Cohort analysis gebruik gevallen

In dit artikel worden enkele voorbeelden van gebruiksscenario's voor Cohort Analysis beschreven.

Gebruiksscenario voor betrokkenheid van apps

Stel dat u wilt analyseren hoe gebruikers die uw app installeren er na verloop van tijd mee werken. Installeren ze het en gebruiken ze het nooit? Hebben ze het een tijdje gebruikt en vallen ze dan weg? Of blijven ze in de loop der tijd betrokken?

U kunt een periode van zes maanden maken Cohort Analysis :

Korreligheid: Maandelijks, van Januari 2015 door Juni 2015.

metrische Opname: De Installaties van de app.

metrische terugkeer: Zittingen of Lanceringen

De personen tellen niet als bezeten in verdere maanden, tenzij zij een zitting hebben of minstens app lanceren. Cohort Analysis zou u patronen in gebruik dan tonen waar App installeert altijd in Maand 0 voorkomt. Mogelijk ziet u dat het gebruik in maand 2 wordt onderbroken, ongeacht wanneer gebruikers de app hebben geïnstalleerd. (Voor gebruikers die de app in januari 2015 hebben geïnstalleerd, is maand 2 maart 2015. Voor de personen die de app in februari 2015 hebben geïnstalleerd, is maand 2 april 2015, enzovoort.) Met deze analyse kunt u een e-mail- of pushbericht naar alle gebruikers sturen tijdens de tweede maand nadat ze de app hebben geïnstalleerd, om hen eraan te herinneren de app te gebruiken.

Gebruiksscenario voor abonnement

U werkt op Adobe.com en biedt een gratis abonnement op Creatives Cloud. Het is de bedoeling dat gebruikers een upgrade uitvoeren van de gratis versie naar de proefversie van 30 dagen of uiteindelijk naar de betaalde versie.

Korreligheid: Maandelijks

metrische Opname: De Verbinding van de download

metrische terugkeer: Schaf betaald Creative Cloud aan

Met Cohort Analysis kunt u bijvoorbeeld zien dat gebruikers met een gratis Creative Cloud in de eerste maand na de installatie overal tussen 8% en 10% een upgrade uitvoeren. Ongeacht wanneer de gebruikers hebben geïnstalleerd. 12-15% verbetering in de tweede maand van gebruik. Daarna daalt de opwaardering aanzienlijk: 4-5% in maand drie, 3-4% in maand vier en 1-2% in maand vijf.

U wilt geen potentiële klanten in maand drie verliezen. U hebt dus een e-mailcampagne opgezet om halverwege de derde maand naar een voorbeeld van gebruikers te gaan. Gebruikers die nog geen upgrade hebben uitgevoerd, krijgen een coupon van $50 te zien.

Bekijk de rapporten van uw cohortanalyse een paar maanden later. Voor cohorten die na de start van de campagne zijn gevormd, is de conversie naar abonnementen op betaalbaar Creative Cloud in maand drie gestegen van 4-5% naar 13-14%. Deze stijging van de conversie resulteert in honderdduizenden dollars per cohort, voor elke maandelijkse cohort die maand drie van dat punt vooruit raakt.

Complexe cohortfilters gebruiken hoofdletters

Een belangrijke hotelketen richt veelvoudige klantengroepen voor bevorderingen en sporen tegen prestaties. Om de beste groepen van gebruikerscohorten te identificeren aan doel, willen zij zeer specifieke cohortgroepen tot stand brengen. Met behulp van de toegevoegde Inclusion - en Return criteria in Cohort tabellen kan de hotelketen alleen de juiste cohortgroepen definiëren met meerdere meetwaarden en filters. Zo, kan de hotelketen ondermaatse klantengroepen identificeren om klanten met bevorderingen en overeenkomsten te richten om boekingen te verhogen.

Toepassingsversie adoptie-case

Een groot verzekeringsbedrijf drijft de betrokkenheid van klanten door het gebruik van zijn mobiele app. Als er echter nieuwe functies aan hun app worden toegevoegd, is het van essentieel belang dat hun klanten een upgrade uitvoeren naar de nieuwste app-versie. Met Custom Dimension Cohort kunnen ze al hun app-versies naast elkaar analyseren en vergelijken om te zien welke klanten de app-versie als doel hebben. Bovendien kunnen ze zowel de retentie als het churn bijhouden om te zien of bepaalde app-versies klanten in de loop der tijd van het gebruik van de app afhouden. Via mobiele communicatie kunnen ze opnieuw contact opnemen met deze gebruikers om ze te laten upgraden naar de nieuwste versie om te profiteren van hun nieuwste functies.

Campagne Gebruiksscenario

Een multinational in de media gebruikt gerichte campagnes om gebruikers naar hun verschillende platforms te drijven om betrokkenheid te drijven. Advertenties-uitgaven per platform zijn gebaseerd op betrokkenheid en behoud van klanten. Daarom zijn succesvolle campagnes van essentieel belang voor het succes van hun bedrijf. Ze gebruiken de nieuwe functie Custom Dimension Cohort in Cohort Tabellen om verschillende campagnes naast elkaar te vergelijken om na te gaan welke campagnes het meest effectief zijn in het aanschaffen en behouden van gebruikers om de betrokkenheid te vergroten. Vervolgens kunnen zij vaststellen welke aspecten een campagne succesvol maken en deze toepassen op andere campagnes om de betrokkenheid op hun verschillende platform te vergroten.

Gebruiksscenario bij starten van product

Een grote apparel detailhandelaar heeft vele specifieke klantenfilters die grote delen van opbrengst voor hun zaken drijven. Elk filter heeft specifieke producten die met het filter in mening worden ontworpen en gecreeerd. Bij elke productintroductie willen ze weten hoe het nieuwe product de verkoop aan verschillende cohorten in de loop der tijd heeft gestimuleerd. Met de nieuwe instelling Latency Table in Cohort Analysis kunnen ze het gedrag en de inkomsten van een bepaald klantfilter voor en na het starten analyseren. Op basis van deze informatie kunnen zij vaststellen welke producten nieuwe inkomsten genereren en die geen tractie krijgen met klanten.

Individuele filiaalheid - De meest geliefde gebruikers gebruiken hoofdletters/kleine letters

Een grote luchtvaartmaatschappij haalt het grootste deel van haar succes en inkomsten uit herhaalde en loyale klanten. In veel gevallen zijn hun loyale reizigers het grootste deel van hun inkomsten en het behoud van die klanten van cruciaal belang voor hun succes op lange termijn. Het identificeren van hun meest loyale en verenigbare klanten kan vaak moeilijk zijn. Met de nieuwe Rolling Calculation -instelling in Cohort Analysis kan de luchtvaartmaatschappij echter loyale klantfilters analyseren en nagaan welke reizigers maand na maand herhaalde kopers waren. De luchtvaartmaatschappij is ook in staat om deze reizigers te bestraffen met beloningen en perken voor hun loyaliteit. Bovendien kan de luchtvaartmaatschappij, door van het type Cohort over te schakelen van retentie naar churn, bepalen welke klanten geen maand-over-maand terugkerende kopers zijn en zich richten op die klanten met promoties. De luchtvaartmaatschappij kan dus opnieuw contact opnemen met deze klanten en ervoor zorgen dat ze in de toekomst loyale klanten blijven.