Cohortanalyse voor revenue-leiders

Gemengde metrics zijn geruststellend, en ze liegen behoorlijk wat. Een bedrijf kan stabiele retentie, gezonde expansie en verbeterende terugverdientijd rapporteren, terwijl het onderliggende bedrijf elk kwartaal slechter wordt, omdat een handvol trouwe legacy-klanten de gemiddeldes ondersteunt terwijl elke nieuwe klant iets slechter presteert dan de vorige. Je ziet het niet in het gemengde getal. Je ziet het in cohorten: groepen klanten gegroepeerd naar wanneer ze aankwamen, gevolgd over de tijd.

Cohortanalyse is het dichtste dat een revenue-leider heeft bij een röntgenfoto. Het snijdt voorbij het vleiende gemiddelde en laat zien of het bedrijf structureel gezonder of zieker wordt. Als je een CFO of CRO bent die moet weten waar het bedrijf naartoe gaat, en niet alleen waar het geweest is, is er eigenlijk geen alternatief.

Wat de gemiddeldes verbergen

Een cohort is een set klanten met een gedeeld startpunt, meestal de maand of het kwartaal waarin ze tekenden. In plaats van "wat is onze retentie" wordt de vraag "hoe ziet de januari-cohort eruit bij maand 1, maand 6, maand 12, en hoe verhoudt zich dat tot de juli-cohort op dezelfde leeftijd?"

Die herformulering legt een paar dingen bloot die het gemengde beeld niet kan.

Structureel verval, ten eerste. Als elke nieuwe cohort slechter retendeert dan de vorige, verslechtert het bedrijf zelfs wanneer de gemengde NRR vlak is, omdat de oude trouwe klanten de trend maskeren. Dit is precies het falen dat we beschrijven in net revenue retention als orchestratiemetric.

Het laat ook zien of onboarding- en productwerk zich uitbetaalt. Als nieuwere cohorten sneller eerste waarde bereiken en eerder uitbreiden, werken je recente investeringen, en je weet het maanden voordat het in de topline verschijnt.

En het doodt het idee van de "gemiddelde klant." Snijd cohorten naar segment, kanaal of product en je vindt vaak enterprise-cohorten die samengroeien terwijl SMB-cohorten wegchurnen. Het gemiddelde van die twee is een klant die niet bestaat.

Het meest waardevolle gebruik, met een ruime marge, is als vroege waarschuwing op retentie. Een dalende nieuwe-cohortcurve is een van de vroegste en betrouwbaarste voorspellers van revenue-problemen. Het is een schoolvoorbeeld van een leidende indicator.

De weergaven die het bouwen waard zijn

Je hebt geen twintig cohortgrafieken nodig. Dit zijn degene die hun plek blijven verdienen.

Revenue-retentie per cohort: de behouden en uitgebreide omzet van elke cohort als percentage van de startomzet, over de tijd. Leg de vintages over elkaar en je ziet in één oogopslag of de curves verbeteren of verslechteren.

Logo-retentie per cohort. De op aantallen gebaseerde versie. Nuttig om churn te spotten die geconcentreerd is in kleinere accounts, wat revenue-retentie kan verbergen.

Time-to-first-value per cohort. Hoe snel elke cohort zijn activatiemijlpaal bereikt. Sneller hier is de voorlopende rand van betere retentie later.

Expansietiming per cohort. Wanneer beginnen cohorten uit te breiden, en gebeurt dat eerder voor nieuwere? Vroege expansie is een sterk duurzaamheidssignaal.

Terugverdientijd per acquisitiecohort. Hoe lang elke cohort erover doet om terug te verdienen wat het kostte om te werven. Dit is het beeld van de CFO over of groei efficiënter of inefficiënter wordt.

Ze lezen zonder jezelf voor de gek te houden

Cohortgrafieken zijn makkelijk te bouwen en makkelijk verkeerd te lezen. Een paar gewoontes houden ze eerlijk.

Laat cohorten rijpen. Een cohort van drie maanden oud vertelt je bijna niets over retentie na twaalf maanden. Vergelijk cohorten altijd op dezelfde leeftijd, nooit op dezelfde kalenderdatum.

Let op cohortgrootte. De curve van een kleine cohort is ruis, en zal vrolijk rondzwerven en je bang maken. Leun op de cohorten die groot genoeg zijn om iets te betekenen.

Scheid de oorzaken. Een verslechterende retentiecurve kan slechter passende klanten zijn, slechtere onboarding, of een productgat. Cohorten vertellen je dat er iets veranderde. Uitzoeken waarom betekent inzoomen op segmenten.

En kijk naar de trend over vintages heen, niet naar een enkele cohort. Het signaal zit in de richting. Worden opeenvolgende cohorten beter of slechter?

Er actie van maken

Cohorten zijn diagnostisch. Ze betalen zich alleen uit als ze een beslissing veranderen.

Eén geval dat we hebben zien gebeuren: een schalend SaaS-bedrijf had een vlakke gemengde NRR en ging ervan uit dat alles stabiel was. Cohorten toonden dat de laatste vier kwartaalcohorten steeds slechter retendeerden, verborgen achter een paar grote vroege klanten. Het leidende signaal was tragere time-to-first-value in de nieuwere cohorten, wat rechtstreeks wees op een onboardingproces dat niet was meegeschaald met het volume. Ze fixten onboarding, en de curves van de nieuwste cohorten verbeterden binnen een paar kwartalen, lang voordat het gemengde getal iets zou hebben gesignaleerd.

Dat is het patroon. Cohorten laten zien waar het bedrijf sterker of zwakker wordt, en de reactie moet inspanning routeren naar de specifieke cohorten en fasen die het nodig hebben. Omdat cohorttrends retentie en expansie zo vroeg voorspellen, zijn ze een natuurlijke input voor een revenue health score. De diagnose koppelen aan de juiste interventie is een orchestratietaak, waar we op ingaan in de hele buyer journey orchestreren.

Belangrijkste inzichten

• Groepeer klanten naar wanneer ze aankwamen en volg ze over de tijd. Dat is de enige manier om structureel verval of verbetering te zien die het gemengde gemiddelde verbergt.
• Het meest waardevolle gebruik is vroege waarschuwing op retentie. Een verslechterende nieuwe-cohortcurve voorspelt problemen ruim voordat de topline dat doet.
• Revenue-retentie, time-to-first-value, expansietiming en terugverdientijd per cohort zijn de weergaven die de moeite waard zijn.
• Vergelijk cohorten op dezelfde leeftijd, negeer kleine, en let op de trend over vintages in plaats van een enkele curve.
• Niets ervan doet ertoe tenzij het inspanning verlegt naar de cohorten en fasen die het daadwerkelijk nodig hebben.

Het echte traject van je klantenbestand vroeg genoeg zien om er iets aan te doen, is een groot deel van waarvoor revenue orchestration dient.