Blog

Tapando um balde furado utilizando a Matriz Cohort

Em um universo muito real, existem um time comercial e um time de marketing extremamente eficientes em uma empresa que anda de ladoPode isso? Pode, e é bem comum!

O que se vê nessa empresa é uma excelência para adquirir novos clientes, e uma maestria em perder os antigos, sem nem perceber. Ou seja, os clientes entram por um lado, saem por outro e não voltam nunca mais! Esse comportamento é bem conhecido, se chama “Efeito Balde Furado”

Tá tudo certo por aí?

Isso é um problemão que faz com que toda a energia, tempo e dinheiro investidos na aquisição de clientes seja em vão, e a base de clientes se mantenha estável. Logo, o faturamento não sobe e, às vezes, ele pode até diminuir!

Foco na rentabilidade

O fato é que clientes bons antigos são mais rentáveis que adquirir novos, por isso, a importância de gerenciar a retenção da base atual. Por que são mais rentáveis? Considere que cada novo cliente tem um custo (CAC: Custo de Aquisição de Clientes) e que os antigos clientes já estão pagos. 

Logo, vender para os que já se pagaram é mais barato do que “comprar” novos clientes, certo? 
Isso é o poder da retenção!
Uma breve pausa para explicar melhor essa "compra" de clientes.

 O CAC é um acumulado do custo do marketing e do comercial envolvidos na aquisição de um novo usuário. Uma forma simples de estimar esse custo é somar todos os gastos em marketing e vendas (equipes, campanhas, deslocamentos, viagens, etc) e dividir pelo total de novos clientes.

Também vale lembrar que clientes que obtiveram sucesso comprando seu produto/serviço além de continuar comprando com você, acabam se tornam o canal de vendas mais rentável da empresa, o famoso “boca a boca”.

Sabe aquele amigo que te indicou aquilo que resolveu teu problema? Sua empresa vai precisar de uns desses!

Para mensurar a retenção dos clientes usamos uma ferramenta de análise chamada Matriz Cohort.  

Como funciona?

A palavra “cohort” pode ser traduzida no português como “grupo”. Nesta análise, vamos justamente agrupar os clientes pelo período a partir do registro dele na nossa base. 

Cada grupo, ou  “safra”, pertence a um período, e a análise consiste em ver quantos membros da safra permanecem ativos (usando, comprando, pagando) a cada novo período.

Nossa matriz então é composta por safras no eixo vertical e sua retenção no eixo horizontal. Fácil né?

Eu sei, assusta, mas vamos por partes. 

Digamos que cada período na figura acima seja uma semana, então temos 12 safras. Na primeira linha, temos que 35% dos que entraram na safra da primeira semana ficou ativa naquela semana. Na semana seguinte, apenas 29%, na terceira semana foram 24% e na quarta 21%. 

Agora olha ela completa. Já deve dar pra ver nosso vazamento?

Inspeção visual

O padrão de cores na matriz  é boa prática e nos ajuda a fazer uma inspeção visual da retenção. Quanto mais forte a cor, maior a retenção. Ou seja, quanto antes clarear, maior o furo do balde!

Para identificar melhoras ou pioras de retenção entre as safras, é só comparar as semanas verticalmente. Se a safra 1 teve 20% de retenção na semana 4 e a safra 2 teve 26%, tivemos uma melhora de retenção. 

Você deve ter notado que a cada safra, o total de períodos vai diminuindo, formando uma meia matriz. Isso acontece porque a semana 1 da segunda safra não é a mesma semana 1 da primeira safra. Logo, para vermos a mesma semana, é só olhar para as diagonais da matriz. Às vezes, vemos anomalias como a da semana 6, em que a retenção média aumenta se comparar com a 7. Ou seja, os usuários partiram na semana 6 e “ressuscitaram” na semana 7.

Com a matriz devidamente entendida, vamos ver algumas ações que podem ser tomadas a partir dessa análise.

Algumas ações

Para exemplificar, vamos buscar por dois possíveis períodos críticos na retenção de usuários.

1.  Novatos

Os primeiros períodos costumam ser críticos para a permanência do usuário. Os novatos costumam ter dificuldades por não saberem utilizar o produto/serviço. Esse caso pode ser resolvido com ações que eduquem o usuário e encurtem o caminho dele até perceber o valor da sua solução.

2.  Veteranos
Já os veteranos vão te mostrar qual é a semana crítica em que mais usuários debandam, deixando uma diferença grande entre uma coluna e outra do gráfico. Neste caso, ações que reativem o usuário (comunicando uma oferta ou relembrando que sua empresa existe) podem aumentar o tempo de vida do cliente.

Neste artigo, explicamos a análise utilizando a Matriz Cohort, uma ferramenta que vai lhe ajudar a medir a retenção e analisar o comportamento da sua base de clientes.

Outra ferramenta importante e bem visual de análise de retenção é a curva de retenção, mas essa vai ficar para um próximo momento.

Espero que o conteúdo tenha te ajudado. Se curtiu, compartilha ele com alguém. Talvez ajude eles também! 

Abraço, 
Fábio Innocente

Segmentação de clientes: conheça a análise RFM

Já parou para pensar em quais são teus clientes mais rentáveis hoje? E nos clientes que precisam de ativação hoje ? E nos que estão começando a conhecer tua empresa? A análise RFM serve para classificarmos segmentos de clientes a partir de 3 atributos chave:

  • (R)ecência: tempo desde que o cliente fez a última compra/utiliza do produto/serviço;
  • (F)requência: quantas vezes o cliente comprou ou utilizou o serviço;
  • (M)onetária: volume total de receita ou margem de contribuição gerada pelo cliente;

Com estes atributos conseguimos entender o comportamento dos clientes: quando precisam de atenção, quais os clientes mais rentáveis e os mais engajados. É uma análise importante que nos leva a ações que refinam a “qualidade” da nossa  base de clientes, por exemplo, focando em aumentar segmentos mais rentáveis ou na criação de novos produtos para um determinado segmento.

Resultado: como queremos nossa base de clientes

A análise RFM é vista geralmente no mercado de varejo, onde temos vastas bases de clientes para segmentar. Mas com a escala que os negócios de tecnologia tomaram nas últimas décadas e a popularização das técnicas de gestão data driven, este tipo de análise ganhou espaço em outros mercados.

Todos contextualizados? Ok, vamos ver como funciona!

Para começar, dividimos a análise em 3 etapas: classificação dos atributos, segmentação e visualização. 

Passo 1: classificar

Primeiro obtenha uma amostragem dos clientes e seus atributos. Supomos que recência são dias desde a última compra.

Clientes e seus atributos

A partir desta amostragem, classificamos as faixas de valores de 1 a 5, onde 1 é o pior resultado e 5 é o melhor. Cientistas, estas faixas podem ser definidas por quantis ou conforme faça sentido para a gestão.

Clientes e atributos classificados

Com os atributos classificados (scores) acima, podemos gerar um score total com o somatório dos demais scores (pode usar média se quiser) para criar um ranking dos clientes, chamado RFM Score.

Aqui trabalhamos com todos os scores tendo o mesmo peso,  para o score total, mas você também pode utilizar pesos diferentes em cada atributo (é só multiplicar o atributo pelo valor do peso).

Até aqui tudo certo? Agora vamos para a parte legal, os segmentos.

Passo 2: segmentar

Agora que temos os scores, podemos criar segmentos de clientes conforme suas faixas de atributos.

Screen Shot 2019-12-03 at 19.35.02
Segmentos de clientes

Aqui não tem muito mistério, é só calcular a média, encontrar a faixa e guardar a segmentação de cada cliente. Seguimos!

Com os clientes na amostragem devidamente segmentada, vamos para o último passo: a visualização!

Passo 3: visualizar

Para a visualização do tamanho dos segmentos, sugiro utilizar algumas das principais ferramentas de SaaS que oferecem esta análise, como o Clevertap e o Putler (se tiver algum analista ou cientista de dados disponível, envia este artigo para ele e também vai dar certo). 

Ao fim, teremos algo como este gráfico, onde o eixo horizontal é a recência e o vertical é a média entre frequência e monetário.

Segmentação feita no Putler

Como vocês podem ver, os segmentos são diversos, mas quero chamar a atenção aos que costumam precisar de mais cuidados. São eles:

  • Champions: são os melhores clientes, geraram mais receitas, utilizam com mais frequência e recentemente. Geralmente, são os promotores da marca e boas chances de consumirem novos produtos.
  • Potential Loyalist: tiveram um bom gasto, uma frequência média e recentemente. Tente oferecer programas de fidelidade ou upsell para que migrem para o segmento de clientes leais ou campeões
  • New Customers: estes estão começando. Crie um relacionamento, explique como funciona e ofereça ofertas para que voltem e se acostumem a comprar contigo.
  • At Risk: cliente que já compraram com frequência e em grande volume financeiro, mas (por algum motivo) não retornaram recentemente. Tente campanhas de ressurrect e renovações. Faça com que retomem o consumo.
  • Can’t Lose Them: como o nome indica “não perca eles”. Estes clientes estavam “em risco” e ficaram mais tempo sem comprar. Invista recursos para que retornem e entenda os motivos que levaram ele a parar de consumir.

Considerações finais

Recomendo utilizar a análise RFM por períodos de tempo específicos, canais de aquisição, produtos/serviços consumidos para encontrar comportamentos mais relevantes entre os consumidores. Como a maior parte das ferramentas de gestão, precisamos fazer os ajustes para que a análise faça sentido e traga informações claras para o gestor.

Apresentei esta ferramenta e outras 7 para identificar o Product-market fit (clique aqui) no Tech Invest Bootcamp, organizado pela Associação Gaúcha de Startups (AGS), em novembro/19.

Gostou? Deixa teus comentários!