Per migliorare la customer experience e le entrate, è importante comprendere il comportamento dei clienti. La funzione di analisi per coorte può aiutarti a comprendere meglio il coinvolgimento e la fidelizzazione, e quindi ad attuare azioni volte ad esempio a migliorare la creazione degli account e a realizzare le campagne per i mesi con volumi maggiori.
L’analisi delle prestazioni digitali è fondamentale per comprendere in che modo i clienti interagiscono con un’azienda e quali azioni possono essere intraprese per migliorare la loro esperienza. In questo articolo scopriremo come utilizzare l’analisi per coorte per comprendere meglio il comportamento dei clienti.
Parte 1: Confrontare le prestazioni digitali tra la prima e la seconda visita
Scenario
Un cliente vuole comprendere le prestazioni digitali degli ultimi 2 anni e sta pensando di sviluppare un programma fedeltà per promuovere le prestazioni digitali. Per iniziare, possiamo osservare l’attuale mix nel sito di utenti nuovi e utenti con più visite per capire come si comportano oggi questi due gruppi di visitatori.
Prestazioni digitali attuali
- Nel 2022, il 62% degli ordini proveniva da nuovi visitatori, rispetto al 38% degli ordini provenienti da visite di ritorno (soggette a cookie, dispositivi multipli).
- Le visite da parte di nuovi visitatori si convertono a un tasso leggermente superiore rispetto alle visite di ritorno, rispettivamente 11,6% e 11,4%.
- Rispetto al 2021, i tassi di conversione sono diminuiti per entrambi questi segmenti.
Parte 2: Analisi per coorte - Visite per prodotto globale “Edible Arrangements”
Per comprendere l’importanza del canale digitale e l’opportunità di stimolare un incremento dei repeat buyer, la prossima domanda a cui rispondere è: Quanti visitatori sono ritornati al sito ogni mese nel 2022?
Introduzione all’analisi per coorte
L’analisi per coorte è uno strumento utile per comprendere il modo in cui le coorti interagiscono con un brand nel tempo. Per iniziare, abbiamo individuato le domande a cui è necessario rispondere:
- Per un determinato anno, qual è il periodo medio di fidelizzazione per mese?
- Per un determinato anno, quanti visitatori del sito ritornano ogni mese?
- Qual è l’impatto degli accessi sulla fidelizzazione?
- Esistono prodotti specifici che hanno determinato una maggiore fidelizzazione?
Impostare la tabella Coorte
-
Imposta l’intervallo di date da gennaio a dicembre 2022.
-
Criteri di inclusione: Visite
-
Criteri di ritorno: Visite
-
Granularità: Mese
-
Impostazioni: Calcolo progressivo
**Consente di calcolare il livello di fidelizzazione in base alla colonna precedente, non alla colonna Incluso. Significa che un utente è incluso in ciascuno dei mesi** -
Segmenti: puoi selezionare segmenti specifici per sviluppare ulteriormente questa analisi
- Pagine di destinazione specifiche
- Tipo di dispositivo
- Canali di marketing
- Ecc.
Interpretare i risultati
Nel 2022:
- I mesi con i tassi di fidelizzazione più elevati per la colonna “+1 Months” (Mesi +1) sono gennaio, aprile e novembre
- I mesi con il maggior volume di visitatori sono febbraio e maggio
- Ci sono circa 1.000 visitatori che ritornano al sito ogni mese
Nel 2021:
- I mesi con i tassi di fidelizzazione più elevati per la colonna “+1 Months” (Mesi +1) sono aprile, gennaio e marzo
- I mesi con il maggior volume di visitatori sono febbraio e maggio
Action item:
Creare un segmento basato sui circa 1.000 visitatori e scoprire di più su di essi:
- Dove si trovano?
- Quali prodotti acquistano durante l’anno?
- Da quali negozi acquistano?
I mesi chiave evidenziano l’opportunità di promuovere la fidelizzazione in base al volume:
- Esistono tattiche specifiche che possono incrementare la fedeltà durante i mesi di febbraio e maggio, approfittando del maggior volume di visitatori d questi mesi?
Analisi delle visite ripetute per Ordini, per comprendere i repeat buyer
- I tassi di fidelizzazione per la colonna “+1 Months” sono per gli stessi mesi?
- Il maggior numero di visite e il maggior numero di ordini si verificano negli stessi mesi?
Parte 3: Aggiungere due metriche ai criteri di inclusione
Comprendere l’impatto dell’accesso
Poiché questo cliente vuole capire il valore di un programma fedeltà, nel passaggio successivo dell’analisi è stato aggiunto alla coorte, come metrica di inclusione, l’evento di successo Accesso.
Attenzione: l’analisi per coorte non può essere utilizzata per le metriche calcolate (ad esempio, Tasso di conversione) né per le metriche che non sono numeri interi (come Entrate). Nell’analisi per coorte è possibile usare solo le metriche utilizzabili nei segmenti, e queste possono essere incrementate solo di >1 alla volta.
La probabilità di fidelizzare gli utenti è più elevata per quelli che effettuano l’accesso al sito?
Quale risultato si può ottenere incentivando più utenti a eseguire l’accesso? Risulterebbe in un’esperienza di maggiore fidelizzazione?
Impostare la tabella coorte
- Imposta l’intervallo di date: da gennaio a dicembre 2022
- Criteri di inclusione: Visite + evento di successo Accesso
- Criteri di ritorno: Visite
- Granularità: Mese
- Impostazioni: Calcolo progressivo
**Consente di calcolare il livello di fidelizzazione in base alla colonna precedente, non alla colonna Incluso. Significa che un utente è incluso in ciascuno dei mesi**
Interpretare i risultati
Nel 2022:
- I mesi con i tassi di fidelizzazione più elevati per la colonna “+1 Months” (Mesi +1) sono gennaio, aprile e novembre (come per la tabella Coorte)
- I mesi con il maggior volume di visitatori sono febbraio, maggio e dicembre
- Circa 2500 visitatori ritornano ogni mese **più del doppio**
Action item:
Valutare l’esperienza utente del sito per incentivare gli utenti a creare un account al momento del pagamento
Parte 4: Dimensioni coorte personalizzate
Dimensioni coorte personalizzate: consente di creare coorti in base alla dimensione selezionata, anziché in base al tempo (impostazione predefinita). Molti clienti vogliono poter analizzare le coorti in base a fattori diversi dal tempo. Con la nuova funzione per coorti con dimensione personalizzata hai la flessibilità di creare le coorti in base alle dimensioni che rispondono alle tue esigenze. Puoi usare dimensioni quali canale di marketing, campagna, prodotto, pagina, regione, o qualsiasi altra dimensione in Adobe Analytics per mostrare in che modo la fidelizzazione cambia, in base a valori diversi di tali dimensioni. La
definizione del segmento Dimensioni coorte personalizzata applica l’elemento dimensionale solo come parte del periodo di inclusione e non come parte della definizione di ritorno.
Dopo aver scelto l’opzione Dimensioni coorte personalizzate, puoi trascinare nella zona di rilascio la dimensione che ti interessa. Questo ti consente di confrontare elementi dimensionali simili nello stesso periodo di tempo. Ad esempio, puoi confrontare valori affiancati per le prestazioni di diverse città,
prodotti, campagne, ecc. Vengono restituiti i primi 14 elementi dimensionali. Tuttavia, puoi utilizzare un filtro (per accedervi, passa il cursore a destra della dimensione che avevi trascinato) per visualizzare solo gli elementi dimensionali desiderati. Non è possibile utilizzare una coorte con dimensioni personalizzate con la funzione Tabella di latenza.
Quali prodotti risultano in una maggiore fedeltà al sito?
La tabella Dimensioni coorte personalizzate evidenzia i prodotti che generano tassi di fidelizzazione più elevati rispetto alla media. Questa tabella è utile per individuare i prodotti migliori al fine di promuovere campagne di marketing interne ed esterne con prodotti che generano più interesse.
A febbraio: 3 prodotti si distinguono con tassi di fidelizzazione più elevati
- Prodotto 1
- Prodotto 2
- Prodotto 3
A marzo:
- Prodotto 1
- Prodotto 2
- Prodotto 3: ha spesso le prestazioni migliori, con un tasso di fidelizzazione superiore alla media.
Conclusione
L’analisi per coorte e la funzione Dimensioni coorte personalizzate sono strumenti potenti e utili per il comportamento dei clienti e migliorare le prestazioni digitali. Analizzando i tassi di fidelizzazione, i tassi di accesso e l’impatto di prodotti specifici, è possibile prendere decisioni basate sui dati per migliorare l’esperienza del cliente e favorire la crescita.