Crea un Qualitative Cohort Analysis

Sapete in che modo i segmenti di clienti acquisiti da Google Adwords aumentano l'LTV rispetto ai clienti acquisiti da ricerca organica? Hai mai pensato di eseguire un'analisi cohort affiancata su diversi segmenti di clienti nello stesso rapporto? In caso affermativo, qualitative cohort analysis ti aiuta a rispondere a tali domande.

In questo argomento vengono illustrate le caratteristiche di una coorte qualitativa, le ragioni per cui potrebbe essere utile creare l'analisi e le modalità di creazione in Commerce Intelligence.

Cosa sono qualitative cohorts? whatare

L'analisi di Cohort in generale può essere definita come l'analisi di gruppi di utenti che condividono caratteristiche simili nel corso dei loro cicli di vita. Consente di identificare le tendenze comportamentali tra diversi gruppi di utenti.

Vedi analisi per coorte.

La maggior parte delle analisi di cohort in Commerce Intelligence raggruppa gli utenti in base a una data comune, ad esempio il set di tutti i clienti che hanno effettuato il primo acquisto in un dato mese. qualitative cohort è un gruppo di utenti definito da una caratteristica non basata sul tempo. Alcuni esempi:

  • Il set di tutti gli utenti acquisiti da una campagna pubblicitaria
  • Il set di tutti gli utenti il cui primo acquisto includeva un coupon (o meno)
  • Il set di tutti gli utenti che hanno una certa età

Quali sono le differenze rispetto al normale generatore cohort? different

Cohort Analysis Builder è ottimizzato per il raggruppamento di coorti utilizzando una caratteristica basata sul tempo. Si tratta di un’ottima soluzione per le analisi che si concentrano su un segmento specifico di utenti (ad esempio, tutti gli utenti che sono stati acquisiti tramite una campagna di ricerca a pagamento). In Cohort Analysis Builder, puoi (1) concentrarti su quel gruppo di utenti specifico e (2) cohort su una data (come la data del loro primo ordine).

Tuttavia, se desideri analizzare il comportamento della coorte di più segmenti utente nello stesso rapporto di coorte (paid ricerca rispetto a organic ricerca rispetto al traffico diretto, ad esempio?), questa analisi più avanzata può essere costruita in Report Builder.

Quali informazioni devo inviare al supporto per configurare la mia analisi? support

La creazione di un report qualitative cohort in Report Builder implica che il team di analisti Adobi crei alcune colonne calcolate avanzate nelle tabelle necessarie.

Per generare questi elementi, invia un ticket di supporto (e fai riferimento a questo articolo!). Ecco cosa devi sapere:

  • metric con cui eseguire l'analisi della coorte e la tabella utilizzata (ad esempio: Revenue, basata sulla tabella orders).

  • I user segments che si desidera definire e la posizione in cui si trovano le informazioni nel database (ad esempio, valori diversi di User's referral source, nativi della tabella users e trasferiti in orders).

  • I cohort date che desideri che l'analisi utilizzi (ad esempio: il timestamp User's first order date). Questo esempio ci consentirebbe di esaminare ogni segmento e chiedere a How does a user's revenue grow in the months following their first order date?.

  • time interval per cui si desidera visualizzare l'analisi (ad esempio: weeks, months o quarters dopo User's first order date).

Una volta che il team di analisti Adobe risponderà a quanto sopra, avrai a disposizione un paio di nuove colonne calcolate avanzate per creare il tuo rapporto. A questo scopo, puoi seguire le istruzioni riportate di seguito.

Creazione dell’analisi qualitativa per coorte create

Innanzitutto, aggiungere la metrica che si è interessati a raggruppare, una volta per ogni cohort che si sta analizzando. In questo esempio, vuoi visualizzare i Revenue cumulativi effettuati nei mesi successivi al primo ordine di un cliente, segmentati da User's referral source. Ciò significa che, per ogni segmento, aggiungi una metrica Revenue e un filtro per il segmento specifico:

In secondo luogo, è necessario apportare due modifiche alle opzioni di tempo del rapporto:

  1. Imposta time interval su None. Questo perché alla fine si raggruppa in base all’intervallo di tempo come dimensione invece di utilizzare le solite opzioni di tempo.

  2. Impostare time range sulla finestra di tempo che si desidera venga coperta dal report.

In questo esempio, si esamina una visualizzazione all time di Revenue. Dopo di che, dovresti finire con una serie di punti:

In terzo luogo, si esegue la regolazione per impostare cohorts. In base a cohort date e time interval specificati per il team di analisti Adobe, nel tuo account è presente una dimensione che esegue la data cohort. In questo esempio, la dimensione personalizzata è denominata Months between this order and customer's first order date. Utilizzando questa dimensione, è necessario:

  • Group by la dimensione con l'opzione group by

  • Seleziona tutti i valori di dimension a cui sei interessato

  • Con Show top/bottom option, seleziona i primi X mesi che ti interessano e ordina per la dimensione Months between this order and customer's first order date

Ora è possibile visualizzare una riga per ogni cohort specificato. Consulta l'esempio ora. Viene visualizzato il contributo di Revenue da parte degli utenti di ogni origine di riferimento, grouped by il numero di mesi tra il primo ordine e qualsiasi ordine successivo. Nell'esempio è stato aggiunto anche un Cumulative perspective per visualizzare la crescita aggregata cohorts'. Per una maggiore granularità, vedere la tabella dei risultati.

Cosa ci dice questo? In questo caso, l'origine di riferimento specifica Paid search è utile nel primo mese della durata di acquisto di un cliente, ma non riesce a mantenere la sua base clienti con ricavi ripetuti. Mentre Direct Traffic inizia con un importo inferiore, nei mesi successivi le entrate si accumulano a un ritmo simile.

Indipendentemente dal modo in cui viene tagliata, l'analisi cohort è uno strumento potente nella casella degli strumenti di analisi. Questo tipo di analisi consente di ottenere informazioni interessanti sull'azienda, che potrebbero non essere disponibili nel time-based cohorts tradizionale, consentendo di prendere decisioni più mirate in base ai dati.

recommendation-more-help
e1f8a7e8-8cc7-4c99-9697-b1daa1d66dbc