Total pelanggan bertambah belum tentu berarti kualitas customer ikut membaik. Bisa saja acquisition sedang tinggi, tetapi pelanggan baru hanya membeli sekali lalu menghilang.
Jika semuanya dicampur dalam satu angka, pola seperti ini mudah terlewat.
Di sinilah Strategi Menggunakan Cohort Analysis menjadi berguna. Cohort analysis memisahkan pelanggan berdasarkan periode atau karakteristik tertentu, lalu mengikuti perilaku mereka dari waktu ke waktu.
Dengan cara ini, bisnis dapat mengetahui kelompok mana yang lebih loyal, lebih sering membeli, menghasilkan revenue lebih tinggi, atau justru cepat mengalami churn.
Apa Itu Cohort Analysis?
Cohort analysis adalah metode mengelompokkan pelanggan yang memiliki karakteristik atau titik awal yang sama, kemudian membandingkan perilaku mereka sepanjang periode tertentu.
Amplitude menjelaskan bahwa cohort dapat dibentuk berdasarkan waktu pengguna mulai, tindakan yang mereka lakukan, atau karakteristik tertentu.
Pendekatan ini membantu menemukan pola yang sering tersembunyi ketika seluruh customer base hanya dilihat melalui rata-rata agregat.
Untuk ecommerce, cohort paling sederhana dapat dibuat berdasarkan bulan pembelian pertama.
Misalnya semua pelanggan yang pertama kali membeli pada Januari masuk Cohort Januari. Pelanggan baru Februari masuk Cohort Februari.
Kemudian bisnis mengikuti bagaimana setiap kelompok bertahan setelah 30, 60, 90, hingga 180 hari.
Mulai dari Acquisition Cohort
Acquisition cohort merupakan titik awal paling mudah.
Shopify menggunakan tanggal first order sebagai salah satu dasar customer cohort analysis untuk melihat acquisition dan retention pelanggan dari waktu ke waktu.
Misalnya:
Cohort Januari: 1.000 pelanggan
Cohort Februari: 1.200 pelanggan
Cohort Maret: 1.400 pelanggan
Sekilas terlihat pertumbuhan yang sehat.
Namun, setelah tiga bulan ternyata 35% pelanggan Januari sudah membeli kembali, Februari hanya 27%, dan Maret 18%.
Artinya jumlah customer baru memang meningkat, tetapi kualitas retention justru menurun.
Insight seperti ini sulit terlihat jika bisnis hanya melihat total order atau revenue bulanan.
Hitung Retention Rate Setiap Cohort
Rumus sederhana retention adalah:
Cohort Retention Rate = Pelanggan dari Cohort yang Kembali ÷ Total Pelanggan Awal Cohort × 100%
Misalnya Cohort Januari memiliki 1.000 pelanggan.
Setelah 90 hari, 320 orang melakukan transaksi kembali.
Maka:
320 ÷ 1.000 × 100% = 32%
Retention 90 hari cohort tersebut adalah 32%.
Amplitude menjelaskan bahwa retention cohort table biasanya dibaca secara horizontal untuk melihat perkembangan satu cohort dan secara vertikal untuk membandingkan cohort berbeda pada usia yang sama.
Inilah bagian pentingnya.
Jangan membandingkan Cohort Januari bulan keenam dengan Cohort April bulan kedua. Bandingkan pelanggan ketika mereka berada pada tahap lifecycle yang sama.
Sesuaikan Window dengan Siklus Pembelian
Tidak semua bisnis perlu mengukur retention mingguan.
Produk kebutuhan sehari-hari mungkin memiliki siklus pendek. Furnitur atau barang elektronik jauh lebih panjang.
Amplitude menyarankan tingkat granularitas cohort disesuaikan dengan pola penggunaan produk. Analisis bulanan lebih cocok untuk retention jangka panjang, sedangkan produk yang digunakan setiap hari dapat membutuhkan window harian atau mingguan.
Untuk brand kopi, Anda bisa melihat repeat purchase 30 dan 60 hari.
Untuk fashion, mungkin 90 atau 180 hari lebih masuk akal.
Pemilihan periode yang salah dapat membuat kualitas pelangan terlihat buruk padahal customer belum mencapai waktu normal untuk membeli kembali.
Jadi, gunakan expected purchase interval sebagai dasar analisis.
Gunakan Cohort Heatmap untuk Membaca Tren
Cohort heatmap memudahkan pola terlihat secara visual.
Setiap baris mewakili kelompok pelanggan. Setiap kolom menunjukkan waktu sejak first purchase.
Misalnya:
Januari: 100% → 40% → 32% → 28%
Februari: 100% → 44% → 35% → 31%
Maret: 100% → 51% → 41% → 36%
Dalam contoh tersebut, cohort baru semakin kuat.
Artinya perubahan onboarding, produk, atau retention campaign mungkin mulai memberikan hasil.
Google Analytics juga memiliki Cohort Exploration yang memungkinkan pengguna menentukan inclusion criterion dan return criterion untuk melihat bagaimana perilaku kelompok pengguna berubah seiring waktu.
Yang harus dicari bukan angka sempurna, tetapi pola perbaikannya.
Jangan Hanya Melihat Apakah Pelanggan Kembali
Repeat purchase adalah langkah awal, tetapi kualitas customer tidak hanya ditentukan oleh retention.
Tambahkan average order value, revenue per customer, margin, purchase frequency, dan cumulative lifetime value.
Misalnya dua cohort sama-sama mempunyai 90-day retention 30%.
Namun, Cohort A memiliki rata-rata repeat order Rp200.000, sementara Cohort B Rp500.000.
Secara jumlah pelanggan keduanya sama kuat. Secara ekonomi, Cohort B lebih bernilai.
Klaviyo menyebut cohort analysis dapat digunakan untuk melihat follow-up purchases dan membandingkan performa berdasarkan periode, produk, maupun faktor lain dalam perjalanan pelanggan.
Dengan begitu, bisnis tidak sekadar mencari customer yang kembali, tetapi customer yang kembali secara menguntungkan.
Hubungkan Perubahan Cohort dengan Aktivitas Bisnis
Setelah menemukan perubahan, jangan berhenti pada dashboard.
Cari apa yang berubah pada periode tersebut.
Misalnya retention Cohort April turun tajam.
Periksa apakah pada April bisnis menjalankan diskon besar, mengganti channel acquisition, mengubah produk, menaikkan harga, atau mengalami masalah pengiriman.
Shopify menjelaskan bahwa cohort analysis dapat membantu menemukan titik friction dalam repeat purchase cycle dan mengidentifikasi kelompok yang memiliki long-term value lebih tinggi.
Cohort analysis tidak otomatis memberi tahu penyebabnya.
Ia menunjukkan di mana harus menyelidiki.
Setelah itu, gunakan review pelanggan, campaign data, channel performance, atau customer service logs untuk mencari alasan yang paling masuk akal.
Hindari Kesalahan Membaca Cohort Kecil
Satu masalah cohort analysis adalah sample size.
Misalnya satu cohort hanya memiliki 20 pelanggan dan enam di antaranya membeli kembali.
Retention-nya 30%.
Bulan berikutnya hanya tiga orang kembali dan retention menjadi 15%.
Perubahannya terlihat dramatis, tetapi sebenarnya hanya berbeda tiga customer.
Amplitude memperingatkan bahwa cohort yang terlalu granular dapat menghasilkan sample kecil dan pola yang berisik. Sebaliknya, cohort terlalu luas dapat menyembunyikan perubahan penting.
Karena itu, gunakan periode dengan volume cukup.
Untuk bisnis kecil, cohort kuartalan kadang lebih stabil dibanding mingguan.
Strategi Menggunakan Cohort Analysis membantu bisnis membaca kualitas customer dengan membandingkan kelompok pada tahap lifecycle yang sama.
Mulailah dari first-purchase cohort, pantau retention, repeat purchase, AOV, dan revenue per customer.
Jangan hanya melihat pertumbuhan customer total. Bangun cohort sederhana dari enam hingga dua belas bulan terakhir dan cari apakah kualitas pelanggan baru semakin baik atau justru menurun.