Kohort dan konsentrasi pelanggan: membaca siapa yang benar-benar bertahan

Penjualan bulan ini naik. Pertanyaan yang tidak dijawab angka itu: naik karena pelanggan lama membeli lebih banyak, atau karena pelanggan baru menutupi pelanggan lama yang berhenti datang?

Kedua keadaan menghasilkan grafik yang sama persis. Keduanya menuntut tindakan yang sama sekali berbeda. Dan angka penjualan total, seberapa pun rapi disajikan, secara struktural tidak bisa membedakannya.

Yang bisa membedakannya adalah mengelompokkan pelanggan berdasarkan kapan mereka pertama kali membeli, lalu mengikuti kelompok itu dari waktu ke waktu.

Kohort: kelompok yang dikunci di titik masuk

Sebuah kohort adalah sekumpulan pelanggan yang pembelian pertamanya jatuh di periode yang sama. Semua orang yang pertama kali membeli di bulan Maret adalah kohort Maret — selamanya. Keanggotaannya tidak pernah berubah, dan itulah seluruh gunanya.

Karena anggotanya tetap, setiap perubahan pada perilaku kohort itu adalah perubahan yang nyata, bukan akibat komposisi yang bergeser. Kalau kohort Maret menghasilkan lebih sedikit transaksi di bulan keenam dibanding bulan ketiga, itu karena orang-orang yang sama membeli lebih jarang — bukan karena ada pendatang baru yang mengencerkan rata-rata.

Ini kontras dengan hampir semua laporan bulanan biasa, yang mengukur kumpulan orang yang berbeda setiap bulan dan menyebutnya perbandingan.

Menyusun tabelnya

Bentuk yang standar dan cukup:

• Baris — bulan pembelian pertama
• Kolom — bulan ke-0, ke-1, ke-2, dan seterusnya sejak pembelian pertama
• Isi sel — berapa persen anggota kohort itu yang melakukan pembelian di bulan tersebut

Kolom bulan ke-0 selalu 100 persen menurut definisi — semua orang membeli di bulan mereka pertama membeli. Yang menarik dimulai di kolom berikutnya.

Perhatikan bahwa sumbu kolom adalah usia relatif, bukan tanggal kalender. Inilah yang membuat kohort yang lahir di bulan berbeda bisa ditumpuk dan dibandingkan: Anda membandingkan bulan ketiga kohort Januari dengan bulan ketiga kohort Juni, bukan Januari dengan Juni.

Dua cara membaca tabel yang sudah jadi:

Menyusuri baris menjawab: bagaimana satu kelompok meluruh seiring waktu. Ini bentuk kurva retensi Anda.

Menyusuri kolom menjawab: apakah kelompok yang datang belakangan bertahan lebih baik daripada yang datang lebih awal. Ini yang memberitahu apakah ada sesuatu yang membaik — atau memburuk — pada cara Anda mendapatkan pelanggan.

Kolom yang menurun dari baris atas ke bawah adalah peringatan yang jarang terlihat di laporan lain: pelanggan baru yang Anda dapatkan sekarang berkualitas lebih rendah daripada yang dulu, meskipun jumlahnya mungkin lebih banyak.

Retensi diukur pada siklus yang benar

Satu kesalahan yang membuat seluruh tabel tidak berarti: memakai satuan bulanan untuk barang yang siklus pembeliannya tidak bulanan.

Untuk barang yang secara wajar dibeli dua atau tiga kali setahun, sel "bulan ke-1" akan hampir selalu kosong — dan tabel itu akan terlihat seperti bencana retensi padahal semuanya normal. Yang salah bukan pelanggannya; yang salah satuan waktunya.

Cara menetapkannya tanpa menebak: lihat sebaran jarak antara pembelian pertama dan kedua pada pelanggan yang memang kembali. Kalau sebagian besar kembali dalam rentang dua sampai empat bulan, kohort kuartalan lebih informatif daripada bulanan.

Hal yang sama berlaku untuk mendefinisikan "berhenti". Pelanggan yang tidak membeli selama satu bulan belum tentu hilang. Ambang yang wajar diturunkan dari siklus normal Anda sendiri — misalnya dua kali jarak pembelian yang biasa.

Retensi pelanggan versus retensi pendapatan

Dua angka yang sering dicampur, dan bercerita berbeda.

Retensi pelanggan menghitung berapa banyak orang yang masih membeli. Ia memperlakukan semua orang setara.

Retensi pendapatan menghitung berapa nilai yang masih dihasilkan kohort itu dibanding periode awalnya. Ia tidak setara — dan justru karena itu berguna.

Kombinasi yang paling sering muncul dan paling penting dikenali: jumlah orang menyusut sementara nilainya bertahan. Artinya sebagian besar yang pergi adalah pembeli kecil, dan yang tinggal justru pembeli besar. Kondisi ini terlihat buruk kalau hanya melihat angka pertama, dan sebetulnya bisa sehat.

Kebalikannya jauh lebih berbahaya: jumlah orang bertahan tapi nilainya turun. Ini berarti pelanggan belum pergi, tapi sudah mulai berbelanja di tempat lain — dan mereka biasanya pergi beberapa bulan kemudian.

Konsentrasi: berapa banyak yang bergantung pada sedikit orang

Pertanyaan kedua yang tidak dijawab total penjualan: seberapa merata pendapatan itu tersebar.

Cara menghitungnya sederhana. Urutkan seluruh pelanggan berdasarkan nilai belanja pada satu periode, dari terbesar. Hitung kontribusi kumulatifnya. Lalu baca: berapa persen pelanggan teratas yang menyumbang separuh pendapatan? Berapa persen yang menyumbang delapan puluh persen?

Prinsip Pareto sering dikutip dalam bentuk "80/20", dan angka itu sebaiknya diperlakukan sebagai nama pola, bukan sebagai temuan. Rasio yang sebenarnya berbeda-beda antar usaha dan antar kanal, dan satu-satunya angka yang berguna adalah angka Anda sendiri — yang baru berarti setelah dibandingkan dengan periode Anda sendiri sebelumnya.

Yang perlu dilihat dari angka itu bukan besarnya, melainkan arah pergerakannya. Konsentrasi yang meningkat berarti ketergantungan yang meningkat: kehilangan segelintir pelanggan berdampak makin besar. Konsentrasi yang menurun bisa berarti basis yang menyehat, atau bisa berarti pelanggan besar sedang berkurang belanjanya — dan dua sebab itu hanya bisa dibedakan dengan melihat kohortnya.

Konsentrasi juga mengubah cara membaca rata-rata. Pada data yang sangat terkonsentrasi, nilai belanja rata-rata adalah angka yang tidak menggambarkan siapa pun: mayoritas pelanggan berada jauh di bawahnya. Nilai tengah biasanya lebih jujur, dan melihat keduanya berdampingan langsung menunjukkan seberapa timpang sebarannya.

Baru versus berulang, dipisah dengan tegas

Laporan yang layak ada setiap bulan, memecah pendapatan menjadi tiga:

• Dari pelanggan yang baru pertama kali membeli bulan ini
• Dari pelanggan yang pernah membeli sebelumnya dan membeli lagi
• Dari pelanggan yang sudah lama tidak membeli lalu kembali

Kelompok ketiga sering digabung ke kelompok kedua, padahal perilakunya berbeda dan penyebab kembalinya biasanya berbeda juga.

Yang dicari dari pemecahan ini adalah ketergantungan pada aliran pelanggan baru. Usaha yang sebagian besar pendapatannya selalu berasal dari pembeli pertama kali harus terus-menerus mengisi ember yang bocor — dan biaya mendapatkan pelanggan baru hampir selalu lebih tinggi daripada biaya membuat yang lama kembali.

Kanal ritel dan grosir tidak boleh dicampur

Kalau Anda menjual eceran dan sekaligus ke pembeli grosir atau reseller, menggabungkan keduanya dalam satu analisis akan merusak keduanya.

Pembeli grosir berjumlah sedikit, bernilai besar per transaksi, dan siklusnya mengikuti perencanaan stok mereka sendiri — bukan mengikuti keinginan pribadi. Beberapa akun grosir sudah cukup untuk mendominasi seluruh perhitungan konsentrasi, sehingga tabel Pareto gabungan akan selalu menyimpulkan hal yang sama dan tidak pernah memberi informasi baru tentang sisi eceran.

Kurva retensinya juga berbeda secara mendasar. Pembeli grosir yang berhenti memesan selama dua bulan mungkin sedang menghabiskan stok, bukan pergi. Pembeli eceran dengan jeda yang sama mungkin memang sudah pindah.

Karena itu kohort, ambang berhenti, dan konsentrasi perlu dihitung terpisah per kanal. Yang boleh digabung cuma satu hal: total pendapatan — dan itu justru angka yang paling sedikit gunanya.

Yang dibutuhkan supaya semua ini bisa dihitung

1. Transaksi bisa dihubungkan ke pelanggan yang sama lintas waktu, lewat pengenal yang stabil
2. Tanggal pembelian pertama tersimpan dan tidak berubah saat data diperbarui
3. Kanal tercatat di tingkat transaksi, bukan disimpulkan dari besarnya nominal
4. Retur dikurangkan dari kohort asal transaksinya, bukan dari bulan retur terjadi

Poin pertama adalah penghalang yang sebenarnya di sebagian besar toko: transaksi tunai tanpa identitas tidak bisa dimasukkan ke kohort mana pun. Itu tidak berarti analisisnya mustahil — berarti hasilnya hanya berlaku untuk bagian pelanggan yang teridentifikasi, dan bagian itu perlu diketahui berapa besarnya sebelum kesimpulannya diperlakukan sebagai gambaran seluruh usaha.