Analise de Cohort
A analise de cohort e um metodo de agrupar usuarios por um evento inicial compartilhado - geralmente a semana ou o mes em que se cadastraram - e acompanhar o comportamento deles ao longo do tempo como um grupo. Em vez de uma unica media movel, voce ve muitas linhas paralelas, cada uma revelando como uma geracao especifica de usuarios realmente se comportou.
A analise de cohort e um metodo de agrupar usuarios por um evento inicial compartilhado - geralmente a semana ou o mes em que se cadastraram - e acompanhar o comportamento deles ao longo do tempo como um grupo. Em vez de uma unica media movel, voce ve muitas linhas paralelas, cada uma revelando como uma geracao especifica de usuarios realmente se comportou.
Por Que Importa
Metricas agregadas mentem. Um produto pode mostrar MAU crescente enquanto cada cohort individual esta cancelando mais rapido que o anterior - o crescimento vem inteiramente da aquisicao superando a queda. A analise de cohort revela esse padrao imediatamente. Toda equipe seria de crescimento (Facebook, Airbnb, Shopify) conduz conversas sobre retencao a partir de graficos de cohort, nao de medias. A analise de cohort tambem e a unica forma confiavel de saber se uma mudanca no produto realmente funcionou - medias de antes e depois misturam comportamento antigo e novo; os cohorts os separam.
Como Funciona
1. Escolha um evento inicial: Cadastro, primeira compra, primeiro uso de um recurso. Isso define a "Semana 0" para cada usuario.
2. Agrupe os usuarios pelo periodo inicial: Todos os usuarios que se cadastraram na Semana 1 de abril formam um cohort, a Semana 2 outro, e assim por diante.
3. Escolha um evento de retencao: O que conta como "retido"? Fez login, completou uma acao central, pagou - seja especifico.
4. Acompanhe a retencao de cada cohort ao longo do tempo: Para cada cohort, calcule a % que ainda executa o evento de retencao na Semana 1, Semana 2, Semana 3, ...
5. Plote lado a lado: Cada cohort vira uma linha ou linha. Compare formatos, nao apenas numeros.
Formatos a Procurar
Curva que se achata: A retencao cai bruscamente no inicio e depois se estabiliza em uma porcentagem constante. Esse e o formato do product-market fit - um grupo central permanece.
Curva de sorriso: A retencao cai e depois sobe a medida que usuarios inativos retornam. Raro, mas poderoso; observado quando um produto vira habito.
Queda ate zero: A retencao decai de forma constante ate 0%. O produto nao fixa. A aquisicao nao vai te salvar.
Melhoria de cohort ao longo do tempo: Cohorts mais recentes retem melhor que os mais antigos. Esse e o sinal de que uma mudanca no produto realmente funcionou.
Degradacao de cohort: Cohorts mais recentes retem pior. Algo quebrou - ou o produto ou o canal de aquisicao esta atraindo usuarios que nao se encaixam.
Usos Comuns
Diagnostico de retencao: Nosso produto realmente fixa?
Impacto de recursos: O lancamento de X melhorou a retencao dos cohorts que o viram?
Qualidade de canal: Usuarios do Google Ads retem tao bem quanto os usuarios organicos?
Experimentos de precos: O cohort de um novo plano retem melhor que o do plano antigo?
Previsao de churn: Aplique as curvas de cohort a novos cadastros para prever o MRR futuro.
Erros Comuns
Comparar com medias: As medias combinam todos os cohorts, escondendo a tendencia que importa.
Tamanho de cohort pequeno demais: Cohorts semanais de 20 usuarios sao na maior parte ruido. Agregue para mensal se o volume for baixo.
Evento inicial errado: "Cadastrou-se" nao e "ativou-se". Escolha o evento que define o uso real.
Evento de retencao errado: O login nao conta nada. Escolha a acao que cria valor.
Olhar apenas para um cohort: Snapshots de um unico cohort escondem se as coisas estao melhorando ou piorando ao longo do tempo.
Cohort apenas por mes de aquisicao: Tambem faca cohort por exposicao a recurso, canal, plano e outras dimensoes para encontrar os reais impulsionadores.
Fontes: