מדוע אתה צריך לנתח את הנטישה

דבר אחד לדעת שיש לך שיעבוב של 13%. אבל אלא אם אתה מבין אילו לקוחות מבטלים, מדוע ביטולם, מתי הם מבטלים ונקודות נתונים אחרות, באמת קשה לשפר.

זו הסיבה שאנליזציה חשובה כל כך לעסקי מנויים.

נתקלתי במצבים שבהם חברת SaaS תזהה שיש להם בעיה עם שמירת לקוחות, אך אינני בטוחה כיצד לתקן זאת. אז הם נוקטים בהנחות או משתמשים באופן אקראי בטקטיקות שמצאו ברשת.

הבעיה עם זה היא, אלא אם כן אתה מבין את "הסיבה" שמאחורי הנטישה שלך, כל שינוי שתבצע עשוי עלול להחמיר את הבעיה.

וכשאתה כבר מתמודד עם מחבת גבוהה, הדבר האחרון שאתה צריך הוא לאבד הכנסות נוספות על ידי שינוי התמחור, התכונות והתהליכים שלך ללא חריזה וסיבה.

כשאתם לוקחים את הזמן לנתח מדוע לקוחות נוהגים, יש לכם מושג ברור יותר מה לשנות. לאחר מכן, תוכלו לבצע כמה בדיקות מבוקרות כדי למדוד את ההשפעה.

מתי יש לבצע ניתוחי מחית

רוב האנשים לא סתם מתעוררים יום אחד וחושבים, "המממ, אני באמת רוצה לעשות ניתוחי מכת היום!"

בדרך כלל יש אירוע שמעורר את הצורך לנתח את הנטישה שלך.

לדוגמה, ייתכן שתראה קפיצה פתאומית בשיעור הנטישה שלך בחודש. או אולי הנטישה שלך הולכת וגוברת בהדרגה במהלך ששת החודשים האחרונים.

אלה דגלים אדומים שמשהו קורה, ואתה צריך לחפור בנתונים כדי לגלות מה קורה.

ההדק לא תמיד צריך להיות רע. ייתכן שביצעת לאחרונה לפני מספר חודשים סדרת דוא"ל למוצרי דוא"ל עבור לקוחות חדשים, ואתה רוצה לבדוק אם הייתה לכך השפעה על קצב הנטישה שלך. זה גם ניתוח הנטישה.

כלל אצבע טוב הוא שבכל פעם שאתה מבחין במשהו לא רגיל (טוב או רע), או שאתה מבצע שינוי שעשוי להשפיע על הנטישה, זה זמן טוב לניתוח כלשהו.

כיצד לבצע ניתוחי נטישה בשלושה שלבים פשוטים

כמשווק תוכן, אני אוהב לנתח נתונים. אבל אני חייב להודות, זה יכול להיות קצת מכריע כשמתחילים.

אז נראה לי שהכי קל ליצור מסגרת קודם, במקום לקפוץ פנימה באופן עיוור ולהציץ.

הדבר הראשון שעליכם לשאול הוא איזו בעיה אתם מנסים לפתור?

במקרה זה, אנו רוצים להבין איך להפחית את הנטישה שלנו. כדי לעשות זאת, עלינו לענות על שתי שאלות עיקריות:

1. אילו לקוחות נרתעים?
2. מדוע הם נובעים?

כששתי השאלות הללו הן נקודת המוצא שלנו, יש לנו הקשר וכיוון כיצד אנו מסתכלים על הנתונים שלנו. זה יגרום לכך שפחות תוריד חור תולעת של נתונים אינסופיים ללא סוף באופק.

כעת, כשאנחנו יודעים מה אנו מחפשים, בואו נצלול למדריך צעד אחר צעד לניתוח הנטישה.

שלב 1: הגדרת כלי ניתוח Churn

זה אפילו לא שלב מספר אחד. זה יותר כמו שלב 0. לפני שתוכלו לבצע ניתוחים כלשהם של סוגים, עליכם לקבל נתונים לניתוח!

יש שם המון כלים שיכולים לעזור, אבל בואו נהיה דברים פשוטים לעת עתה.

תזדקק לכלי ניתוח לניתוח מנויים מסוג כלשהו. ברור שאני הולך להמליץ ברמטריה. לא רק בגלל שזה המוצר שלנו, אלא מכיוון שאתה יכול לקבל מספיק תובנות רק עם Baremetrics בלבד כדי לקבל החלטות מושכלות.

אתה יכול לקבל את כל המידע הדרוש לך ישירות מתוך לוח המחוונים שלנו, ואז לייצא נתונים לגיליון אלקטרוני אם אתה רוצה לשחק איתו ביתר שאת.

כמו כן, אני מתכוון להשתמש ב Baremetrics לשאר המדריך הזה, כך שזה יעזור לכם לעקוב אחרכם בקלות רבה יותר!

כלי נוסף שמועיל אם ברצונך לבצע ניתוח מתכתי מתקדם הוא כלי ניתוח למוצרים כמו Mixpanel or אמפליטודה. כלים אלה מאפשרים לך לחקור כיצד אנשים משתמשים במוצר שלך ומעסיקים אותו.

לדוגמה, אתה יכול לראות אילו תכונות הן ה"דביקות "ביותר - אלה שהלקוחות שלך חוזרים להשתמש בהם הכי הרבה. על הצד השמאלי, אתה יכול לראות אילו תכונות המשתמשים שלך עשויים להשתמש פעם או פעמיים ואז לעולם לא יחזרו אליהם.

מעורבות במוצר יכולה להיות אינדיקטור גדול לנטישה, כך שהנתונים האלה באמת יכולים להועיל.

לא ניכנס לזה הרבה במאמר זה, מכיוון שאנחנו באמת רוצים להתמקד בניתוח ממצאי לקוחות, ולא בהתנהגות משתמשים. אבל אם אתם מעוניינים, יש למיקספנל סדרת סרטונים נהדרת כיצד לנתח התנהגות משתמשים.

נסה לא להתקבע בכל הכלים השונים שקיימים שם. התחל עם היסודות, ואם אתה לא מצליח לקבל את התובנות שאתה צריך, ואז להסתנן.

שלב 2. גלה מדוע לקוחות נוהגים

ציינתי שאחת משתי השאלות עליהן אנו עומדים לענות בניתוח הנדון שלנו היא "מדוע אנשים מבטלים?"

כדי לקבל את התשובות האלה, עליכם להתחיל לשאול! ישנן כמה דרכים לעשות זאת.

אפשרות A, שראיתי הרבה חברות SaaS קטנות יותר, היא פשוט לשלוח דוא"ל לאחר ביטול הלקוחות. הם ישאלו את הלקוחות מדוע ביטלו ישירות בהודעת הדוא"ל, או יפנו אותם לשאלון (אתה יכול ליצור אחד דרך Typeform או Google Forms).

להלן דוגמא של פט וולטס, הבעלים של יונה. הוא שולח דוא"ל לכל הלקוחות שמבטלים ומבקש משוב.

קצר, ברור ופשוט.

גישה זו עובדת היטב בשלבים המוקדמים של חברת SaaS שלך. אך ככל שהעסק שלך יגדל, תרצה דרך מדרגית יותר לגלות מדוע לקוחות נוהגים. לשם נכנסת אפשרות ב '.

הנה מה שאנחנו עושים ב Baremetrics. אנו משתמשים תובנות ביטול ליצור שאלון ללקוחות שיענו עליהם לפני שהם סוגרים את חשבונם (יש לנו גם אפשרות אימייל). זה נראה כמו זה:

הטופס לוכד את כל המידע ואנחנו יכולים לעקוב אחר כל תגובה בלוח המחוונים שלנו.

אנו גם מאפשרים לאנשים למסור פרטים נוספים מדוע הם מבטלים, דבר שמועיל במיוחד ללקוחות שבחרו באפשרות "אחר" כסיבת הביטול שלהם.

אנו יכולים לבצע ניתוחים בסיסיים עם מידע זה בלבד.

לדוגמה, אנו יכולים להסתכל על הסיבות הנפוצות ביותר שאנשים מנדנדים, ולראות בדיוק כמה MRR אנו מפסידים מדי חודש מכל סיבה שנדמית.

מסיבות ביטול כמו "יקר מדי", תצטרך לבצע חפירות נוספות. אך אל דאגה, אנו נצלוש דרכים לנתח זאת מעט אחר כך.

אך התבוננות בנתונים בדרך זו מאפשרת לך לתעדף את מה שעליך לעשות לאחר מכן.

לדוגמה, אם לקוחות בוחרים "מעבר למוצר אחר", שימו לב לאילו מתחרים הם עוברים.

לאחר מכן, צור מטריצת השוואה בין תכונות כמו זה מקרייון כדי לראות כיצד המוצר שלך מתעלה מול לקוחות המתחרים עוברים ל:

או שאולי התמחור עולה כסיבה לביטול עקבי. אז תעמיק יותר בתמחור שלך, ואולי תשקול לבצע כמה בדיקות.

מילת זהירות בכל זאת. אם אתה מבחין שתמחור הוא סיבה ביטול עקבית, זה לא אומר אוטומטית שאתה צריך לחייב פחות!

זה יכול להיות שאתה צריך לספק קצת יותר ערך כדי להצדיק את המחיר הנוכחי שלך, או שהלקוחות שביטלו לא היו בתוכנית שגויה.

להלן הערה של ראש הצמיחה שלנו מדוע הפחתת המחיר שלך היא לא תמיד ה"תיקון "לבעבודה.

דבר נוסף שכדאי לקחת בחשבון הוא סוג הנטישה שאתה מקבל. האם הלקוחות שלך מבטלים, או שהם פשוט לא משלמים לך?

ב Baremetrics, אתה יכול לראות חלוקה של הנטישה שלך על ידי ביטולים לעומת שלא שולמו.

לאחר שתזהה לאילו תוכניות יש את הנטישה הגבוהה ביותר בכל חודש נתון, תרצה לאפס מדוע הלקוחות הספציפיים מבטלים. אנו הולכים להשתמש בגיליון אלקטרוני כאן.

מעל הראש תובנות ביטול ובחר את טווח התאריכים שלך. ואז לרדת לרשימת הלקוחות, והורד את הטבלה.

בגיליון האלקטרוני אתה יכול למיין את הנתונים לפי תוכניות ולראות את הסיבה לביטול הספציפית לכל המשתמשים שביטלו במסגרת תוכנית זו.

זה לא מצולם בתמונת המסך שלי, אבל אתה יכול אפילו לראות את ההערות מכל סיבה לביטול בגיליון האלקטרוני. משם, תרצה לחפש כל מגמה מסיבות ביטול לפי רמת תוכנית.

דרך נוספת לנתח מחסור לפי קבוצות קבוצה היא לבחון את שמירת הלקוחות לפי תאריך ההרשמה. תסתכל על כל הלקוחות שנרשמו במהלך חודש מסוים ותראו כמה חודשים הם נשארים אחר כך.

אל תדאג, זה פשוט לעשות.

ב Baremetrics, פשוט גש אל שלך משתמש צ'ורן לוח מחוונים. לאחר מכן גלול מטה אל טבלת שמירת הלקוחות. זה מראה לך את שיעור השמירה החודש על החודש של הלקוחות שלך על פי תאריך ההרשמה.

אחת הדרכים להשתמש בנתונים אלה היא להשוות בין מגמות הנטישה על סמך ההרשמה לאנשים.

לדוגמא, כשמסתכלים על הטבלה שלמעלה, אחד הדברים הראשונים ששמתי לב אליהם הוא שבקבוצות יולי 2019 ואפריל 2019 יש ירידה הרבה יותר תלולה אחרי החודשיים הראשונים בהשוואה לשאר הקבוצות. בצד האחורי היו קבוצות מרץ מספרים די מוצקים.

הייתי סקרן לחפור בזה קצת יותר לעומק. אז הצעד הבא שלי יהיה להשוות בין לקוחות שנרשמו ביולי ובאפריל, לבין אלה שהצטרפו במרץ.

לשם כך אני אלך לקוחות בברמטריה. לאחר מכן הוסף כמה פילטרים כדי להציג רק לקוחות שנרשמו ביולי 2019, עם LTV של יותר מאפס. פילטר ה- LTV הוא לוודא שאני רואה רק נתונים עבור לקוחות בתשלום.

עשיתי את אותו הדבר גם עבור קבוצות מרץ ואפריל.

עכשיו, אני רוצה לקבל קצת יותר תובנות על שני הקבוצות השונות כדי לבדוק אם משהו בולט. אפתח בהשוואה בין הכנסה ממוצעת למשתמש (ARPU) מבין שני הקבוצות.

זה ייתן לי מושג לגבי הערך של הלקוחות בכל קבוצה.

לקוחות עם ARPU נמוכים עשויים להיות ברמת כניסה גבוהה יותר ובעיקר מעוניינים לבדוק את Baremetrics. זה יעזור להסביר מדוע הלקוחות בשכבות יולי ואפריל נשרו מוקדם יותר מאלו של חודש מרץ.

הנה מה שמצאתי מהשוואה של שישה חודשים.

ה- ARPU לקבוצת מארס שלנו הוא יותר מכפול מהקוהורטים ביולי ואפריל.

בהתבסס על זה, אחת ההנחות שלי היא שבחודש מרץ היו כנראה כמה "דגים גדולים יותר" שנרשמו לתוכניות במחיר גבוה יותר או אפילו היו כמה תוספות.

אז הלכתי ובדקתי מחדש את התוכניות שלקוחות קבוצת הלימודים במרץ נרשמו בהשוואה לאפריל ויולי, וההנחה שלי נראית די מדויקת.

באפריל ויולי היו לנו לא מעט לקוחות שנרשמים לתכניות בעלות נמוכה יותר, מה שיכול להסביר מדוע לא שמרנו על כמה שיותר מהם.

על הצד השמאלי, במרץ היו לנו יותר אנשים שנרשמים לתכניות שכבות גבוהות יותר, והם שמרו על זמן רב מהממוצע.

הניתוק שקיבלתי מהניתוח המהיר הזה הוא שיש לנו סיכוי גבוה יותר להחזיק לקוחות ש:

• השתמש בכמה מהתוספות שלנו כמו תובנות ביטול ושחזור
• הירשם או שדרג לתוכניות המתקדמות יותר שלנו

די מצחיק, זה בעצם נקודה עם מה שמצא ראש הצמיחה שלנו (מי עשה הרבה יותר מחקר על זה ממני). וזה אחת מפילוסופיות הליבה של מניפסט הצמיחה שלנו, שהוא חלק בפומבי.

הנה דרך נוספת להשתמש בנתוני ניתוח הקוהורט כדי לנתח את הנטישה שלך.

התבונן בחודשים 0-2 בתרשים:

אם אתה רואה ירידות תלולות במהלך 90 הימים הראשונים, זה בדרך כלל סימן לכך שיש בעיה. ברוב המקרים זה יכול להגיע לשילוב של:

• התאם את הציפיות בין הלקוח למוצר שלך
• סיפון עלוב לא רע
• מודל הפעלה גרוע (freemium, ניסיון חינם, ניסיון בתשלום, ערבות להחזר כספי, התייעצות וכו ')

השלב הבא הטוב יהיה לבחון את החשבונות שביטלו במהלך אותה תקופה של 90 יום. לשם כך תוכלו לפנות אל לקוחות בברמטריה ולהחיל מספר פילטרים.

לדוגמה שלנו, החלתי מסנן רק כדי להציג לקוחות שנרשמו במרץ, ואחרת לפרט את הלקוחות שביטלו לאחר ~ 90 יום.

לאחר מכן תוכל להיכנס לכל חשבון ולראות את סיבה הביטול שלהם. ב Baremetrics ניתן לראות ציר זמן של פעילות הלקוח מרגע שנרשמו ועד לביטולו.

להלן דוגמה מאחד מאותם לקוחות מעובדים בתמונה.

אנו יכולים לראות, הלקוח נרשם ובוטל תוך ימים. וסיבת הביטול שלהם הייתה "יקר מדי". במקרה זה, זה יכול להיות סימן לציפיות שלא הותאמו לאחר שהם ניסו את המוצר קצת.

אם אנו רוצים לקבל תובנות נוספות מדוע הלקוח הזה ביטל, נוכל לשלוח לו דוא"ל למעקב.

אם יש לך הרבה לקוחות שמתיימרים במהלך 90 הימים הראשונים שלהם, זה לא יהיה רעיון רע לכלול ראיונות יציאה בזרימת הביטולים שלך, כך שתוכל לגלות בדיוק מה משתבש.

בנוסף לניתוח 90 הימים הראשונים, באפשרותך גם להשתמש בתרשים הקבוצתי כדי למצוא מגמות שמירה ארוכות טווח. באותה צורה שיצרנו קטעים עבור לקוחות שהתייצבו תוך 90 יום, תוכלו לחזור על התהליך במשך 6, 12, 18 ו -24 חודשים.