تحلیل کوهورت در مارکتینگ چیست؟ ریتنشن بعد از اوج ثبت‌نام

تحلیل کوهورت در مارکتینگ چیست؟

تحلیل کوهورت (cohort analysis) یعنی مخاطبان را بر اساس یک رویداد شروع مشترک گروه‌بندی کنی — مثلاً هفتهٔ ثبت‌نام یا اولین خرید — و بعد رفتار بازگشتشان را در سن یکسان نسبت به همان شروع دنبال کنی؛ نه فقط با میانگین کلی همهٔ کاربران.

پاسخ کوتاه: کوهورت گروهی است که از یک First Event مشترک آمده‌اند؛ ریتنشن را در روز/هفتهٔ N بعد از آن رویداد (Return Event) می‌سنجی. این با ریتنشن ترکیبی (blended) و با سگمنت RFM فرق دارد.

اگر بعد از اوج ثبت‌نام کمپین، داشبورد «کاربران فعال» هنوز سبز به نظر می‌رسد ولی خرید تکراری نمی‌آید، احتمالاً داری حجم ثبت‌نام را با کیفیت کوهورت قاطی می‌کنی. کوهورت همان جایی است که بفهمی کدام موج جذب واقعاً مانده — و کدام فقط اسپایک ساخته.

برای قاب کلی نگهداشت و آنبوردینگ، ببین: لایف‌سایکل مارکتینگ چیست؟.

First Event و Return Event یعنی چه؟

در عمل، هر جدول کوهورت روی دو تعریف قفل می‌شود:

1. First Event (رویداد شروع): چیزی که عضویت در کوهورت را تعریف می‌کند — مثلاً signed_up در هفتهٔ مشخص، یا first_order_completed.
2. Return Event (رویداد بازگشت): چیزی که «ماندگاری» را تعریف می‌کند — مثلاً order_completed، session_started، یا email_opened در پنجرهٔ سن N.

بدون این دو، «ریتنشن ۳۰روزه» فقط یک عدد مبهم روی اسلاید است.

نکتهٔ اجرایی برای ایران: «ثبت‌نام» و «اولین خرید» را قاطی نکن. خیلی از لندینگ‌ها با کد تخفیف اسپایک ثبت‌نام می‌سازند؛ اگر First Event را signup بگیری و Return را سفارش، کیفیت جذب دیده می‌شود. اگر فقط سفارش اول را First بگیری، داستان آنبوردینگ بعد از خرید را می‌بینی — هر دو مفیدند، ولی سؤال متفاوتی جواب می‌دهند.

کوهورت چه فرقی با ریتنشن ترکیبی و RFM دارد؟

ریتنشن ترکیبی می‌تواند بعد از یک کمپین بزرگ هنوز خوب به نظر برسد، چون کاربران قدیمی‌تر عدد را نگه می‌دارند. کوهورت همان موج جدید را جدا می‌کند.

RFM وضعیت فعلی مشتری را برای پیام نگهداشت می‌سازد — Champions در برابر At Risk — ولی نمی‌گوید «کمپین هفتهٔ قبل کیفیت جذبش ضعیف بود». آن مقایسه کار کوهورت است. جزئیات RFM را اینجا تکرار نمی‌کنیم؛ برای اتصال امتیاز به سگمنت و جرنی ببین: مدل RFM چیست؟.

سگمنت‌بندی کلی مخاطب هم لایهٔ جداست: سگمنت مشتریان چیست؟. کوهورت یکی از روش‌های ساختن گروه بر اساس رویداد شروع است؛ همهٔ سگمنت‌ها کوهورت نیستند.

جدول کوهورت در برابر متریک‌های vanity

قانون ساده: اگر متریک با اضافه کردن افراد جدید «بهتر» می‌شود ولی رفتار سن N همان کوهورت ضعیف است، احتمالاً vanity است.

مثال ایران: سه هفته جذب، یک اشتباه رایج

فرض کن فروشگاه لوازم آرایشی آنلاین «رُزلاین» سه هفته پیاپی جذب داشته:

تیم در جمعهٔ W2 جشن می‌گیرد چون «لیست ترکید». ولی در روز ۳۰ فقط ۵٪ همان کوهورت خرید کرده‌اند؛ هزینهٔ پیامک welcome و پشتیبانی روی حجم بی‌کیفیت می‌سوزد. W1 با ثبت‌نام کمتر، سهم بیشتری از سفارش تکراری می‌سازد.

درس عملی: کمپین را با حجم ثبت‌نام قضاوت نکن. اول First/Return را قفل کن، بعد هفته‌ها را در سن یکسان مقایسه کن. اگر W2 را اسکیل می‌کنی چون signup زیاد بوده، داری هزینهٔ جذب و هزینهٔ اتوماسیون را روی کوهورت ضعیف ضرب می‌کنی.

از کوهورت ضعیف به win-back

وقتی می‌بینی W2 در روز ۱۴ ریتنشن سفارش زیر ۱۰٪ است:

1. سگمنت بساز: «عضویت کوهورت W2 + بدون order_completed تا روز ۱۴».
2. جرنی win-back کوتاه (۲–۳ لمس) با ایمیل مراقبت و در صورت رضایت، یک پیامک محدود — نه تخفیف عمیق همگانی روی کل دیتابیس.
3. خروج فوری روی order_completed.
4. سقف فرکانس و suppress روی کسانی که هم‌زمان در welcome عمیق هستند.
5. متریک را داخل همان سگمنت بسنج — نه «کل فروش سایت بعد از پیامک».

اینجا کوهورت تشخیص می‌دهد کدام موج ضعیف است؛ سگمنت و جرنی اقدام را اجرا می‌کنند.

چطور تحلیل کوهورت را قدم‌به‌قدم راه بیندازی؟

1. سؤال را بنویس. کیفیت جذب؟ آنبوردینگ بعد از خرید اول؟ ماندگاری مشترکین؟
2. First Event و Return Event را قفل کن و حداقل ۳۰ روز تاریخچهٔ تمیز داشته باش.
3. بازهٔ ورود کوهورت را انتخاب کن — معمولاً هفته‌ای یا کمپین‌محور؛ روزانه فقط اگر حجم خیلی بالاست.
4. جدول سن بساز (روز ۰، ۷، ۱۴، ۳۰ یا هفته ۱…۴) با درصد کسانی که Return داشته‌اند.
5. ۳–۵ کوهورت را در سن یکسان مقایسه کن — کانال، کلاقمپین، یا هفتهٔ تقویمی.
6. برای کوهورت‌های ضعیف سگمنت عملیاتی بساز و به جرنی وصل کن.
7. تعاریف را عوض وسط آزمایش عوض نکن؛ وگرنه مقایسه بی‌معنا می‌شود.

اگر قدم ۶ را رد کنی، کوهورت فقط یک اسلاید زیبا می‌ماند.

اتصال به Leadara: events، segments، journeys

Leadara روی ایونت، سگمنت، جرنی، ایمیل و پیامک کار می‌کند. محاسبهٔ ماتریس کوهورت معمولاً در انبار داده یا اسکریپت گزارش است؛ وقتی برچسب موج جذب را داری، همان را به اتوماسیون وصل کن:

1. ایونت‌های تمیز بفرست: signed_up, first_order_completed, order_completed, و در صورت نیاز propertyهایی مثل acquisition_week یا utm_campaign.
2. attribute یا ایونت دوره‌ای برای «عضویت کوهورت» نگه دار (مثلاً cohort_id = 2026-W36-instagram-reel).
3. سگمنت بساز روی کوهورت + شرط عدم بازگشت — مثلاً «کوهورت W2 و بدون سفارش در ۱۴ روز».
4. جرنی ایمیل/پیامک با خروج روی Return Event موردنظر.
5. برای مقایسهٔ کمپین‌ها، گزارش کوهورت را هفتگی کنار اندازهٔ سگمنت و نرخ تبدیل جرنی ببین.

نیازی به اختراع فیچر «موتور کوهورت» داخل محصول نیست؛ تشخیص بیرون، اقدام با سگمنت و جرنی.

اشتباهات رایجی که کوهورت را بی‌اثر می‌کند

• قضاوت کمپین فقط با حجم signup یا نصب
• قاطی کردن signup و first purchase به‌عنوان یک First Event بدون شفافیت
• مقایسهٔ کوهورت‌ها در سن‌های متفاوت («این یکی ماه قبل بوده پس ریتنشنش بالاتر است»)
• ریتنشن ترکیبی را به‌جای منحنی کوهورت به مدیر نشان دادن
• ساختن بیست کوهورت بدون حتی یک سگمنت/جرنی متصل
• win-back عمیق روی کوهورت ضعیف و Champions همزمان
• نادیده گرفتن رضایت و سقف پیامک وقتی سگمنت کوهورتی بزرگ می‌شود
• تغییر تعریف Return وسط ماه

چک‌لیست این ماه

1. یک جمله سؤال + First Event + Return Event روی کاغذ
2. جدول سه هفتهٔ اخیر جذب با ریتنشن روز ۷ و ۳۰
3. توقف اسکیل روی موجی که فقط signup بالا دارد
4. یک سگمنت «کوهورت ضعیف بدون خرید»
5. یک جرنی win-back با خروج خرید و سقف SMS
6. مرور هفتگی: منحنی کوهورت + تبدیل همان سگمنت

سوالات پرتکرار

تحلیل کوهورت در مارکتینگ دقیقاً چیست؟

گروه‌بندی مخاطبان بر اساس یک رویداد شروع مشترک و اندازه‌گیری بازگشت در سن یکسان نسبت به آن شروع. هدف، دیدن کیفیت موج جذب یا مسیر آنبوردینگ است — نه فقط میانگین کل کاربران.

فرق کوهورت با سگمنت RFM چیست؟

کوهورت روی شروع مشترک در زمان سوار است؛ RFM روی وضعیت ارزشی فعلی از تاریخچهٔ خرید. هر دو به سگمنت و جرنی وصل می‌شوند، ولی سؤال متفاوتی جواب می‌دهند.

First Event بهتر است signup باشد یا اولین خرید؟

بستگی به سؤال دارد. برای کیفیت جذب کانال معمولاً signup (یا نصب) به‌علاوهٔ Return=سفارش؛ برای عادت خرید بعد از فعال‌سازی، First=اولین سفارش و Return=سفارش بعدی.

چرا ریتنشن کلی بعد از اوج ثبت‌نام گمراه‌کننده است؟

چون کاربران قدیمی‌تر میانگین را بالا نگه می‌دارند و موج جدید ضعیف داخل عدد کلی قایم می‌شود. کوهورت همان موج را جدا نشان می‌دهد.

حداقل چقدر داده برای شروع لازم است؟

اگر چند صد ثبت‌نام در هر هفتهٔ مقایسه و تعریف تمیز رویداد داری، برای نسخهٔ اول کافی است. مهم‌تر از حجم، ثبات تعریف First/Return و بازهٔ سن است.

چطور از کوهورت ضعیف به کمپین win-back برسیم؟

سگمنت روی همان کوهورت + عدم Return بساز، جرنی کوتاه با خروج تبدیل اجرا کن، و موفقیت را داخل همان سگمنت بسنج — نه با vanity کل سایت.

آیا کوهورت فقط برای اپ و SaaS است؟

خیر. فروشگاه‌های ایرانی با ثبت‌نام، اولین سفارش و سفارش تکراری همان منطق را دارند؛ فقط چرخهٔ خرید ممکن است بلندتر باشد و سن را هفته‌ای بگیری نه روزانه.

Leadara چه نقشی در این تصویر دارد؟

ایونت، attribute موج جذب، سگمنت شرطی، و جرنی ایمیل/پیامک با خروج. ماتریس کوهورت را گزارش می‌کنی؛ اقدام را روی همان برچسب‌ها اتومات می‌کنی.

جمع‌بندی و قدم بعدی

کوهورت یعنی از اوج ثبت‌نام به کیفیت ماندگاری در سن یکسان برسی: First Event و Return Event را قفل کن، هفته‌های جذب را بدون vanity مقایسه کن، و موج ضعیف را با سگمنت و جرنی win-back جمع کن — نه با اسکیل کور روی signup. این ماه سه کوهورت اخیر را روی روز ۷ و ۳۰ بکش؛ اگر یکی فقط حجم ساخته، اسکیل را متوقف کن و مسیر بازگشت همان گروه را بساز.

مطالب مرتبط

• مدل RFM چیست؟ بخش‌بندی مشتری برای مارکتینگ اتومیشن
• لایف‌سایکل مارکتینگ چیست؟ نگهداشت، آنبوردینگ و win-back
• سگمنت مشتریان چیست؟ راهنمای بخش‌بندی مخاطب در مارکتینگ اتومیشن