5 minutos
h1

Para mejorar la experiencia del cliente y los ingresos, las empresas deben comprender el comportamiento del cliente. El análisis de cohortes permite entender el nivel de interacción y retención, lo que ayuda a tomar medidas como optimizar el proceso de creación de cuentas y lanzar campañas en los meses de mayor volumen.

Analizar el rendimiento digital es fundamental para comprender cómo interactúan las personas usuarias con una empresa y qué acciones se pueden tomar para mejorar su experiencia. En este artículo, se explica cómo utilizar el análisis de cohortes para entender mejor el comportamiento del cliente.

Parte 1: Comparativa del rendimiento digital entre primeras visitas y visitas recurrentes

Introducción

Un cliente quiere conocer el rendimiento digital de los últimos dos años y está considerando desarrollar un programa de fidelización para impulsar dicho rendimiento. Inicialmente, se puede analizar la proporción actual de personas usuarias nuevas y recurrentes en el sitio para entender cómo se comportan ambos grupos hoy en día.

Rendimiento digital actual

  1. En 2022, el 62 % de los pedidos procedieron de primeras visitas, frente al 38 % de pedidos de visitas recurrentes (dependiendo de las cookies y del uso de varios dispositivos).
  2. Las primeras visitas presentan una tasa de conversión ligeramente superior a la de las visitas recurrentes: 11,6 % frente a 11,4 %.
  3. En comparación con 2021, las tasas de conversión descendieron en ambos segmentos.

Parte 2: Análisis de cohortes – Visitas Edible Arrangements Global Prod

Para comprender la retención del canal digital y la oportunidad de aumentar el número de compradores recurrentes, la siguiente pregunta a responder es: ¿Cuál es el volumen de visitantes que regresan al sitio cada mes en 2022?

Introducción al análisis de cohortes

El análisis de cohortes es una herramienta útil para entender cómo las cohortes interactúan con una marca a lo largo del tiempo. Para comenzar, se definieron las siguientes preguntas:

  1. En un año determinado, ¿cuál es el periodo medio de retención por mes?

  2. ¿Qué volumen de visitantes al sitio regresa cada mes en un año determinado?

  3. ¿Cuál es el impacto de los inicios de sesión en la retención?

  4. ¿Existen productos específicos que hayan impulsado una mayor retención?

Cómo configurar la tabla de cohorte

  1. Establecer el intervalo de fecha de enero a diciembre de 2022

  2. Criterios de inclusión: Visitas

  3. Criterios de retorno: Visitas

  4. Granularidad: Mes

  5. Configuración: Cálculo rodante
    Permite calcular la retención en función de la columna anterior, no de la columna incluida. Esto significa que una persona usuaria se incluye en cada uno de los meses

  6. Segmentos: se pueden seleccionar segmentos específicos para profundizar en este análisis

    1. Páginas de destino específicas

    2. Tipo de dispositivo

    3. Canales de marketing

    4. Etc.

Interpretación de los resultados

En 2022:

  1. Los meses con mayores tasas de retención a +1 mes son enero, abril y noviembre

  2. Febrero y mayo presentan el mayor volumen.

  3. Alrededor de 1 000 visitantes regresan al sitio cada mes

En 2021:

  1. Los meses con las tasas de retención más altas a +1 mes son abril, enero y marzo.
  2. Febrero y mayo destacan por su mayor volumen.

Tareas clave:

Crear un segmento basado en los ~1.000 visitantes y analizar más sobre ellos:

Los meses clave muestran oportunidades para impulsar la retención según el volumen:

Para comprender a los compradores habituales, repetir el análisis para los pedidos.

Parte 3: Añadir dos Métricas a los criterios de inclusión

Comprender el impacto del inicio de sesión

Como este cliente quiere entender el valor de un programa de fidelidad, el siguiente paso del análisis fue añadir el evento de inicio de sesión exitoso como Métrica de inclusión en la cohorte.

Aviso: El análisis de cohortes no puede utilizarse con métricas calculadas (como la tasa de conversión) ni con métricas no enteras (como los ingresos). Solo funcionan en el análisis de cohortes las métricas utilizables en segmentos, y estas se incrementan en >1.

¿Es más probable que el sitio retenga a los Usuarios que inician sesión?

¿Qué impacto tiene si más Usuarios inician sesión? ¿Supone eso una mayor retención?

Configuración de la tabla de cohorte

  1. Definir rango de fechas: de enero a diciembre de 2022
  2. Criterios de inclusión: Visitas + evento de inicio de sesión correcto
  3. Criterios de retorno: Visitas
  4. Granularidad: Mes
  5. Configuración: Cálculo acumulativo
    Permite calcular la retención en función de la columna anterior, no de la columna incluida. Así, una persona usuaria se incluye en cada uno de los meses

Interpretación de los resultados

En 2022:

  1. Los meses con mayores tasas de retención +1 mes son enero, abril y noviembre (los mismos meses que en la primera tabla de cohorte)
  2. Febrero, mayo y diciembre tienen el mayor volumen.
  3. Alrededor de 2500 visitantes regresan cada mes, **más del doble**

Acciones recomendadas:

Investigar la experiencia del usuario en el sitio para lograr que las personas creen una cuenta de usuario durante el cierre de compra

Parte 4: Cohorte de dimensión personalizada

Cohorte de dimensión personalizada: crea cohortes en función de la dimensión seleccionada, en lugar de cohortes basados en el período de tiempo (predeterminado). Muchos clientes quieren analizar sus cohortes según criterios distintos al tiempo, y la nueva función de cohorte de dimensión personalizada te ofrece la flexibilidad de crear cohortes basadas en las dimensiones que prefieras. Utiliza dimensiones como canal de marketing, campaña, producto, página o región en Adobe Analytics para mostrar los cambios de retención. La definición del segmento de cohorte de dimensión personalizada

aplica el elemento de dimensión solo como parte del período de inclusión, no como parte de la definición de retorno.

Después de elegir la opción de cohorte de dimensión personalizada, puedes arrastrar y soltar la dimensión que quieras en la zona de colocación. Esto te permite comparar elementos de dimensión similares durante el mismo período de tiempo. Por ejemplo, puedes comparar el rendimiento de ciudades una al lado de la otra,

productos, campañas, etc. Se muestran los 14 elementos de dimensión principales. Sin embargo, puedes usar un filtro (accesible al pasar el cursor por la derecha de la dimensión que se ha arrastrado) para mostrar solo los elementos de dimensión deseados. No se puede usar una cohorte de dimensión personalizada con la función de tabla de latencia.

¿Qué productos impulsan la retención en el sitio?

La tabla de cohorte de Custom Dimension destaca los productos que presentan tasas de retención superiores a la media. Esta tabla ayuda a identificar los productos principales para impulsar campañas de marketing internas y externas que destaquen aquellos productos que más atraen la atención.

En febrero: 3 productos destacan por sus tasas de retención más altas

  1. Producto 1
  2. Producto 2
  3. Producto 3

En marzo:

  1. Producto 1
  2. Producto 2
  3. Producto 3 – suele superar la media con una tasa de retención más alta.

Conclusión

El análisis de cohorte y Custom Dimension Cohort son herramientas potentes para comprender el comportamiento del cliente y mejorar el rendimiento digital. Al analizar las tasas de retención, los índices de inicio de sesión y el impacto de productos específicos, las empresas pueden tomar decisiones basadas en datos para mejorar la experiencia del cliente y fomentar el crecimiento.