der Anzahl der aktiven Kunden abhängt, werden wir mehr Empfehlungen erhalten, wenn wir unsere Benutzer länger halten .

Zur Erinnerung:

• Im Allgemeinen begrenzt die Abwanderung das Wachstum.
• Die Retention erhöht das Viruswachstum.
• Gute Retention und virales Wachstum sind Voraussetzungen für die Skalierung eines Unternehmens auf Millionen oder sogar Milliarden von Benutzern.

Ein letztes Wort zur Analyse der Abwanderungsrate

Es ist ziemlich üblich, dass mehr Kunden einen Dienst im ersten Monat der Nutzung kündigen als später. Aus diesem Grund stelle ich Ihnen in der folgenden Simulation zwei Bindungsraten zur Verfügung: die erste Monatsbindungsrate und die langfristige Bindungsrate. Die Verwendung dieser Parameter in unseren Berechnungen führt zu genaueren Ergebnissen.

Fazit

Der Zweck dieses Tutoriums zur Kohortenanalyse war nicht, Ihnen einen detaillierten Kurs über Metriken und Kohortenanalysen zu geben; Tatsächlich diskutierten andere die Komplexität dieser Statistiken viel eingehender. Stattdessen möchte ich Sie für die Bedeutung dieser Art von Analyse sensibilisieren und, was noch wichtiger ist, den Lesern ihre eigenen Beispiele für Umsatzkohortenanalysen und Abwanderungsraten mit meiner Open-Source-Kohortenanalyse-Softwarelösung zeigen.

Wenn es nur eine Frage gibt, die Sie aufweckt, dann ist es die folgende:

Wie viel Ihres tatsächlichen Umsatzes stammt von Nutzern, die vor einem Jahr mit Ihnen zusammengearbeitet haben?

So führen Sie Ihre eigene Kohortenanalyse durch

Jetzt sind Sie dran! Es gibt zwei Möglichkeiten, die Bindung und Abwanderung Ihres eigenen Unternehmens zu analysieren:

1. Laden Sie Ihre PayPal-Daten in das von mir bereitgestellte Tool hoch . Bitte beachten Sie zur vollständigen Offenlegung, dass durch die Nutzung dieses Tools Ihre Logdatei temporär auf einem Server zur Verarbeitung abgelegt wird (gelöscht sobald die Daten angezeigt werden). Wenn Sie es jedoch vorziehen, können Sie jederzeit …
2. Laden Sie den Open-Source-Code herunter und stellen Sie das Tool selbst bereit . Die README enthält detaillierte Anweisungen dazu. Wenn Sie kein PayPal-Konto haben, können Sie den Code einfach hacken, um andere Arten von Konten zu analysieren.

Alternativ können Sie mit unserem Simulator herumspielen und das Startup-Wachstum basierend auf allen oben besprochenen Parametern visualisieren.

Danke fürs Lesen!