Customer Retention: как понять, что происходит с клиентами

На днях я прочитал интересную статью от крутой аналитической компании Amplitude. В статье рассказывалось про 3 способа расчета Customer Retention. Сегодня я хочу подробнее изучить результаты применения этих способов на реальных данных.

Итак, Amplidude определяет 3 способа расчета Customer Retention:

• retention at X day
  Классический подход. Мы формируем когорту клиентов. Затем смотрим, кто из когорты сделал покупку в день Х.
• retention since X day
  Более продвинутый подход. Мы формируем когорту клиентов. Затем смотрим, кто из когорты сделал покупку после дня Х.
• retention in Period
  Кастомный подход. Мы формируем когорту клиентов. Затем формируем шкалу retention периодов (например, p1 = {d1...d3}, p2 = {d4...d7}, p3 = {d8...d30}). Затем смотрим, кто из когорты сделал покупку в каждом периоде.
• retention by X day
  Мой дополнительный вариант. Мы формируем когорту клиентов. Затем смотрим, кто из когорты сделал покупку в периоде {d1...dX}. 

Основная идея появления разных расчетов исходит из того, что у разных бизнесов цикл потребления разных продуктов - разный.

Чтобы дальше было проще излагать свои мысли я сформировал когорту 2011-08 и сделал расчет всех 4-х показателей Customer Retention.

Customer Retention. 4 approaches for calculation.

retention at X day

Как правило этот показатель интерпретировать проще всего. 

• Количество клиентов когорты, которые сделали покупку в 'day 14', сократилось с 3,031 до 12. Т.о. через 2 недели осталось лишь 0,4% когорты. Это просто сумасшедший отток. Такой бизнес, при прочих равных условиях, не имеет шанса выжить.
• Порог 'day 1800' (~5 лет) это максимальный срок жизни когорты - lifetime. После него когорта размыта полностью.

Показатели retention очень красноречивы, но интерпретировать их нужно аккуратно. 

1. Низкий показатель удержания в 'day 14', в данном случае, не показывает нам полной картины. Если продукт не предполагает частых (< 30 дней) повторных покупок, то делать выводы - преждевременно.
2. Также хотелось бы прокомментировать lifetime ~ 5 лет. Когорта 2011-08 вполне может быть outlier. Давайте выберем 12 когорт и оценим ситуацию повторно. Из чарта ниже четко видно, что последний стабильный период покупок намного скромнее: 180(!) дней вместо 1800.

Cohorts lifetime.

retention since X day

Этот показатель больше соответствует смыслу удержания. Мы смотрим, кто из когорты продолжил покупать после 'day X'. 

Например, если взять порог 'day 14', то мы видим, что после этого порога еще 984 клиента продолжат покупать. Разница между показателями retention at X day и retention since X day в данном случая огромная: 12 vs 984 (или 0.4% vs 32.5%). Для нас это хороший знак. Это означает, что клиенты вымываются НЕ быстро. Они просто делает повторные покупки нечасто.

retention in Period

Это по сути показатель retention at X day только на стероидах. Он показывает в каких диапазонах как аккумулировались клиенты. График здесь будет очень показательным. 

• Retention ядро аккумулируется в периоде {d30...d180}.
• В течение следующих 180 дней retention стабилизируется.
• После 360 дней retention начинает ухудшаться.
• После 720 дней скорость размывания начинает резко увеличиваться.

Retention dynamic.

В этом кейсе, у нас, как маркетологов, есть 3 точки оптимизации: 

1. точка 180 дней, когда Retention ядро сформировано.
   Для того, чтобы когорта принесла нам максимальный оборот у нас в запасе есть до 180 дней на активацию привлеченных ранее клиентов.
2. период {d180...d720}, когда ядро относительно "стабильно".
   Это время для активного наращивания чека и повторных покупок.
3. точка 720 дней, когда начинает ускоряться размывание когорты.
   Однозначно: интенсивная программа по удержанию должна быть запущена до этой точки.

И напоследок я хочу обсудить один критический момент. 

В случае с Customer Retention запуск программы по удержанию раньше (даже если несколько преждевременно) это все равно лучше, чем запустить ее позже. 

Что же я имею ввиду?

С одной стороны, показатель retention since X day уже в 'day 1' показывает на какое максимальное количество вернувшихся клиентов мы можем рассчитывать. 

С другой стороны, в retention самое главное это не сколько, а когда. 

Давайте рассчитаем, когда мы достигнем медианы клиентов, которые еще вернутся.

Сделать это можно двумя способами: либо изменить шкалу исследования, либо параметризировать метрику retention since X day, так чтобы она имела верхнюю границу {dX...<параметр>}. 

Retention median.

Итак, мы знаем, что максимальное количество клиентов когорты, которые вернутся = 1,068. Также мы определили, что Retention ядро формируется в периоде до 180 дней, а возврат клиентов достигает 748 человек. Т.о. доля вернувшихся клиентов на момент формирования ядра 748 / 1,068 = 70%.

Теперь перейдем к медиане. Медиана клиентов, которые еще вернутся достигается в первые 70(!) дней. Этот срок намного меньше, чем порог формирования ядра в 180 дней.

Главное здесь не запутаться и осознать разницу между retention by X day и retention since X day.

• retention by X day позволяет определить порог ДО которого львиная доля клиентов когорты уже купила.
• retention since X day позволяет определить порог ПОСЛЕ которого львиная доля клиентов еще купит.

И дальше уже каждая компания принимает свое индивидуальное решение:

• фокусироваться на обороте (работа по retention by X day) или 
• фокусироваться на прибыли (работа по retention since X day). 

Я бы рекомендовал просчитать оба значения и в этом промежутке (ближе к левой границе конечно) запускать программу по удержанию клиентов. 

Почему? 

Для меня это всегда три причины:

1. Собственно, половина пути (медиана) retention УЖЕ пройдена. 
2. Удержание клиентов зависит не только от вас, но и от целого ряда внешних факторов (включая конкурентов), которые вы НЕ контролируете, но не можете сбрасывать со счетов. 
3. В течение ближайших 360 дней вы САМИ инициируете (не всегда удачно) переработку продукта, изменение цен и объема сервисной составляющей и это окажет влияние на retention.