Erstellen eines Qualitative Cohort Analysis
Wissen Sie, wie Ihre Google Adwords Kundensegmente ihren LTV im Vergleich zu den Kunden aus der organischen Suche erweitern? Haben Sie schon einmal daran gedacht, im selben Bericht eine cohort Analyse für verschiedene Kundensegmente nebeneinander durchzuführen? Wenn ja, hilft Ihnen ein qualitative cohort analysis, diese Fragen zu beantworten.
Dieses Thema geht näher darauf ein, was eine qualitative Kohorte ist, warum Sie möglicherweise am Aufbau dieser Analyse interessiert sind und wie Sie sie in Commerce Intelligence erstellen können.
Was sind überhaupt qualitative cohorts? whatare
Cohort Analyse im Allgemeinen kann grob definiert werden als die Analyse von Benutzergruppen, die ähnliche Eigenschaften über ihren Lebenszyklus hinweg aufweisen. So können Sie Verhaltenstrends in verschiedenen Benutzergruppen identifizieren.
Siehe Kohortenanalyse.
Die meisten cohort in Commerce Intelligence gruppieren Benutzer nach einem gemeinsamen Datum (z. B. die Gruppe aller Kunden, die ihren ersten Kauf in einem bestimmten Monat getätigt haben). Ein qualitative cohort ist etwas Anderes: Es handelt sich um eine Benutzergruppe, die durch ein Merkmal definiert wird, das nicht zeitbasiert ist. Beispiele:
- Die Gruppe aller Benutzer, die von einer Anzeigenkampagne erfasst wurden
- Der Satz aller Benutzer, deren erster Kauf einen Coupon enthielt (oder nicht enthielt)
- Die Gruppe aller Benutzer mit einem bestimmten Alter
Wie unterscheidet sich das vom normalen cohort Builder? different
Die Cohort Analysis Builder ist für die Gruppierung von Kohorten anhand eines zeitbasierten Merkmals optimiert. Dies eignet sich hervorragend für Analysen, die sich auf ein bestimmtes Segment von Benutzenden konzentrieren (z. B. alle Benutzenden, die über eine Paid-Search-Kampagne erworben wurden). Im Cohort Analysis Builder können Sie (1) auf diese bestimmte Benutzergruppe fokussieren und (2) auf ein Datum (wie das Datum der ersten Bestellung) cohort.
Wenn Sie jedoch das Kohortenverhalten mehrerer Benutzersegmente im selben Kohortenbericht analysieren möchten (paid Suche versus organic Suche vs. direkter Traffic, vielleicht?), kann diese erweiterte Analyse im Report Builder erstellt werden.
Welche Informationen sollte ich an den Support senden, um meine Analyse einzurichten? support
Das Erstellen eines qualitative cohort in der Report Builder beinhaltet, dass das Adobe-Analyst-Team einige erweiterte berechnete Spalten auf den erforderlichen Tabellen erstellt.
Um diese zu erstellen, reichen Sie ein Support-Ticket ein (und lesen Sie diesen Artikel!). Hier finden Sie, was Sie wissen müssen:
-
Die
metric, mit der Sie Ihre Kohortenanalyse durchführen möchten, und welche Tabelle verwendet wird (Beispiel:Revenue, basierend auf derorders). -
Die
user segments, die Sie definieren möchten, und wo diese Informationen in Ihrer Datenbank vorhanden sind (Beispiel: verschiedene Werte vonUser's referral source, die in derusers-Tabelle enthalten sind und nach unten in dieordersverschoben wurden). -
Die
cohort date, die Ihre Analyse verwenden soll (Beispiel:User's first order dateZeitstempel). Dieses Beispiel würde es uns ermöglichen, jedes Segment zu betrachten undHow does a user's revenue grow in the months following their first order date?zu stellen. -
Die
time interval, über die die Analyse angezeigt werden soll (Beispiel:weeks,monthsoderquartersnach derUser's first order date).
Sobald das Adobe-Analyst-Team auf die oben genannten Fragen antwortet, haben Sie ein paar neue erweiterte berechnete Spalten, um Ihren Bericht zu erstellen! Folgen Sie dazu den unten stehenden Anweisungen.
Erstellen der qualitativen Kohortenanalyse create
Zunächst möchten Sie die Metrik, die Sie für die Kohorte interessieren, einmal für jedes cohort hinzufügen, das Sie analysieren. In diesem Beispiel möchten Sie kumulative Revenue sehen, die in den Monaten nach der ersten Bestellung eines Kunden getätigt wurden, und die nach User's referral source segmentiert sind. Das bedeutet, dass Sie für jedes Segment eine Revenue Metrik hinzufügen und nach dem spezifischen Segment filtern:
Zweitens sollten Sie zwei Änderungen an den Zeitoptionen des Berichts vornehmen:
-
Legen Sie die
time intervalaufNonefest. Dies liegt daran, dass Sie nach dem Zeitintervall letztendlich als Dimension gruppieren, anstatt die üblichen Zeitoptionen zu verwenden. -
Legen Sie die
time rangeauf das Zeitfenster fest, das der Bericht abdecken soll.
In diesem Beispiel sehen Sie eine all time Ansicht von Revenue. Danach sollten Sie eine Reihe von Punkten bekommen:
Drittens nehmen Sie die Anpassung vor, um die cohorts einzurichten. Basierend auf den cohort date und time interval, die Sie dem Adobe-Analyst-Team angegeben haben, haben Sie eine Dimension in Ihrem Konto, die die cohort Datierung durchführt. In diesem Beispiel wird diese benutzerdefinierte Dimension Months between this order and customer's first order date genannt. Mit dieser Dimension sollten Sie:
-
Group byder Dimension mit der Option "group by" -
Wählen Sie alle Werte der
dimensionaus, an denen Sie interessiert sind -
Wählen Sie mit dem
Show top/bottom optiondie X wichtigsten Monate aus, die Sie interessieren, und sortieren Sie nach derMonths between this order and customer's first order dateDimension
Jetzt können Sie für jede angegebene cohort eine Zeile sehen. Sehen Sie sich jetzt das Beispiel an - Sie sehen die von den Benutzern jeder Empfehlungsquelle beigesteuerten Revenue, grouped by die Anzahl der Monate zwischen ihrer ersten Bestellung und jeder nachfolgenden Bestellung. Im Beispiel wurde auch ein Cumulative perspective hinzugefügt, um das cohorts' Gesamtwachstum anzuzeigen. Weitere Details finden Sie in der Ergebnistabelle.
Was sagt uns das? Hier ist die spezifische Paid search für Empfehlungen im ersten Monat des Kauflebens eines Kunden wertvoll, kann jedoch seinen Kundenstamm nicht mit wiederholten Umsätzen halten. Während Direct Traffic mit einem niedrigeren Betrag beginnt, akkumulieren sich die Einnahmen in den folgenden Monaten tatsächlich mit einer ähnlichen Geschwindigkeit.
Egal, wie Sie es drehen: cohort Analyse ist ein leistungsstarkes Tool in Ihrer Analyse-Toolbox. Diese Art der Analyse kann zu einigen interessanten Einblicken in Ihr Unternehmen führen, die in herkömmlichen time-based cohorts möglicherweise nicht vorhanden sind, sodass Sie bessere datengestützte Entscheidungen treffen können.