Crescimento crescente: faça sua própria análise de coorte com este código-fonte aberto

Análise de coorte, retenção e churn são algumas das principais métricas na construção da empresa.

Mas este não é apenas mais um artigo sobre análise de coorte. Se você é um cientista de dados experiente que já conhece a importância do tópico e quer pular a introdução, pode pular para o simulador, onde pode aprender como fazer análises de coorte e simular o crescimento de startups com base na retenção, churn e vários outros fatores, ou analise seus próprios logs do PayPal com o software que eu abri código.

Se, no entanto, você não perceber que essas são algumas das métricas mais importantes, continue lendo.

Introdução à Análise de Coorte

Primeiro, vamos entender do que estamos falando aqui com uma definição de análise de coorte. Resumidamente, uma coorte é um grupo de sujeitos com uma característica definidora comum . Talvez seja sua idade, talvez seja sua nacionalidade, talvez seja sua cidade de nascimento, etc.

A idade é um exemplo particularmente bom. Muitas vezes, nos referimos aos nascidos entre os anos 60 e 80 como membros da “Geração X” e aqueles que nasceram entre os anos 80 e 90 como membros da “Geração Y”. Cada coorte, cada geração, tem suas próprias características definidoras .

Da mesma forma, qualquer empresa pode agrupar e analisar seus clientes por coorte. Uma maneira comum e muito útil de analisar seus clientes é agrupá-los pela data em que começaram a usar seu serviço .

E se eu lhe perguntasse: “ Quanto da sua receita no mês passado veio de clientes que começaram a trabalhar com você há um ano? “Qualquer um? Novos usuários podem parecer bons, mas as inscrições por si só não equivalem a receita. Você sabe a resposta? Caso contrário, será útil aprender sobre a análise de coorte.

Coortes, retenção e análise de rotatividade

Se você analisar sua receita por coortes, poderá deduzir (mensalmente) quanto de sua receita vem de novos usuários e quanto vem de usuários antigos . Além disso, você pode dar o próximo passo e prever receitas futuras atribuídas à retenção e contabilizar o churn com um grau de precisão significativamente maior.

Ok, então estabelecemos que uma coorte é um grupo de pessoas com uma característica definidora comum. A partir daqui, prosseguiremos com o exemplo, examinando as métricas de nossa nova startup de computação em nuvem. Vamos começar analisando apenas uma única coorte. Nesse caso, analisaremos os clientes que começaram a trabalhar conosco em janeiro de 2012.

A primeira métrica importante que precisamos calcular é a retenção : quantos de nossos novos usuários de janeiro ainda estavam conosco em fevereiro? Digamos que tivéssemos 100 assinantes em janeiro e apenas 20 decidiram cancelar suas assinaturas, deixando-nos com 80 assinantes restantes em fevereiro. A análise básica de retenção nos diz que é uma taxa de retenção de 80%. Agora, digamos que 8 clientes decidiram cancelar em fevereiro. Então, em março, temos 80-8=72 usuários. Como 72/80 = 90%, tivemos uma retenção de 90% após 2 meses para nossa coorte de janeiro de 2012.

Algumas pessoas calculam a retenção em função do tamanho inicial da coorte, mas eu prefiro calcular a retenção em função do mês anterior de cada coorte.

A taxa de churn é outra métrica essencial. Pode ser definido em termos de retenção: churn = 1 - retenção. Portanto, 80% de retenção implica em 20% de churn. Em palavras, é a taxa na qual os clientes estão deixando seu serviço.

Voltando à nossa startup de computação em nuvem, vamos analisar um caso ideal (leia-se: irreal) : 100% de taxa de retenção. Isso significa que nenhum de nossos clientes deixa o serviço – ninguém cancela nada. Vamos dizer que nossa empresa recebe 1.000 novos clientes por mês. Após 24 meses, esta empresa tem 24.000 clientes ativos. Não é tão ruim. Infelizmente, esse cenário é basicamente impossível – a retenção de 100% só existe no paraíso das startups.

Agora, vamos ser um pouco mais realistas e dizer que nossa empresa tem uma taxa de retenção de 90%. Em outras palavras , cada coorte perde 10% de seus clientes todos os meses. Novamente, assumiremos 1.000 novos clientes todos os meses.

Nesse caso, após receber 1.000 novos usuários em janeiro de 2012, perdemos 100 clientes em fevereiro, 90 em março, 81 em abril e assim por diante. Vamos ver como é esse gráfico.

Com 1.000 novos usuários por mês e uma taxa de retenção de clientes de 90%, temos cerca de 9.000 usuários ativos mensais após 24 meses. Compare isso com 100% de retenção e temos apenas 37,5% do caso ideal (24.000 clientes).

Simplificando: uma queda de 10% na taxa de retenção causou uma redução de 62% no número total de usuários ativos após 24 meses .

As principais conclusões aqui: baixas taxas de retenção limitam o crescimento e o uso de software para análise de coorte é útil para entender suas taxas de retenção .

Crescimento crescente

Existem várias maneiras de aumentar o crescimento: aumentar o orçamento de marketing, otimizar conversões e criar programas de referência podem contribuir para o crescimento viral. Vamos analisar o caso do crescimento viral, em que o número de novos clientes é afetado pelo número total de clientes ativos da empresa. Em outras palavras: mais clientes no sistema é igual a mais pessoas indicando novos clientes é igual a mais novos clientes .

Digamos que a empresa está crescendo viralmente com um fator constante (K) de 0,20 e que a fórmula que aplicamos para calcular o número de novos clientes é:

Agora, vamos visualizar o mesmo exemplo de antes (1.000 novos usuários por mês @ 90% de retenção), mas desta vez, vamos lançar algum crescimento viral (com K = 0,20).

A partir deste gráfico de análise de coorte, há duas conclusões principais: primeiro, um fator constante de 0,20 causou um aumento de 1.000% no número total de clientes ativos (~90.000) após 24 meses; e em segundo lugar, o sistema ainda está crescendo após 24 meses – não atingiu um ponto de saturação .

Então, para compensar nossa taxa de retenção de 90%, precisamos criar mecanismos para aumentar nosso crescimento a cada mês .

Agora, neste ponto, você pode estar dizendo: “Uau, Alejandro: o crescimento viral é claramente mais importante do que a retenção. Veja como isso afetou nossa base de clientes!”

Ao que eu respondia: “Não tão rápido”.

Vamos analisar mais um caso. Nossa boa e velha startup de computação em nuvem, mas com uma taxa de retenção de 50%. Manteremos 1.000 novos usuários por mês e uma taxa de crescimento viral K = 0,20. Mas, independentemente da viralidade, nossa empresa está tendo um desempenho muito ruim, perdendo 50% de nossos clientes em cada coorte, todos os meses.

Após 24 meses, nossa empresa tem apenas 3.000 clientes ativos em vez de 90.000 – isso é uma diferença de 30x! A retenção é realmente fundamental.

Mas por que a retenção tem um efeito tão poderoso? Resumindo: como o crescimento viral depende do número de clientes ativos, se mantivermos nossos usuários por mais tempo, teremos mais referências .

Para recapitular:

• De um modo geral, o churn limita o crescimento.
• A retenção aumenta o crescimento viral.
• Boa retenção e crescimento viral são pré-requisitos para escalar uma empresa para milhões, ou mesmo bilhões de usuários.

Uma palavra final sobre a análise da taxa de churn

É muito comum ver mais clientes cancelando um serviço durante o primeiro mês de uso do que depois. É por isso que na simulação a seguir, forneço duas taxas de retenção: a taxa de retenção do primeiro mês e a taxa de retenção de longo prazo. O uso desses parâmetros em nossos cálculos levará a resultados mais precisos.

Conclusão

O objetivo deste tutorial de análise de coorte não era fornecer uma aula detalhada sobre métricas e análises de coorte; na verdade, outros discutiram a complexidade dessas estatísticas com muito mais profundidade. Em vez disso, quero despertá-lo para a importância desse tipo de análise e, mais importante, mostrar aos leitores seus próprios exemplos de análise de coorte de receita e taxas de rotatividade com minha solução de software de análise de coorte de código aberto.

Se houver apenas uma pergunta para acordá-lo, é a seguinte:

Quanto de sua receita real vem de usuários que começaram a trabalhar com você há um ano?

Como fazer sua própria análise de coorte

Agora é sua vez! Existem duas maneiras de analisar a retenção e o churn do seu próprio negócio:

1. Carregue seus dados do PayPal para a ferramenta que implantei . Para divulgação completa, observe que, ao usar esta ferramenta, seu arquivo de log será colocado temporariamente em um servidor para processamento (excluído assim que os dados forem exibidos). No entanto, se preferir, pode sempre…
2. Baixe o código-fonte aberto e implante a ferramenta você mesmo . O README contém instruções detalhadas sobre como fazer isso. Se você não tiver uma conta do PayPal, poderá hackear o código facilmente para analisar outros tipos de contas.

Alternativamente, você pode brincar com nosso simulador e visualizar o crescimento da startup com base em todos os parâmetros discutidos acima.

Obrigado por ler!