A análise que ajuda você a entender o comportamento de compra do seu público
Uma constante de qualquer negócio é certamente a mudança. Seja a mudança de um público, ou simplesmente do seu comportamento de consumo. O que entendemos como verdade hoje pode não fazer mais sentido amanhã, já que as variáveis mais importantes para entender o seu cliente mudam todos os dias. Justamente por isso é importante encontrar formas de fazer uma análise adequada em relação aos diferentes perfis de clientes de sua empresa, bem como seu comportamento ao longo do tempo. E é para isso que utilizamos a chamada análise Cohort [coorte, em português].
Basicamente, a análise Cohort classifica os clientes em grupos, sempre com base em uma característica comum. A partir daí, acompanha seu comportamento ao longo do tempo, analisa itens como frequência de compra e consumo, tempo de permanência na loja e quanto e no que gastam seu dinheiro. Em outras palavras, divide os clientes naquilo que podemos entender como comportamento de compra.
Análise Cohort: princípios e aplicação dentro da sua marca
Então, vamos do início. Como explicamos, uma Cohort é, basicamente, um grupo de clientes agrupados com base em características comuns, em um certo intervalo de tempo. Alguns exemplos podem ser clientes adquiridos a partir de anúncios, ou que compraram seu produto após uma avaliação gratuita, ou que retornaram e refizeram sua compra nos últimos três meses, etc. A definição do critério é por sua conta.
Assim, é importante entender que a análise Cohort não analisa o cliente como uma entidade única com gostos e hábitos de compra semelhantes, mas sim como um grupo diversificado de pessoas, com comportamentos variados. É apenas depois de identificar esses padrões e tendências em relação ao comportamento desse cliente que você pode, enfim, formular campanhas de marketing específicas e direcionadas a este grupo. Em geral, isso funciona mais do que lançar uma campanha genérica e voltada a um público muito amplo. Quanto mais específico você quer, maiores as chances de as pessoas se conectarem. É por isso que dividir seu público em grupos faz todo o sentido.
Diferentes tipos de Cohort e como analisar cada um deles
Contudo, existem alguns tipos de grupos que se repetem, em diferentes análises. Por exemplo, você pode fazer a divisão dos coortes de acordo com a data de entrada ou inscrição no seu site ou aplicativo. Dessa forma, pode analisar a taxa de retenção destes clientes específicos, tendo como base o tempo em que eles seguem usando seu aplicativo ou site após a data de inscrição. Isso é muito útil para auxiliar você a entender, por exemplo, a porcentagem de usuários que não passaram por este processo de retenção. E talvez tentar entender o que “deu errado” nesta jornada.
Quando falamos em análise Cohort é preciso entender o que chamamos de “comportamentos”, ou seja, qualquer número de ações executadas em um aplicativo ou site, como compartilhar uma foto, postar ou curtir algo, realizar ou abandonar uma compra, etc. É a sua habilidade em identificar esses comportamentos e separá-los em grupos que ajudará, mais na frente, a realizar as análises certas para entender o que funciona e o que já não faz sentido para o seu negócio. Atualmente, entre os principais tipos de métricas utilizadas na análise Cohort, estão:
Valor médio do pedido
O Valor Médio do Pedido (AOV) mede o total médio de cada pedido feito durante um período de tempo definido. Essa é uma das métricas mais importantes para determinados negócios, uma vez que orienta muitas das decisões importantes a serem tomadas, como preços, gastos com publicidade e marketing, disposição dos produtos na loja ou no site etc. Lembrando que o AOV é determinado pelas vendas por pedido, e não por cliente. Isso significa que mesmo que um cliente volte várias vezes para fazer uma compra, cada pedido ainda será contabilizado separadamente.
Valor de vida útil
O valor da vida útil do cliente (CLV) ajuda a medir o sucesso do negócio a longo prazo, assim como prever suas receitas futuras. Na prática, ele determina quanto lucro você pode esperar de um cliente ao longo de sua “vida útil”.
Tempo entre pedidos
Essa métrica se refere ao tempo entre pedidos sucessivos. Assim, dependendo do seu tipo de produto ou serviço, esse período de tempo pode ser maior ou menor, variando de horas a até meses ou anos. Um berço de criança, por exemplo, pode até ser comprado duas vezes pela mesma pessoa, mas em um intervalo muito maior do que aconteceria com uma fralda. Essa métrica é valiosa pois ajuda você a determinar o momento certo de enviar e-mails marketing e promoções para lembrar seus clientes sobre certos produtos.
Porcentagem da Taxa de Repetição
Essa taxa é a métrica mais reveladora quando o assunto é provar o quão bem-sucedida sua retenção de clientes é no momento. Isso porque determina a relação de clientes que seguem comprando de sua marca, em oposição aqueles que desistem após uma única compra.
Pedidos por cliente
Por fim, a métrica de pedidos por cliente está intimamente relacionada com a métrica anterior. Basicamente, quanto mais clientes repetidos você tiver, mais pedidos cada um deles fará. Valores altos nessa métrica também indicam uma forte taxa de retenção.
Benefícios da análise de coortes para sua empresa
Enfim, ao conseguir fazer isso, é bem provável que a análise Cohort ajude você a alcançar uma série de objetivos, como:
-
Prever o comportamento futuro de seu cliente;
-
Aumentar suas taxas de retenção;
-
Entender melhor o seu negócio e os seus produtos, criando ofertas e atrativos melhores para seu cliente;
-
Descobrir quais produtos seus clientes gostam mais ou compram com mais frequência;
-
Personalizar suas estratégias de marketing com base nos resultados obtidos nas análises.
Dessa forma, ao fazer uma análise Cohort no dia a dia da sua empresa, além de todos os pontos acima, você tem algo muito importante: mais dados para monitoramento. Afinal, é graças à precisão nos dados gerados e ao uso de ferramentas analíticas que você tem mais condições de conhecer e acompanhar as mudanças de comportamento de seus clientes. Com isso, o negócio atua de forma mais estratégica por meio de análises preditivas, podendo prever o próximo passo dos usuários e surpreendê-los positivamente.
Vamos pensar sobre isso na prática. Imagine que você está procurando por um tênis no Google e, já a partir da primeira pesquisa, o buscador passa a mostrar anúncios de produtos do segmento. Pode parecer mágica, mas é apenas o resultado de um trabalho fundamentado na análise Cohort.
Outro ponto importante é que, com a análise Cohort, você melhora a sua percepção sobre o seu cliente. O que, é claro, impacta positivamente nos resultados do seu negócio, e com certeza é uma vantagem na hora de melhorar suas taxas de retenção. Se você fizer uma boa análise e, a partir daí, utilizar o conhecimento adquirido para entregar aquilo que o seu cliente realmente procura, aumentam muito as chances de sucesso.
Um exemplo prático
Por fim, vamos terminar este artigo com um exemplo simples do uso da análise Cohort, para deixar tudo um pouco mais claro e palpável. Por exemplo, você pode fazer uso de uma métrica comportamental, que analisa todos os usuários que leem comentários sobre um produto antes de comprá-lo. Com isso, pode responder a algumas perguntas relevantes, como:
-
Usuários que leem comentários têm uma taxa de conversão mais alta do que os usuários que não leem comentários?
-
Usuários que leem comentários são mais engajados?
Um usuário de aplicativo, por exemplo, após a instalação e/ou lançamento de um aplicativo, toma centenas de decisões a respeito dele, e exibe inúmeros pequenos comportamentos que levam à decisão de seguir fazendo uso do app, ou simplesmente desinstalá-lo do seu celular. Esses comportamentos podem ser qualquer coisa, como fazer ou não uso de um recurso específico, ou abrir ou não o aplicativo após receber uma notificação. Veja o exemplo a seguir:
Em ambos os casos, o usuário tinha a intenção de realizar transações dentro do seu aplicativo. Contudo, um tipo de grupo optou por prosseguir com o checkout, enquanto o outro optou por abandonar o aplicativo.
A partir da análise dos dados obtidos, é possível entender o melhor momento para se envolver novamente com seus usuários, seja por meio de remarketing ou outra estratégia, e também qual a taxa de aquisição de novos usuários você precisa para manter o aplicativo funcionando e sendo um sucesso.
No exemplo acima, podemos perceber que a maioria dos usuários que abandonaram o carrinho de compras não voltou a interagir com o aplicativo no próximo dia após a data de aquisição. Isso significa que você provavelmente tem menos de 24 horas para convencer estes clientes a entrarem novamente em seu aplicativo, entregando a eles novas ofertas e tendo a chance de aumentar sua taxa de conversão.
