Una coorte è un gruppo di clienti che condividono una caratteristica iniziale — solitamente il mese del loro primo acquisto — e vengono monitorati insieme nel tempo, con l'orologio di ogni cliente che inizia dal proprio primo acquisto piuttosto che da una data di calendario. Questa ri-indicizzazione per età è ciò che rende comparabili i gruppi acquisiti in momenti diversi.

Cos'è l'analisi di coorte?

L'analisi di coorte raggruppa i clienti in base a quando sono stati acquisiti e segue ogni gruppo in avanti, così puoi vedere se il comportamento è cambiato o se la composizione dei clienti è cambiata. Una metrica aggregata si muove per entrambe le ragioni e non può distinguerle, ed è così che una ritenzione complessiva piatta può nascondere due grandi tendenze opposte.

Perché raggruppare per mese di acquisizione?

Perché il primo acquisto è l'unico evento che ogni cliente ha esattamente una volta, viene registrato in modo affidabile e non cambia mai retroattivamente. Raggruppare in base a un evento ripetibile come il primo abbonamento rende l'appartenenza ambigua, poiché un cliente può annullare e ricominciare, e questo riscrive silenziosamente ogni grafico storico costruito su di esso.

Come si confrontano equamente due coorti?

Confrontale alla stessa età, non alla stessa data di calendario. Una coorte acquisita quattro mesi fa ha quattro mesi di storia e una acquisita il mese scorso ne ha uno, quindi qualsiasi dato cumulativo favorisce quella più vecchia per costruzione. Leggi una colonna della tabella delle coorti — mese 1 contro mese 1 — piuttosto che attraverso le righe.

Cos'è il bias di sopravvivenza nell'analisi di coorte?

Si verifica quando il denominatore di una curva di ritenzione è costituito dai clienti ancora attivi piuttosto che dalla dimensione originale della coorte. Misurata in questo modo, la percentuale aumenta man mano che i clienti meno coinvolti escono dal calcolo, e una coorte in deterioramento può sembrare in miglioramento. Il denominatore deve rimanere fisso alla dimensione della coorte iniziale per tutto il tempo.

Quanto deve essere grande una coorte?

Abbastanza grande da non far sì che la variazione ordinaria sovrasti il segnale. Una coorte di 40 clienti con un tasso di ripetizione del 20% è composta da otto persone, quindi due clienti in più o in meno la fanno oscillare tra il 15% e il 25%. Allarga la granularità a coorti trimestrali piuttosto che levigare il grafico, e mostra sempre la dimensione della coorte accanto alla percentuale.

Misurazione

Coorte

Una coorte è un gruppo di clienti che condividono una caratteristica iniziale — il più delle volte il periodo in cui hanno effettuato il loro primo acquisto — e vengono poi monitorati insieme nel tempo.

L'analisi per coorti è ciò che distingue un cambiamento nel business da un cambiamento nella composizione. Una metrica aggregata cambia quando i nuovi clienti si comportano in modo diverso, quando i vecchi clienti si comportano in modo diverso, o quando le loro proporzioni si spostano, e non può dirti quale sia la causa.

Suddividi le coorti per canale di acquisizione oltre che per data. I clienti acquisiti con un forte sconto sul primo ordine fidelizzano in modo diverso, e mescolarli con quelli organici rende entrambe le curve illeggibili.

La classica diagnosi errata che previene: la fidelizzazione complessiva appare piatta, quindi il team di prodotto conclude che nulla è cambiato. L'analisi per coorti rivela che ogni nuova coorte sta in realtà fidelizzando meglio mentre la composizione si è spostata verso un canale di acquisizione più economico che fidelizza peggio — due grandi movimenti opposti che si compensano in una linea retta. Agire sul numero piatto significa cercare di migliorare un prodotto che sta già migliorando e potenziare un canale che non lo è.

Cosa definisce una coorte, e perché il mese di acquisizione è l'impostazione predefinita

Una coorte ha bisogno di due cose: un evento iniziale condiviso e un orologio che parte da quell'evento. La seconda è la parte che le persone saltano e la parte che fa tutto il lavoro. Una volta che la cronologia di ogni cliente viene re-indicizzata in modo che il mese 0 sia il loro primo mese anziché un mese di calendario, i clienti acquisiti a gennaio e a luglio diventano direttamente confrontabili alla stessa età. Senza quella re-indicizzazione hai un filtro, non una coorte.

Il mese di acquisizione è l'evento iniziale predefinito per una semplice ragione: è l'unico evento che ogni cliente ha esattamente una volta, non cambia mai retroattivamente ed è registrato in modo affidabile. Contrasta questo con l'analisi per coorti basata sulla "prima iscrizione" — un cliente può iscriversi, annullare e iscriversi di nuovo, quindi l'evento iniziale è ambiguo e l'appartenenza alla coorte può cambiare a posteriori, il che riscrive silenziosamente la storia in ogni grafico costruito su di essa.

La data di acquisizione non è l'unico asse utile, ma solo il più sicuro da cui partire. Le coorti comportamentali — primo prodotto acquistato, canale di acquisizione, prezzo pieno versus sconto sul primo ordine, dispositivo, paese — sono spesso più diagnostiche e si combinano: la coorte di marzo acquisita tramite social a pagamento con il 20% di sconto è una coorte legittima e spesso quella che spiega un problema di fidelizzazione. La regola che sopravvive a tutti questi tagli è che l'indice temporale deve essere l'età, non la data di calendario.

La granularità mensile è lo standard per l'e-commerce perché la maggior parte dei cicli di acquisto ripetuto si misura in settimane o mesi. Le coorti settimanali per un'attività che effettua qualche centinaio di ordini al mese sono per lo più rumore; le coorti trimestrali per un'attività che effettua decine di migliaia di ordini nascondono troppo. Scegli la granularità che ti dia coorti abbastanza grandi da essere leggibili, poi non cambiarla.

Leggere un triangolo di coorte

L'output standard è un triangolo: una riga per coorte, una colonna per mese di età, e progressivamente meno celle man mano che si scende verso coorti che non sono esistite abbastanza a lungo da riempirle. La forma non è un difetto. È la rappresentazione onesta del fatto che le coorti recenti hanno meno storia, e qualsiasi grafico che lo nasconde sta calcolando una media su dati che non esistono.

Ci sono tre modi per leggerlo e rispondono a tre diverse domande. Lungo una riga si osserva l'invecchiamento di una coorte: come un singolo gruppo di clienti diminuisce nel tempo. Lungo una colonna c'è il confronto che conta davvero per le decisioni — le coorti più recenti sono migliori di quelle più vecchie alla stessa età? Lungo la diagonale c'è un singolo mese di calendario vissuto da ogni coorte contemporaneamente, ed è qui che interruzioni del sito, esaurimenti scorte e promozioni appaiono come una striscia che attraversa coorti di ogni età.

Coorte di acquisizione	Clienti	Mese 1	Mese 2	Mese 3	Mese 4
Gennaio	1,200	22%	15%	12%	10%
Febbraio	1,350	23%	16%	13%	—
Marzo	1,900	25%	17%	—	—
Aprile	2,400	26%	—	—	—

Esempio di triangolo di coorte: tasso di acquisto ripetuto per mesi dal primo ordine

Gli errori che fanno mentire un grafico di coorte

Leggi la colonna del mese 1 in quell'esempio: 22%, 23%, 25%, 26%. Le coorti più recenti stanno ripetendo gli acquisti prima, il che è un vero miglioramento. Ora nota che le coorti stanno anche crescendo — da 1.200 a 2.400 — quindi il tasso di acquisto ripetuto aggregato tra tutti i clienti è attratto dal comportamento del gruppo più nuovo e più grande, e potrebbe muoversi in quasi ogni direzione a seconda di come invecchiano le coorti più vecchie. La vista per coorte e la vista aggregata possono indicare direzioni opposte senza che nessuna delle due sia sbagliata.

Confrontare coorti di età disuguale. Aprile ha avuto un mese e gennaio ne ha avuti quattro, quindi qualsiasi misura cumulativa favorisce gennaio per costruzione. Confronta sempre alla stessa età — mese 1 contro mese 1 — e non classificare mai le coorti in base a un dato cumulativo (lifetime-to-date).
La sopravvivenza nel denominatore. Una curva di fidelizzazione calcolata su "clienti ancora attivi" misura i sopravvissuti, non la coorte. Il denominatore deve rimanere la dimensione originale della coorte per l'intera vita della curva, altrimenti il numero aumenta man mano che i clienti meno coinvolti escono dal calcolo.
Censura a destra in basso. Le coorti più recenti hanno righe incomplete. Farne una media in un riepilogo lo abbassa; escluderli completamente lo distorce verso l'alto rimuovendo le prove più recenti. Mostra il triangolo e lascia che i vuoti siano visibili.
Analisi per coorti su un evento ripetibile. Prima iscrizione, prima installazione dell'app, primo accesso — ognuno di questi può accadere due volte, il che rende l'appartenenza alla coorte mutabile e ogni grafico storico instabile.
Effetti del calendario che si manifestano a età diverse. Il Black Friday è il mese 1 per la coorte di ottobre e il mese 11 per quella del dicembre precedente, quindi un picco stagionale appare in una posizione diversa su ogni curva. Fare la media delle curve spalma un evento reale lungo l'intero asse orizzontale.
Cambiare la definizione della coorte senza riscrivere la storia. Una tabella di coorte in cui "nuovo cliente" significava qualcosa di diverso prima di giugno è come due grafici disegnati su un unico asse.

Quando i numeri sono troppo piccoli per agire

L'analisi per coorti fallisce silenziosamente su numeri piccoli perché una percentuale di un numero piccolo si muove a grandi passi. Una coorte di 40 clienti con un tasso di acquisto ripetuto del 20% al mese 1 è di 8 persone; due clienti in più o in meno significano il 15% o il 25%, e una spedizione ritardata può produrre questo. Un grafico di tali coorti sembra un'attività con una fidelizzazione estremamente volatile, e in realtà è un'attività con coorti di 40 clienti.

La risposta pratica è ampliare la granularità piuttosto che smussare il grafico — coorti trimestrali di 500 sono leggibili dove quelle mensili di 160 non lo sono — e di inserire la dimensione della coorte in una colonna accanto ai tassi in modo che nessuno legga una percentuale senza sapere di cosa sia la percentuale. L'esempio di triangolo sopra fa questo deliberatamente.

Poi agisci sul confronto per colonna piuttosto che per riga. La riga ti dice che i clienti diminuiscono, cosa che fanno sempre. La colonna ti dice se le coorti che stai acquisendo questo trimestre sono migliori alla stessa età di quelle che hai acquisito il trimestre scorso, e questa è l'unica domanda nel grafico su cui chiunque può fare qualcosa.

Domande frequenti

Cos'è una coorte?: Una coorte è un gruppo di clienti che condividono una caratteristica iniziale — solitamente il mese del loro primo acquisto — e vengono monitorati insieme nel tempo, con l'orologio di ogni cliente che inizia dal proprio primo acquisto piuttosto che da una data di calendario. Questa ri-indicizzazione per età è ciò che rende comparabili i gruppi acquisiti in momenti diversi.
Cos'è l'analisi di coorte?: L'analisi di coorte raggruppa i clienti in base a quando sono stati acquisiti e segue ogni gruppo in avanti, così puoi vedere se il comportamento è cambiato o se la composizione dei clienti è cambiata. Una metrica aggregata si muove per entrambe le ragioni e non può distinguerle, ed è così che una ritenzione complessiva piatta può nascondere due grandi tendenze opposte.
Perché raggruppare per mese di acquisizione?: Perché il primo acquisto è l'unico evento che ogni cliente ha esattamente una volta, viene registrato in modo affidabile e non cambia mai retroattivamente. Raggruppare in base a un evento ripetibile come il primo abbonamento rende l'appartenenza ambigua, poiché un cliente può annullare e ricominciare, e questo riscrive silenziosamente ogni grafico storico costruito su di esso.
Come si confrontano equamente due coorti?: Confrontale alla stessa età, non alla stessa data di calendario. Una coorte acquisita quattro mesi fa ha quattro mesi di storia e una acquisita il mese scorso ne ha uno, quindi qualsiasi dato cumulativo favorisce quella più vecchia per costruzione. Leggi una colonna della tabella delle coorti — mese 1 contro mese 1 — piuttosto che attraverso le righe.
Cos'è il bias di sopravvivenza nell'analisi di coorte?: Si verifica quando il denominatore di una curva di ritenzione è costituito dai clienti ancora attivi piuttosto che dalla dimensione originale della coorte. Misurata in questo modo, la percentuale aumenta man mano che i clienti meno coinvolti escono dal calcolo, e una coorte in deterioramento può sembrare in miglioramento. Il denominatore deve rimanere fisso alla dimensione della coorte iniziale per tutto il tempo.
Quanto deve essere grande una coorte?: Abbastanza grande da non far sì che la variazione ordinaria sovrasti il segnale. Una coorte di 40 clienti con un tasso di ripetizione del 20% è composta da otto persone, quindi due clienti in più o in meno la fanno oscillare tra il 15% e il 25%. Allarga la granularità a coorti trimestrali piuttosto che levigare il grafico, e mostra sempre la dimensione della coorte accanto alla percentuale.