Análise Cohort – Como Aplicar no Seu E-commerce ou Varejo

Hoje em dia, é cada vez mais comum ouvir falar sobre a análise de safra de clientes. Vou te explicar como fazer isso e por que você deveria analisar as safras de diferentes períodos do seu negócio.

Antes de começar, já vou te responder: é com a análise cohort, ou gráfico cohort, que você vai conseguir observar as safras de clientes do seu negócio.

P.S.: Você pode ver em alguns artigos ou aplicativos essa análise sendo traduzida ou chamada de “análise de coortes”. Saiba que é exatamente a mesma coisa.

Vamos lá, para começar, vou trazer um resumo do que é a análise cohort de forma objetiva:

A análise cohort nada mais é do que uma forma de mostrar, em gráfico, as safras de clientes, geralmente por mês de aquisição. Esse gráfico permite observar como cada safra se comporta ao longo do tempo em relação ao uso ou à compra com a sua empresa.

Talvez não tenha ficado tão claro com esse resumo, mas a melhor forma de explicar é trazendo um exemplo de um cohort e usá-lo como base para a explicação

Então vamos lá:

Um Exemplo de Gráfico Cohort

Abaixo temos um print da Kevi, nosso sistema de retenção de clientes, na tela onde mostramos o gráfico cohort de um cliente. Você pode perceber que nessa tela trazemos algumas outras métricas de retenção dessa base também, logo acima do cohort.

Para contextualizar, o gráfico abaixo é de um negócio real, um e-commerce, cliente que usa a Kevi.

Primeiro, podemos observar na imagem do print o período que estamos usando para desenhar esse gráfico de análise cohort, que é de 01/01/2023 até 31/12/2023, ou seja, pegamos o ano de 2023 inteiro.

Se eu quisesse novamente trazer de forma rápida a leitura do cohort, diria que: cada linha do gráfico representa uma safra de mês, e cada coluna um mês subsequente em que aquela safra comprou, de acordo com o mês no qual o cliente foi adquirido.

Mas só com isso, estou sendo muito objetivo e quero trazer em detalhes o que significa cada parte. Então vamos entender o que significam as linhas e colunas desse gráfico.

Entendendo as Linhas do Cohort

Vamos começar olhando a primeira linha, na primeira coluna, onde estão mostrados os clientes que foram adquiridos em janeiro de 2023, ou seja, clientes que fizeram a primeira compra na história com essa empresa em janeiro de 2023.

Podemos ver que foram 4.006 clientes adquiridos nesse mês. Isso significa que esses 4.006 representam 100% dessa safra.

Vamos lá, temos uma primeira informação importante aqui. A primeira coluna da linha desse cohort mostra quantos clientes foram adquiridos no mês correspondente a essa linha.

Ou seja, para saber quantos novos clientes foram adquiridos em cada mês, basta olhar a linha do mês citado e, nessa primeira coluna, você verá a quantidade.

Podemos ver que, em fevereiro, foram adquiridos 3.223 novos clientes e, em março, 2.932 novos clientes.

P.S.: Você deve ter notado que a primeira coluna de cada linha sempre estará em 100%, pois representa o total de clientes adquiridos naquela safra. Essa porcentagem é usada como base para entender qual a proporção desses clientes que voltou a comprar nos meses seguintes. Ou seja, as colunas subsequentes mostram a porcentagem em comparação a esse primeiro mês.

Vamos voltar agora para o print completo e olhar apenas a coluna 1. Podemos concluir que janeiro foi o melhor mês em aquisição de novos clientes e que novembro foi o pior mês quando consideramos a quantidade de novos clientes adquiridos. Janeiro teve 4.006 novos clientes, enquanto novembro teve 2.274 novos clientes.

Mas, se fosse apenas para ver essa informação, um gráfico de barras ajudaria a visualizar de forma mais fácil do que usar um cohort com várias colunas e informações, não concorda?

Um gráfico de barras como o abaixo, por exemplo, traria isso de forma mais objetiva.

Acredito que você concorda comigo, né?! 

Mas o que principalmente um gráfico cohort nos mostra é como um cliente daquela safra, ou seja que foi adquirido aquele mês, se comporta ao longo do tempo, e é aí que vamos entender as colunas.

Entendendo as Colunas

Vamos lá, o que dizem as colunas de um cohort? A coluna 2, por exemplo, responde exatamente esse questionamento:

Quantos dos clientes, que vieram pela primeira vez no mês da Coluna 1, vieram também no mês seguinte ao se tornarem clientes daquele negócio?

Transpondo isso para o gráfico atual a gente poderia dizer que 525 clientes, ou seja 13,11% do total de clientes adquiridos em janeiro, voltaram em fevereiro e fizeram pelo menos 1 pedido dentro do mês nesse e-commerce.

Por isso que a primeira coluna é sempre 100% e as próximas é sempre a porcentagem em comparação ao total adquirido naquela safra, como citei antes.

Se olharmos para a safra do mês 05 (Maio) de 2023 tivemos a melhor taxa de recompra no mês seguinte, que foi de 14% dos clientes adquiridos em maio de 2023 e que compraram novamente em junho de 2023.

Com isso, a gente agora passa a entender que cada linha é o mês no qual o cliente foi adquirido e a coluna são meses em sequência após a primeira compra.

Se olharmos para a terceira coluna 3 temos quantos clientes adquiridos de uma safra compram 2 meses depois de serem adquiridos.

Analisando o Cohort na Diagonal

Agora vamos entender uma leitura importante do cohort, as diagonais.

Como você pode ver, foi destacado algumas tabelas do gráfico cohort, que formam uma linha em diagonal.

Isso dentro da Kevi a gente faz quando é selecionado qualquer uma das tabelas, pois logo a baixo carregamos quem são os 180 clientes que compraram 3 meses depois de serem adquiridos em agosto de 2023, no caso do exemplo acima.

Porém também para facilitar a visualização de quais são as tabelas que representam um mês específico.

Você vai concordar comigo que 3 meses depois, para clientes adquiridos em agosto, será o mês de novembro, correto?

Ou seja todos os clientes que fizeram uma compra no mês de novembro de 2023 será a soma de todos as células destacadas, onde o que aparece na primeira coluna são os adquiridos naquele mês, e a somatório dos outros meses destacadas são clientes que: Foram adquiridos em outubro e compraram em novembro, que foram adquiridos em setembro e voltaram a comprar em novembro, que compraram em agosto e voltaram a comprara em novembro, e assim por diante..

Formando sempre uma diagonal.

Porque sempre tem uma célula a menos por linha no final?

Como no gráfico inicial a gente filtrou apenas o ano de 2023 a cada linha que passa a gente vai “perdendo” a última célula.

Por exemplo na safra do mês 12(dezembro) não tem mais nenhuma coluna ao lado pois a próxima coluna seria janeiro de 2024.Vinicius, quer dizer que eu não posso ver mais de 12 meses em um gráfico cohort?

A resposta é que sim, você pode, e abaixo está um exemplo, porém vai ficando maior e mais complexo a visualização, mas eu também é possível e até sugiro olhar de vez em quando.

Agora eu filtrei de 01/01/2023 até 31/05/2024.

Então você sempre pode adicionar mais colunas, mas como estou escrevendo esse artigo próximo ao final do mês 05/2024 não temos mais safras para frente, porque não temos mais meses para frente.

Por isso que sempre vamos perdendo uma coluna a cada nova linha. O mês ou ainda não aconteceu, ou o período que está utilizando já está limitando mostrar mais.

O que é uma safra?

Mas ok, depois de tudo isso agora eu sei o que é e como ler e interpretar uma análise cohort para o meu e-commerce, mas afinal o que é safra?

Talvez você já tenha deduzido o que é uma safra depois de eu citar algumas vezes no texto.

Porém uma safra é um grupo de clientes que eu adquiri num mês específico, e com o cohort eu quero analisar o comportamento dessa safra ao longo dos meses subsequentes. Se ela continua ou não comprando com você ou no seu negócio.

Fácil né?

Tem gente que cita e fala de safras também ou de cohorts falando de um grupo ou segmentação de clientes que não necessariamente são safras de meses de aquisição e nem mesmo estão olhando por mês, mas querem falar que estão olhando para um grupo específico de clientes dentro da sua base.

Tenho visto isso acontecer com cada vez mais frequência dentro de comunidades e grupos que participo sobre CRM e Marketing quando estão se referindo a alguma segmentação de base de cliente.

Cohort é só para safras de meses?

A resposta é não!

O que eu trouxe até aqui foi a ideia de cohort no seu uso mais comum que é analisar safras de clientes por meses. Se você pesquisar no Google imagens por gráfico cohort vai ser a aplicação mais comum, que é a mesma que eu usei até aqui.

Vamos supor que você queria ver como se comporta clientes ao longo do tempo de acordo com o método de aquisição dele.

Nesse caso cada linha ao invés de ser o mês que foi adquirido, pode ser o canal de aquisição, como por exemplo:

• Facebook Ads/Meta Ads;
• Google Ads;
• Pesquisa Orgânica;
• Eventos;
• Indicação;
• Outros.

Assim você vai começar a entender que ao longo do tempo clientes de uma certa fonte podem se comportar diferente de outras, e ver que indicação é muito melhor que Meta Ads (Facebook Ads). 

Ou seja, um gráfico de safras, pode ser usado para comparar grupos de clientes ao longo do tempo e não só o período que ele foi adquirido.

O melhor, esse grupo pode ser basicamente o que você quiser.

Alguns outros exemplos de grupos de clientes que você pode querer analisar o comportamento deles ao longo do tempo e pode var aplicando isso em uma análise cohort:

• Homens vs Mulheres;
• Grupo de Idades;
• Categoria de Clientes, para empresas que têm diferentes categorias de clientes’;
• Estados ou País do cliente;
• Pessoa Física vs Pessoa Jurídica.

Enfim, são infinitas as possibilidades.

Aplicando Filtros na sua visualização do Cohort

O que a gente faz com certa frequência aqui na Kevi é olhar a versão mais famosa do Cohort, de olhar safras por meses, porém aplicando filtro com segmentação avançada de clientes, que é a nossa feature de hipersegmentação de base de cliente.

Nesse caso você pode ter a mesma ideia que eu falei acima de analisar mulheres em comparação com homens, mas filtrando eles em todo o gráfico antes de mostrar no gráfico.

Ou até melhor, algo que a gente gosta de fazer muito aqui, analisar um grupo de cliente da análise RFM em comparação com o geral ou com outro grupo.

No exemplo abaixo está um gráfico cohort do mesmo período do primeiro gráfico desse post, porém filtrando apenas os clientes campeões desse negócio. 

Campeões de acordo com a metodologia RFM (ou RFV, como também é conhecida).

Ps: Se você nunca ouviu falar em análise RFM ou RFV, a gente tem alguns conteúdos sobre isso na nossa área de conteúdo em vídeo com masterclass e podcasts sobre retenção do site.

Com essa visualização em filtro, ao invés de eu mostrar a todos os clientes eu to vendo como se demonstra o cohort de todas as safras mas apenas de quem hoje é um campeão, para eu ver quando que ele foi adquirido como cliente e como foi o uso desses clientes ao longo da vida deles.

O legal que também já mostramos logo acima, como é o Ticket Médio, Tempo Médio de Vida, Quantidade Média de Pedidos e LTV desse grupo específico.

Dá para tirar vários insights usando cohort com filtros avançados de cliente.
No exemplo a gente fez um filtro de clientes de um grupo do RFM, mas você pode criar e aplicar no gráfico só clientes de alguma característica em comum, como também só homens, ou só mulheres, só clientes do estado de São Paulo, só clientes que são mulheres, que moram em São Paulo e já gastaram mais de R$ 1000 com você. As possibilidades são infinitas.

Com quais ferramentas fazer análise cohort da base do seu varejo ou e-commerce?

Vamos lá, algumas ferramentas que vão te ajudar a construir seus cohorts:

Kevi – Sistema de Retenção de Clientes

A Kevi hoje é uma das melhores opções, sem dúvida. Você consegue em poucos cliques criar vários tipos de análises e visualizações com Cohort, fazer segmentações e todos os testes e exemplos que usei aqui foram feitos com ela.

Se quiser usar a Kevi no seu Varejo ou E-commerce chame nosso time que faremos uma demonstração e te explicaremos como você pode ver e analisar safras através do nossa solução de retenção de clientes.

Tem muitos outros dados de análises que ajudam você a entender a saúde da sua base de clientes.

Peel Insights

Essa é uma ferramenta bem completa para criação de gráficos e cohorts para e-commerce que usa IA para análise. Aqui você consegue dar uma olhada.

Eles tem um foco mais em e-commerces que usam Shopify porém tem ótimas formas de criar a analisar as safras de clientes de uma base.

Google Analytics 4 (GA4)

Sim você também consegue fazer via o bom e velho Google Analytics, porém não tem muito material em português falando sobre.

Mas encontrei um tutorial muito bom em inglês que mostra como olhar e configurar os cohorts no Google Analytics.

Vai facilitar se a tua loja virtual estiver corretamente configurada lá.

Ps: Como falei no começo do artigo alguns lugares traduzem Análise Cohort para Coorte e o Google Analytics em Português é um deles.

Por qual motivo eu devo olhar para esse gráfico?

Ok, agora que dei todo o contexto de como analisar um gráfico cohort, que ferramenta usar para gerar ele, que tipo de safras olhar, porque afinal eu deveria olhar para isso?

Você vai usar para ter uma noção da saúde do seu negócio em termos de capacidade de reter os seus clientes ao longo da vida. Porque por exemplo se tu conseguir sempre adquirir vários clientes mas eles não continuam comprando você sobrevive só de aquisição isso é um problema.

E quando você está olhando para melhorar a eficiência da sua retenção e muda algo no seu produto, entrega, atendimento, logística ou qualquer outra melhoria, quanto isso vai afetar nas safras dos meses seguintes?

O cohort vai mostrar se isso foi efetivo. Se você conseguiu reter melhores os seus clientes.

Nós como junto com a ferramenta de retenção clientes também prestamos consultoria para alguns clientes a gente já usou muito com filtros para ver que: Clientes de tal faixa de idade tinha melhor retenção mês a mês em comparação com outros.

Com isso a gente começou a entender que aquele público via mais valor nos produtos e tinha um LTV maior, o que fez todo o marketing focar nas estratégias para esse perfil de cliente.

Por último, e um dos que eu mais tenho visto melhorar o resultado, são os fluxos de comunicação com os clientes nas estratégias e réguas de CRM.

Que mensagens que eu mando, quando eu mando e por quais canais que fazem sua retenção melhorar?

Ou seja, o cohort é importante para entender se as suas estratégias de retenção estão funcionando, se estão fazendo os clientes continuarem comprando, se está estimulando a diminuir o ciclo de compra, se está aumentando a frequência de compra, e até mesmo para entender que tipo de grupo de cliente hoje seu negócio já tem mais facilidade em reter para focar neles.

Como você deve saber, é cada vez mais caro adquirir novos clientes, o custo de aquisição de clientes (CAC) está cada vez mais alto para quem trabalha com tráfego pago. Logo você precisa ter ações para reter mais sua base de clientes.