Cohort Analysis — co to jest i jak analizować retencję?

Analiza kohort ujawnia jak rzeczywiście zachowują się Twoi użytkownicy w czasie. Poznaj 3 typy kohort, jak czytać tablicę retencji i 4 wzorce krzywej retencji.

Czym jest cohort analysis?

Cohort analysis to technika analityczna, która grupuje użytkowników według wspólnej cechy — najczęściej daty pierwszego użycia produktu — i śledzi ich zachowania przez kolejne okresy. Zamiast patrzeć na zagregowane liczby (łączna retencja = 30%), kohorty pokazują jak różne grupy zachowują się inaczeji jak poprawiasz (lub nie) produkt w czasie.

Agregowane metryki mogą ukrywać prawdę: gdy tracisz starych użytkowników w tym samym tempie co pozyskujesz nowych, całkowita liczba użytkowników pozostaje stała — ale produkt umiera. Kohorty to ujawniają.

Kluczowa zasada cohort analysis:

Porównuj kohorty w tym samym "wieku" — Day 30 retention kohorty z marca porównuj z Day 30 retention kohorty z kwietnia, nie z February Day 45. Inaczej porównujesz jabłka z gruszkami.

3 typy kohort

Acquisition Cohort

Grupowanie użytkowników według daty pierwszego kontaktu z produktem (rejestracja, zakup, instalacja)

Przykład:

Wszyscy użytkownicy którzy zarejestrowali się w styczniu 2024 tworzą jedną kohortę

Zastosowanie:

Mierzenie retencji, LTV, churn rate wg miesiąca pozyskania

Kiedy używać:

Domyślny typ — punktem wyjścia każdej analizy retencji

Behavioral Cohort

Grupowanie użytkowników według wykonanego działania lub feature w produktcie

Przykład:

Użytkownicy którzy użyli 'Collaboration Feature' w ciągu pierwszych 7 dni

Zastosowanie:

Identyfikacja 'power features' — co różni użytkowników retained od churned

Kiedy używać:

Gdy chcesz znaleźć korelacje między zachowaniami a retencją

Size/Segment Cohort

Grupowanie według atrybutów demograficznych lub firmograficznych

Przykład:

Firmy 1–10 pracowników vs. 11–50 vs. 50+ pracowników

Zastosowanie:

ICP refinement — który segment klientów ma najlepszy LTV/churn

Kiedy używać:

B2B SaaS — segmentacja firm wg wielkości, branży, lokalizacji

4 wzorce krzywej retencji — co oznaczają?

Stabilna retencja (Flattening Curve)

Retencja spada początkowo, potem stabilizuje się na stałym poziomie (np. 20–30%)

Interpretacja:

Produkt ma core value — subset użytkowników staje się habitual users

Działanie:

Zwiększ % użytkowników docierających do stabilnego poziomu przez lepszy onboarding

Przykład: Slack, Spotify, Gmail — produkty daily habits

Retencja do zera (Death Curve)

Retencja spada do 0% w ciągu 30–60 dni dla wszystkich kohort

Interpretacja:

Brak product-market fit — produkt nie dostarcza wartości długoterminowej

Działanie:

Przed skalowaniem marketingu — znajdź i napraw core value proposition

Przykład: Produkty bez PMF — próba skalowania przyspieszy tylko odpływ

Smiling Curve (U-shape)

Retencja spada, a potem nieoczekiwanie rośnie w późniejszych okresach

Interpretacja:

Lojalni użytkownicy wracają po przerwie — produkt sezonowy lub cykliczny

Działanie:

Zidentyfikuj co powoduje powrót i wzmocnij te triggery

Przykład: Produkty do deklaracji podatkowych, planowania urlopów

Rosnące kohorty (Improving Retention)

Nowsze kohorty mają wyraźnie lepszą retencję niż starsze

Interpretacja:

Firma poprawia produkt lub targetuje lepszy ICP — pozytywny trend

Działanie:

Kontynuuj kierunek zmian, przeanalizuj co dokładnie poprawiło retencję

Przykład: Firmy w fazie product-market fit discovery

Kluczowe metryki cohort analysis

Metryka	Definicja	Benchmark
Day 1 Retention	% użytkowników wracających następnego dnia	Mobile apps: 25–40%. SaaS: 60–80%
Day 7 Retention	% użytkowników aktywnych tydzień po rejestracji	Mobile apps: 10–20%. SaaS: 40–60%
Day 30 Retention	% użytkowników aktywnych miesiąc po rejestracji	Mobile apps: 5–15%. SaaS: 25–45%
Retention Rate by Cohort	Porównanie Day N retention różnych kohort	Trend rosnący = poprawa produktu
Average LTV by Cohort	Średnia wartość życiowa klienta wg kohorty	Powinien rosnąć lub być stabilny
Time to Churn	Średni czas od aktywacji do rezygnacji wg kohorty	Dłuższy czas = wyższe LTV

FAQ — cohort analysis

Co to jest cohort analysis?

Cohort analysis (analiza kohort) to metoda analityczna polegająca na grupowaniu użytkowników/klientów według wspólnej cechy (najczęściej daty pierwszego użycia lub zakupu) i śledzeniu ich zachowań w czasie. Kohorta to grupa ludzi, którzy doświadczyli tego samego zdarzenia w tym samym okresie. Analiza kohort odpowiada na pytanie: czy nowi użytkownicy pozyskani w tym miesiącu zachowują się lepiej niż pozyskani w poprzednim?

Jakie są typy kohort?

Główne typy kohort: Acquisition Cohorts — grupowanie wg daty rejestracji/pierwszego zakupu (najczęstszy typ), Behavioral Cohorts — grupowanie wg wykonanego działania (np. użytkownicy którzy użyli Feature X), Predictive Cohorts — AI przewiduje do której kohorty należy użytkownik na podstawie wczesnych sygnałów. Acquisition cohorts są punktem wyjścia, behavioral cohorts dają głębszy insight.

Jak czytać tablicę retencji kohort?

Tablica retencji (retention table) ma wiersze = kohorty (np. miesiące rejestracji) i kolumny = okresy po rejestracji (Day 1, Day 7, Day 30). Każda komórka pokazuje % użytkowników z danej kohorty aktywnych w danym okresie. Czytanie: 'Kohorta styczeń — 100% w Day 0, 45% w Day 1, 25% w Day 7, 15% w Day 30.' Cel: im wolniejszy spadek i wyższe wartości w późniejszych kolumnach, tym lepsza retencja.

Co oznacza krzywa retencji w cohort analysis?

Krzywa retencji pokazuje jak szybko kohorta 'traci' użytkowników po czasie. Trzy wzorce: krzywa płaska (retention flattens) — użytkownicy osiągają 'habitual use', poziom stabilizuje się — to zdrowy produkt; krzywa dotykająca 0 — brak powracających użytkowników, produkt nie ma wartości długoterminowej; krzywa ze 'schodkami' — retencja spada po kluczowych momentach (np. koniec trialu).

Jak używać cohort analysis do poprawy produktu?

Praktyczne zastosowania: porównaj kohorty przed/po wdrożeniu nowej funkcji — czy retencja wzrosła? Identyfikuj 'złote kohorty' (miesiące z najwyższą retencją) i analizuj co bylo inne w akwizycji. Segmentuj kohorty wg kanału pozyskania — użytkownicy z organica vs. paid — która kohorta ma wyższe LTV? Śledź jak zmieniało się Day 30 retention historycznie i koreluj ze zmianami produktu.

Czytaj dalej