Introdução
Quando foi a última vez em que você se encontrou em uma situação difícil, tentando descobrir o que fazer e cometendo alguns erros no caminho? Quando olhamos para as coisas em meio aos problemas, é impossível entender o que realmente está acontecendo e como podemos solucioná-los.
Mas e se conseguíssemos nos afastar para poder olhar cada detalhe separadamente? E se você pudesse dar um passo atrás e ter uma visão clara do quadro geral?
Quando se trata da análise de dados, há um equívoco comum entre profissionais de marketing de que, quanto mais relatórios eles olham, maiores são os seus insights.
No entanto, a realidade não é bem assim. Em grande quantidade, os dados podem enganar.
Por outro lado, limpar o ruído, configurar as dimensões certas, alinhar os dados corretamente e separá-los permite que você tenha uma visão clara e precisa do que funciona ou não.
Porém, quando se trata das suas atividades de marketing, o mais importante é olhar para os dados no contexto certo.
Aqui entram as análises cohort.
Elas permitem que você encontre o caminho mais eficiente de A até B. Como?
Você deve olhar para as suas atividades de marketing como um todo e comparar suas métricas de performance para encontrar tendências significativas. Tendências que, do contrário, passariam despercebidas, pois até agora você olhou para os seus dados fora de contexto.
Então, o que é a análise cohort, e por que ela é importante?
Quando falamos sobre a análise cohort, estamos nos referindo ao processo de pegar um grande grupo de usuários (ou clientes) e separá-lo em segmentos menores que apresentam algumas características em comum durante um determinado período de tempo.
Essas características podem incluir uma região ou idioma comum, itens preferidos, data de aquisição, etc.
No âmbito dos aplicativos mobile, a análise cohort é uma ferramenta extremamente eficaz para obter insights mais detalhados sobre como grupos específicos de usuários se engajam com seu aplicativo ao longo do tempo, e até mesmo refinar KPIs para a mensuração da performance de uma campanha.
Os principais usos das análises cohort incluem:
- Otimização de campanhas de aquisição de usuários (UA) – que indica quais segmentos estão com baixa performance e onde uma ação corretiva é necessária.
- Melhorar a retenção do usuário e o lifetime value (LTV) – ao reengajar usuários de alta qualidade e ampliar sua base de usuários.
Uma grande vantagem da análise cohort é que ela permite que você faça comparações entre dados semelhantes para identificar tendências. Assim, esse tipo de análise é uma forma confiável de monitorar as mudanças ao longo do tempo, sem que você precise realizar análises comportamentais de usuários individuais.
Ela permite que você responda a perguntas cruciais como:
- Quem está se engajando com o seu aplicativo?
- Quando os usuários costumam desistir de usar seu app — e por quê?
- Quanto da sua receita vem de novos usuários ou de usuários mais antigos?
- Qual é o melhor momento para reengajar seus usuários?
- Qual canal de mídia trouxe mais usuários com um ROI positivo?
Golpe duplo – Os dois principais modelos de cohorts
Cohorts de UA e cohorts comportamentais são os tipos de cohort mais usados. O que cada um realmente significa e como eles podem se aplicar ao seu dia-a-dia como um profissional de marketing? Vamos falar um pouco mais sobre isso:
Cohorts de aquisição de usuários (UA)
A análise de cohorts de aquisição de usuários costuma ser uma das principais ferramentas dos anunciantes e dos gerentes de UA.
Nesse caso, os usuários são segmentados segundo a data e o canal de aquisição, e essa análise pode ser feita diária, semanal ou mensalmente — a depender das suas necessidades de produto e análise.
Por exemplo, um anunciante pode criar cohorts diferentes com base em países diferentes e comparar o número médio de sessões por usuário para cada cohort nos primeiros 30 dias da atividade de cada usuário.
Como você pode aproveitar esse tipo de análise de cohort?
Vamos supor que você seja um gerente de UA em um aplicativo de eCommerce. Você pode usar a análise cohort para rastrear as preferências de estilo e de tamanho de item a partir de dados demográficos de diferentes usuários, criando um inventário correspondente para maximizar suas vendas.
Da mesma forma, essa análise também pode te ajudar a criar recomendações direcionadas e ofertas promocionais personalizadas para impulsionar a confiança dos usuários na sua empresa e criar fidelidade.
Cohorts comportamentais
Ao contrário da análise de aquisição, os cohorts comportamentais costumam ser mais usados por gerentes de produto.
Esse tipo de análise cohort foca nas ações dos usuários enquanto eles usam o seu app. Ao colocar gatilhos de eventos especiais, você pode avaliar o comportamento de usuários demograficamente diferentes, otimizando e personalizando suas campanhas de acordo.
Por exemplo, vamos supor que você tem um aplicativo de delivery. Um bom exemplo de gatilhos comportamentais seria a categoria culinária escolhida e a frequência de pedidos.
Ou, se você tiver uma plataforma de rede social — cohorts comportamentais permitem que você avalie quais são as páginas mais populares entre usuários espanhóis, ou quais são as publicações preferidas dos seus usuários indianos.
Mesmo assim… Por que isso é importante?
Quando se trata do sucesso, os dados de cohorts permitem que você conecte as datas de aquisição e conversões de remarketing às suas métricas de performance.
Ou seja, eles permitem que você se concentre, compare tendências semelhantes, acesse insights acionáveis para reduzir o churn e acompanhe com precisão a performance das campanhas, o engajamento no aplicativo e até o uso dos recursos oferecidos no app.
Se você ainda não está totalmente convencido, vamos falar sobre o curioso caso da average revenue per user ou receita média por usuário, também conhecida como ARPU.
Não basta apenas comparar o ARPU entre um dia e outro, pois é preciso filtrá-los: ou seja, analise o ARPU de dias que apresentam tendências semelhantes e compare o número de usuários e de atividades, avaliando se houve ou não uma promoção que poderia ter impulsionado mais compras in-app.
Assim, quando se trata de comparar KPIs e avaliar o sucesso das suas estratégias, o relatório de cohort é a ferramenta certa. Mas, como vimos, não se trata apenas de analisar KPIs.
Ao descobrir tendências ocultas, a análise de cohort oferece os insights necessários para otimizar campanhas ativas e fazer mudanças em tempo real. Esse é um método comprovado para aumentar o engajamento e a receita, ajudando você a identificar o caminho certo para ampliar a adoção do seu app e solidificar sua retenção.
Como a análise cohort pode melhorar o seu marketing?
Essa é uma ótima pergunta. Listamos abaixo 4 situações em que as análises cohort podem ser extremamente úteis:
1 – Maximize seu gasto com anúncios com o acesso a insights acionáveis
A análise cohort permite que você descubra quais canais, campanhas e conjuntos de anúncios de uma campanha captam os melhores e mais leais usuários.
Por exemplo, olhando para a performance transregional de uma campanha de UA específica, você pode identificar facilmente quando algum país apresenta uma performance abaixo do ideal.
Assim, você pode testar algumas táticas para melhorar a conversão naquela região. Por exemplo, você pode enviar e-mails personalizados que incluem uma oferta especial ou um cupom para um feriado nacional — incentivando os seus usuários a fazer uma compra.
Ao realizar análises cohort na mesma campanha de UA, talvez você descubra que em outro país, embora uma boa quantidade de instalações tenham sido feitas, praticamente não há aberturas do aplicativo ou compras realizadas. Isso pode indicar fraude, e você terá que realizar uma análise mais aprofundada usando seu MMP.
2 – Entenda qual é o melhor momento para reengajar seus usuários
Com a análise cohort, você pode perceber que os gastos dos usuários se estabilizam por volta do 4º dia de uso em determinado país. Assim, você pode programar uma campanha de remarketing para esse período.
Por exemplo, vamos pensar na sazonalidade e nas horas. Você pode adquirir mais usuários valiosos respondendo a perguntas como “qual mês, data ou hora do dia é o melhor momento para engajar os meus usuários?”
Há casos em que a granularidade horária pode ser muito importante, e a análise de cohort pode te ajudar a obter insights extremamente valiosos durante campanhas bem cronometradas.
3 – Identifique e elimine pontos de atrito na jornada dos seus usuários para aumentar a retenção
Use as análises cohort para descobrir pontos de atrito no seu onboarding, primeiros passos, paywalls ou em níveis difíceis — comparando os dados dessas áreas propensas a churn no seu app com a retenção mensal de usuários.
Para saber mais sobre a ciência e a arte por trás de uma estratégia de engajamento e retenção de usuários à prova de balas – veja aqui.
4 – Entenda como as mudanças no produto afetam seus usuários
Descobrir como corrigir um problema ou melhorar um recurso pode ser tão difícil quanto fazer o seu diagnóstico.
Se, por exemplo, você sabe que o engajamento do usuário depende do uso de um recurso específico, tentar forçar seus clientes a se engajarem enviando e-mails e notificações push incessantes só aumentará a possibilidade de que eles desistam de usar o seu app.
Então, em vez de se precipitar fazendo grandes mudanças no seu produto, faça testes A/B dessas modificações em seus cohorts para entender o que funciona ou não. Com esses dados, você poderá introduzir mudanças em seu produto com segurança.
3 usos das análises cohort
Exemplo 1: avaliando o sucesso de uma campanha de remarketing multi-regional
As campanhas podem ser localizadas em uma região específica para proporcionar uma experiência mais personalizada para o usuário. Por exemplo, uma campanha de compras temática que dura um final de semana pode começar em uma sexta à tarde nos EUA, mas deve começar em uma quinta-feita no Egito (onde os finais de semana começam na sexta).
Para a vertical de compras, as campanhas de remarketing geralmente incluem KPIs como número de usuários que fizeram uma compra in-app, receita de compras ou porcentagem de usuários reengajados . Mas, para obter uma visão completa sobre o comportamento do usuário, KPIs e métricas de sucesso, os relatórios de cohort oferecem uma análise multidimensional.
Vamos analisar o seguinte cenário:
Um aplicativo de compras realizou uma campanha de remarketing em vários países de língua inglesa, e o gerente de UA quer descobrir quantos desses usuários realmente concluíram uma compra.
Ele (ou ela) agrupa os resultados por país para avaliar em qual região a campanha foi mais bem-sucedida.
Vamos supor que cerca de 80% dos 14.000 usuários que se reengajaram com o aplicativo após essa campanha eram dos EUA, e que esse usuários também fizeram a maior parte das compras.
No entanto, um olhar mais atento ao relatório de cohort mostra uma tendência interessante. Enquanto os usuários do Canadá mostraram metade do número de engajamentos que os usuários na Austrália, os usuários canadenses gastaram muito mais do que os australianos.
Assim, olhando para o mesmo conjunto de dados de alguns ângulos diferentes, o gerente da UA foi capaz de identificar que, embora a Austrália entregasse em quantidade, o mesmo não acontecia com a receita. Assim, esse gerente pode dobrar sua campanha no Canadá com confiança.
Exemplo 2: avaliando o ROI de diferentes canais de mídia para receita de anúncios
Os aplicativos de jogos têm dois fluxos principais de receita — compras in-app e receita de anúncios — que são uma fonte fundamental de renda para jogos hiper casuais em particular.
Ao fornecer insights sobre todos os fluxos de receita, as análises cohort podem responder a questões como “qual canal de mídia impulsionou mais compras in-app?” ou “qual campanha gerou a maior receita por usuário no México?”, e assim por diante.
Vamos supor que você seja o gerente de produto de um jogo hiper casual que depende de anúncios como sua principal fonte de receita, e você precisa acessar métricas sobre quais canais de mídia geram mais receita de anúncios.
O relatório de receita de anúncios fornecerá uma visão completa do ROI de aquisição de novos usuários (todos os números são hipotéticos):
- US$88.594 foram gastos em anúncios no canal de mídia 1, que adquiriu mais de 586 mil usuários, mostrando um aumento lento e constante.
- O canal de mídia 2, por outro lado, foi significativamente mais barato em termos de UA, ao mesmo tempo em que trouxe mais receita de anúncios do que o canal de mídia 1. Na verdade, até o 7º dia após a instalação, o canal de mídia 2 está muito mais perto de gerar lucro que o canal de mídia 1.
- Mudando a visualização, você verá que o canal de mídia 2 atinge seu ponto de equilíbrio por volta do 12º dia, enquanto o canal de mídia 1 ainda está bem longe disso.
Nesse caso, a análise cohort mostra que, independente de como você analise essa situação, o canal de mídia 1 traz uma perda. Sabendo disso, você poderá reajustar seu precioso orçamento de acordo.
Exemplo 3: avaliando a retenção de acordo com um evento in-app
Aplicativos que oferecem um serviço sob demanda, como aplicativos de caronas ou de delivery, geralmente têm KPIs de sucesso relacionados a eventos in-app. Os downloads são um componente crítico, é claro, mas a utilização do serviço é muito mais indicativa do sucesso da conversão e retenção.
Para fornecer aos profissionais de marketing um insight sobre sua capacidade de manter uma base de usuários ativa, o relatório de retenção também oferece uma visão abrangente, que vai desde o engajamento até o uso do app, indicando quais canais de mídia trazem os usuários mais engajados ao longo do tempo.
Por exemplo, vamos supor que você seja o gerente de marketing de um aplicativo de caronas, e você quer avaliar o sucesso de uma campanha com base na quantidade de novos usuários que fizeram uma corrida após baixar o aplicativo.
Se você analisar apenas o número de downloads, tudo indica que o canal de mídia 1 está na liderança.
Mas, olhando para os dados obtidos até o 10º dia após a instalação, fica evidente que, em termos de números absolutos, o canal de mídia 2 traz usuários mais valiosos e taxas de retenção maiores.
Assim, ao analisar o comportamento do usuário ao longo do tempo, você terá uma imagem clara sobre o sucesso da retenção daquela campanha por canal de mídia.
Receba notícias de marketing e insights de especialistas direto em seu e-mail
4 passos para garantir que a sua próxima análise cohort seja um sucesso
1º passo: entenda quais são as suas dúvidas
Definir seus KPIs e métricas de sucesso permitirá que você avance na direção certa. Por isso, antes de qualquer coisa, vamos entender o que você espera encontrar.
Você quer mensurar campanhas lado a lado para comparar seus canais de mídia? Ou você quer mensurar o sucesso da mesma campanha em diferentes regiões? Aliás, como você definiria esse sucesso?
Certifique-se de responder a essas perguntas antes de seguir para o próximo passo.
2º passo: defina suas métricas
Assim que você tiver ideias concretas sobre as perguntas que você quer responder e sobre as métricas necessárias para que você possa respondê-las, chegamos à metade do caminho.
Essa é uma fórmula útil para responder às suas dúvidas com as análises de cohort: agrupe usuários com características semelhantes para comparar seus comportamentos e métricas durante um período de tempo específico.
| Características | Performance (KPIs) | Período |
| País | Sessões por dia | Mês passado |
| Canal de mídia | Receita por usuário | Há 3 semanas |
| Campanha de anúncios | Eventos in-app por usuário | 5 dias em junho |
As características são as dimensões para a mensuração do seu resultado. Os KPIs são a métrica que você estará analisando, e o período de tempo vai definir a janela de mensuração.
Para saber mais sobre KPIs de marketing de aplicativos – veja aqui.
3º passo: defina cohorts específicos
Agora vamos direto ao assunto:
- Configure sua granularidade, intervalo de datas e período de atribuição
- Selecione o tipo do cohort (ex: UA, remarketing) e tipo de tendência (ex: LTV)
- Selecione sua dimensão de agrupamento (ex: por canal de mídia) e tamanho mínimo de cohort — para evitar encher o seu relatório com dados insignificantes
- Selecione quaisquer filtros adicionais que possam ser relevantes (ex: campanha, tipo de toque de atribuição, país, palavras-chave, etc.)
4º passo: realize uma análise de cohort e avalie os resultados
Quase lá!
Lembre-se que analisar relatórios isolados não permite que você tenha uma visão geral sobre os seus dados ou que você acesse insights acionáveis. Por isso, não se esqueça de avaliar seus dados detalhadamente para encontrar tendências interessantes. Por exemplo, você pode comparar os downloads do app com o ROAS em diferentes regiões.
Para saber mais sobre como configurar um relatório de cohort em seu dashboard da AppsFlyer – clique aqui (artigo disponível em inglês).
Principais conclusões
Principais conclusões
- Quando falamos sobre a análise cohort, estamos nos referindo ao processo de pegar um grande grupo de usuários (ou clientes) e separá-lo em segmentos menores que apresentam algumas características em comum durante um determinado período de tempo.
- A análise cohort é uma maneira eficiente de acessar insights mais detalhados sobre como grupos de usuários específicos se engajam com o seu aplicativo ao longo do tempo. Ela permite que você refine seus KPIs ao mensurar a performance de uma campanha, sem ter que realizar uma análise comportamental sobre usuários individuais.
- Os principais usos das análises cohort incluem:
- Otimização de campanhas de aquisição de usuários (UA) – que indica quais segmentos estão com baixa performance e onde uma ação corretiva é necessária.
- Melhorar a retenção do usuário e o lifetime value (LTV) – ao reengajar usuários de alta qualidade e ampliar sua base de usuários.
- Não importa em qual vertical você esteja, você pode usar a análise cohort para responder às suas dúvidas sobre UA e retenção. Saber o que você está procurando e como você pode responder essas questões é fundamental para entender os dados dos relatórios de cohort.
- A análise cohort pode te ajudar a determinar os KPIs de campanhas futuras, além de definir qual é o benchmark da sua empresa para uma campanha de sucesso.
