קוהורט (Cohort) זה בעברית קבוצה שמשותף לה אירוע מתחיל. בעסק - חודש הצטרפות. קוהורט ינואר 2025 = כל הלקוחות שעשו את הקנייה הראשונה שלהם בינואר 2025. הקוהורט הזה ייסע יחד דרך הזמן. אחרי חודש - יראו כמה מהם חזרו. אחרי 3 חודשים - כמה עוד פעילים. אחרי 12 חודשים - כמה מהם עדיין. השוואה בין קוהורטים = השוואה בין תקופות הצטרפות. אם קוהורט ינואר נשמר טוב יותר מקוהורט יוני - יש סיבה. אולי איכות לקוחות שונה, אולי קמפיין שונה, אולי שינוי במוצר. בלי קוהורט אתה רואה רק ממוצע, ולא יודע למה הוא משתנה.

טבלה - שורות הן חודשי הצטרפות (ינואר, פברואר, מרץ). עמודות הן חודשים אחרי הצטרפות (חודש 0 = חודש ההצטרפות עצמו, חודש 1 = חודש אחרי, חודש 2, וכו'). תאים = אחוז לקוחות שעוד פעילים (קנו לפחות פעם בחודש הזה). דוגמה - שורה ינואר, חודש 0 = 100% (כולם פעילים בחודש ההצטרפות שלהם). חודש 1 = אולי 78% (78% חזרו לקנות בפברואר). חודש 2 = 65%. חודש 3 = 54%. הירידה משתטחת עם הזמן (Curve מתעקלת). השוואה בין קוהורטים - האם קוהורט פברואר משתטח בקצב דומה? אם לא, יש שינוי. הטבלה הופכת לדאשבורד שימור.

אפליקציית מנויי קפה. בחודש 3 ראו שמחזור צומח אבל איטי. בנינו קוהורט. קוהורט ספטמבר (חודש 0 לפני שינוי) - חודש 0: 100%, חודש 1: 82%, חודש 2: 71%, חודש 3: 64%. קוהורט אוקטובר (חודש שאחרי הוספת תכונה חדשה) - חודש 0: 100%, חודש 1: 76%, חודש 2: 62%, חודש 3: 51%. הקוהורט אוקטובר משתטח מהר יותר. סימן ברור - התכונה החדשה לא עזרה לשימור, אולי פגעה. נחקרנו ומצאנו - התכונה דרשה הרשמה נוספת, חלק מהמשתמשים התבלבלו והתחילו לוותר. הסרנו את הדרישה. קוהורט נובמבר חזר ל-79%, 68%, 60% בחודשים 1-3. בלי הקוהורט, היינו רואים רק שמחזור 'מצליח לגדול' ולא יודעים למה לאט.

טעות 1 - להתחיל קוהורט עם פחות מ-20 לקוחות בקוהורט. תוצאות לא יציבות סטטיסטית. אם יש 10 לקוחות, אובדן של 2 הוא 20% - יוצר רעש. צריך 20-30 מינימום לקוהורט. טעות 2 - להשוות קוהורטים בגדלים שונים בלי לציין. קוהורט של 100 לקוחות מול קוהורט של 25 לקוחות יראו שונה גם בלי שינוי אמיתי. צריך לציין גודל. טעות 3 - להסיק מסקנות אחרי חודש בלבד. קוהורטים זקוקים ל-3+ חודשים של נתונים כדי להראות מגמה. תגובה מהירה מדי על שינוי חד-חודשי מובילה להחלטות שגויות.