Een cohort is een groep klanten die een gemeenschappelijk startkenmerk delen — meestal de maand van hun eerste aankoop — en die samen over de tijd worden gevolgd, waarbij de 'klok' van elke klant begint bij hun eigen eerste aankoop in plaats van op een kalenderdatum. Die herindexering op leeftijd maakt groepen die op verschillende tijdstippen zijn verworven vergelijkbaar.

Wat is cohortanalyse?

Cohortanalyse groepeert klanten op basis van wanneer ze zijn verworven en volgt elke groep vooruit, zodat u kunt zien of het gedrag is veranderd of dat de samenstelling van de klanten is veranderd. Een samengestelde (of 'blended') metric verandert om beide redenen en kan ze niet onderscheiden, wat verklaart hoe een vlakke algehele retentie twee grote tegengestelde trends kan verbergen.

Waarom cohorten per acquisitiemaand?

Omdat de eerste aankoop de enige gebeurtenis is die elke klant precies één keer heeft, wordt deze betrouwbaar vastgelegd en verandert deze nooit achteraf. Het maken van cohorten op basis van een herhaalbare gebeurtenis, zoals de eerste abonnementsafsluiting, maakt het lidmaatschap dubbelzinnig, aangezien een klant kan opzeggen en opnieuw kan beginnen, en dat herschrijft stilletjes elke historische grafiek die erop is gebaseerd.

Hoe vergelijk je twee cohorten eerlijk?

Vergelijk ze op dezelfde leeftijd, niet op dezelfde kalenderdatum. Een cohort dat vier maanden geleden is verworven, heeft vier maanden geschiedenis en een cohort dat vorige maand is verworven, heeft er één, dus elk cumulatief cijfer bevoordeelt de oudere per definitie. Lees een kolom van de cohorttabel naar beneden — maand 1 tegen maand 1 — in plaats van over de rijen.

Wat is overlevingsbias in cohortanalyse?

Het treedt op wanneer de noemer van een retentiecurve bestaat uit nog actieve klanten in plaats van de oorspronkelijke cohortgrootte. Op die manier gemeten, stijgt het percentage naarmate de minst betrokken klanten uit de berekening wegvallen, en kan een verslechterend cohort eruitzien als een verbeterend cohort. De noemer moet gedurende de hele periode vast blijven staan op de initiële cohortgrootte.

Hoe groot moet een cohort zijn?

Groot genoeg zodat gewone variatie het signaal niet overspoelt. Een cohort van 40 klanten met een herhaalaankoop percentage van 20% zijn acht mensen, dus twee klanten meer of minder doet het schommelen tussen 15% en 25%. Verbreed de korrel naar kwartaalcohorten in plaats van de grafiek te egaliseren, en toon altijd de cohortgrootte naast het percentage.

Meting

Cohort

Een cohort is een groep klanten die een gemeenschappelijk startkenmerk delen — meestal de periode waarin ze hun eerste aankoop deden — en vervolgens samen in de tijd worden gevolgd.

Cohorting is wat een verandering in het bedrijf scheidt van een verandering in de mix. Een samengestelde meting verandert wanneer nieuwe klanten zich anders gedragen, wanneer oude klanten zich anders gedragen, of wanneer hun verhoudingen verschuiven, en het kan je niet vertellen welke.

Splits cohorten op per acquisitiekanaal en per datum. Klanten die zijn geworven met een hoge korting op de eerste bestelling behouden anders, en door ze te mengen met organische klanten worden beide curves onleesbaar.

De klassieke verkeerde diagnose die het voorkomt: de algehele retentie lijkt vlak, dus het productteam concludeert dat er niets is veranderd. Cohorting onthult dat elke nieuwe cohort in feite beter retentie vertoont, terwijl de mix is verschoven naar een goedkoper acquisitiekanaal dat slechter retentie vertoont — twee grote tegengestelde bewegingen die gemiddeld een rechte lijn vormen. Handelen op basis van het vlakke cijfer betekent het repareren van een product dat verbetert en het opschalen van een kanaal dat dat niet doet.

Wat definieert een cohort, en waarom de acquisitiemaand de standaard is

Een cohort heeft twee dingen nodig: een gemeenschappelijke startgebeurtenis, en een klok die bij die gebeurtenis begint. Het tweede is het deel dat mensen overslaan en het deel dat al het werk doet. Zodra de tijdlijn van elke klant opnieuw is geïndexeerd, zodat maand 0 hun eigen eerste maand is in plaats van een kalendermaand, worden klanten die in januari en in juli zijn geworven direct vergelijkbaar op dezelfde leeftijd. Zonder die herindexering heb je een filter, geen cohort.

De acquisitiemaand is de standaard startgebeurtenis om een eenvoudige reden: het is de enige gebeurtenis die elke klant precies één keer heeft, het verandert nooit retrospectief, en het wordt betrouwbaar vastgelegd. Vergelijk dat met cohorting op 'eerste abonnement' — een klant kan zich abonneren, opzeggen en opnieuw abonneren, dus de startgebeurtenis is dubbelzinnig en het cohortlidmaatschap kan achteraf verschuiven, wat stilletjes de geschiedenis herschrijft in elke grafiek die erop is gebouwd.

De acquisitiedatum is niet de enige nuttige as, alleen de veiligste om mee te beginnen. Gedragscohorten — eerste gekochte product, acquisitiekanaal, volledige prijs versus korting op de eerste bestelling, apparaat, land — zijn vaak diagnostischer, en ze combineren: de maart-cohort die via betaalde sociale media is geworven met 20% korting is een legitiem cohort en vaak degene die een retentieprobleem verklaart. De regel die al deze uitsplitsingen overleeft, is dat de tijdindex leeftijd moet zijn, niet de kalenderdatum.

Maandelijks is de standaard granulariteit voor e-commerce omdat de meeste herhaalcycli worden gemeten in weken tot maanden. Wekelijkse cohorten voor een bedrijf dat een paar honderd bestellingen per maand doet, zijn meestal ruis; kwartaalcohorten voor een bedrijf dat tienduizenden bestellingen doet, verbergen te veel. Kies de granulariteit die je cohorten geeft die groot genoeg zijn om te lezen, en laat het dan zo.

Een cohortdriehoek lezen

De standaarduitvoer is een driehoek: één rij per cohort, één kolom per maand leeftijd, en steeds minder cellen naarmate je naar beneden gaat naar cohorten die nog niet lang genoeg bestaan om ze te vullen. De vorm is geen defect. Het is de eerlijke weergave van het feit dat recente cohorten minder geschiedenis hebben, en elke grafiek die dit verbergt, middelt over gegevens die niet bestaan.

Er zijn drie manieren om het te lezen en ze beantwoorden drie verschillende vragen. Over een rij is de veroudering van één cohort: hoe een enkele groep klanten afneemt. Langs een kolom is de vergelijking die er echt toe doet voor beslissingen — zijn nieuwere cohorten beter dan oudere op dezelfde leeftijd? Langs de diagonaal is één kalendermaand die door elk cohort tegelijkertijd wordt ervaren, wat de plek is waar site-uitval, voorraadtekorten en promoties verschijnen als een streep die door cohorten van elke leeftijd snijdt.

Acquisitiecohort	Klanten	Maand 1	Maand 2	Maand 3	Maand 4
Januari	1,200	22%	15%	12%	10%
Februari	1,350	23%	16%	13%	—
Maart	1,900	25%	17%	—	—
April	2,400	26%	—	—	—

Voorbeeld cohortdriehoek: herhaalaankoop percentage per maanden sinds eerste bestelling

De fouten die een cohortgrafiek laten liegen

Lees de kolom van maand 1 in dat voorbeeld: 22%, 23%, 25%, 26%. Nieuwere cohorten herhalen sneller, wat een echte verbetering is. Merk nu op dat de cohorten ook groeien — 1,200 naar 2,400 — dus het samengestelde herhaalpercentage over alle klanten wordt getrokken naar het gedrag van de nieuwste en grootste groep, en kan in bijna elke richting bewegen, afhankelijk van hoe de oudere cohorten verouderen. De cohortweergave en de samengestelde weergave kunnen in tegengestelde richtingen wijzen zonder dat een van beide fout is.

Cohorten van ongelijke leeftijd vergelijken. April heeft één maand gehad en januari heeft er vier gehad, dus elke cumulatieve meting bevoordeelt januari per constructie. Vergelijk altijd op gelijke leeftijd — maand 1 tegen maand 1 — en rangschik cohorten nooit op basis van een 'lifetime-to-date' cijfer.
Overleving in de noemer. Een retentiecurve berekend over 'nog actieve klanten' meet overlevenden, niet het cohort. De noemer moet de oorspronkelijke cohortgrootte blijven gedurende de hele levensduur van de curve, anders stijgt het aantal naarmate de minst betrokken klanten uit de berekening vallen.
Rechts-censurering aan de onderkant. De nieuwste cohorten hebben onvolledige rijen. Ze gemiddeld opnemen in een samenvatting trekt het naar beneden; ze volledig uitsluiten vertekent het naar boven door het meest recente bewijs te verwijderen. Toon de driehoek en laat de gaten zichtbaar zijn.
Cohorting op een herhaalbare gebeurtenis. Eerste abonnement, eerste app-installatie, eerste login — elk hiervan kan twee keer gebeuren, wat het cohortlidmaatschap veranderlijk maakt en elke historische grafiek instabiel.
Kalendereffecten die op verschillende leeftijden landen. Black Friday is maand 1 voor de oktober-cohort en maand 11 voor die van de vorige december, dus een seizoenspiek verschijnt op een andere positie op elke curve. Het middelen van de curves smeert één echte gebeurtenis uit over de hele horizontale as.
De cohortdefinitie wijzigen zonder de geschiedenis te herzien. Een cohorttabel waarin 'nieuwe klant' vóór juni iets anders betekende, zijn twee grafieken getekend op één as.

Wanneer de aantallen te klein zijn om op te handelen

Cohortenanalyse faalt stilletjes bij kleine aantallen omdat een percentage van een klein aantal in grote stappen beweegt. Een cohort van 40 klanten met een herhaalpercentage van 20% in maand 1 zijn 8 mensen; twee klanten meer of minder is 15% of 25%, en één vertraagde zending kan dat veroorzaken. Een grafiek van dergelijke cohorten ziet eruit als een bedrijf met een extreem volatiele retentie, en het is in werkelijkheid een bedrijf met cohorten van 40 klanten.

De praktische reactie is om de granulariteit te verbreden in plaats van de grafiek te egaliseren — kwartaalcohorten van 500 zijn leesbaar waar maandelijkse cohorten van 160 dat niet zijn — en om de cohortgrootte in een kolom naast de percentages te plaatsen, zodat niemand een percentage leest zonder te weten waarvan het een percentage is. De voorbeeld driehoek hierboven doet dit opzettelijk.

Handel dan op basis van de kolomvergelijking in plaats van de rij. De rij vertelt je dat klanten afnemen, wat ze altijd doen. De kolom vertelt je of de cohorten die je dit kwartaal werft beter zijn op dezelfde leeftijd dan die je vorig kwartaal hebt geworven, en dat is de enige vraag in de grafiek waar iemand iets aan kan doen.

Veelgestelde vragen

Wat is een cohort?: Een cohort is een groep klanten die een gemeenschappelijk startkenmerk delen — meestal de maand van hun eerste aankoop — en die samen over de tijd worden gevolgd, waarbij de 'klok' van elke klant begint bij hun eigen eerste aankoop in plaats van op een kalenderdatum. Die herindexering op leeftijd maakt groepen die op verschillende tijdstippen zijn verworven vergelijkbaar.
Wat is cohortanalyse?: Cohortanalyse groepeert klanten op basis van wanneer ze zijn verworven en volgt elke groep vooruit, zodat u kunt zien of het gedrag is veranderd of dat de samenstelling van de klanten is veranderd. Een samengestelde (of 'blended') metric verandert om beide redenen en kan ze niet onderscheiden, wat verklaart hoe een vlakke algehele retentie twee grote tegengestelde trends kan verbergen.
Waarom cohorten per acquisitiemaand?: Omdat de eerste aankoop de enige gebeurtenis is die elke klant precies één keer heeft, wordt deze betrouwbaar vastgelegd en verandert deze nooit achteraf. Het maken van cohorten op basis van een herhaalbare gebeurtenis, zoals de eerste abonnementsafsluiting, maakt het lidmaatschap dubbelzinnig, aangezien een klant kan opzeggen en opnieuw kan beginnen, en dat herschrijft stilletjes elke historische grafiek die erop is gebaseerd.
Hoe vergelijk je twee cohorten eerlijk?: Vergelijk ze op dezelfde leeftijd, niet op dezelfde kalenderdatum. Een cohort dat vier maanden geleden is verworven, heeft vier maanden geschiedenis en een cohort dat vorige maand is verworven, heeft er één, dus elk cumulatief cijfer bevoordeelt de oudere per definitie. Lees een kolom van de cohorttabel naar beneden — maand 1 tegen maand 1 — in plaats van over de rijen.
Wat is overlevingsbias in cohortanalyse?: Het treedt op wanneer de noemer van een retentiecurve bestaat uit nog actieve klanten in plaats van de oorspronkelijke cohortgrootte. Op die manier gemeten, stijgt het percentage naarmate de minst betrokken klanten uit de berekening wegvallen, en kan een verslechterend cohort eruitzien als een verbeterend cohort. De noemer moet gedurende de hele periode vast blijven staan op de initiële cohortgrootte.
Hoe groot moet een cohort zijn?: Groot genoeg zodat gewone variatie het signaal niet overspoelt. Een cohort van 40 klanten met een herhaalaankoop percentage van 20% zijn acht mensen, dus twee klanten meer of minder doet het schommelen tussen 15% en 25%. Verbreed de korrel naar kwartaalcohorten in plaats van de grafiek te egaliseren, en toon altijd de cohortgrootte naast het percentage.