Een Qualitative Cohort Analysis maken

Weet u hoe uw Google Adwords-verworven klantensegmenten hun LTV in vergelijking met die klanten kweken die van biologisch onderzoek worden verworven? Hebt u er ooit aan gedacht om een cohort analyse op verschillende klantensegmenten naast elkaar in het zelfde rapport uit te voeren? Als dat het geval is, kunt u deze vragen met een qualitative cohort analysis beantwoorden.

Dit onderwerp duikt in wat een kwalitatieve cohort is, waarom u in het bouwen van deze analyse zou kunnen geinteresseerd zijn, en hoe u het in Commerce Intelligence kunt tot stand brengen.

Wat zijn qualitative cohorts toch? whatare

In het algemeen kan de analyse van Cohort globaal worden gedefinieerd als de analyse van gebruikersgroepen die gedurende hun levenscyclus vergelijkbare kenmerken delen. Hiermee kunt u gedragstrends in verschillende gebruikersgroepen identificeren.

Zie cohortanalyse.

De meeste cohort analyses in Commerce Intelligence groeperen gebruikers samen door een gemeenschappelijke datum (bijvoorbeeld, de reeks alle klanten die hun eerste aankoop in een bepaalde maand maakten). Een qualitative cohort is iets anders: het is een gebruikersgroep die wordt gedefinieerd door een kenmerk dat niet op tijd is gebaseerd. Voorbeelden zijn:

  • De set met alle gebruikers die zijn aangeschaft via een advertentiecampagne
  • De set van alle gebruikers voor wie de eerste aankoop een coupon bevatte (of niet)
  • De set van alle gebruikers die een bepaalde leeftijd hebben

Hoe verschilt dat van de normale cohort builder? different

Cohort Analysis Builder is geoptimaliseerd voor het groeperen van cohorten met behulp van een op tijd gebaseerde eigenschap. Dit is ideaal voor analyses die zijn toegespitst op een specifiek gebruikerssegment (bijvoorbeeld alle gebruikers die zijn aangeschaft via een betaalde zoekcampagne). In Cohort Analysis Builder kunt u (1) zich op die specifieke gebruikersgroep richten, en (2) cohort op een datum (zoals hun eerste ordedatum).

Als u echter het cohortgedrag van meerdere gebruikerssegmenten in hetzelfde cohortrapport wilt analyseren (paid zoeken in plaats van organic zoeken in plaats van rechtstreeks verkeer, bijvoorbeeld?), kunt u deze geavanceerdere analyse maken in het Report Builder .

Welke informatie moet ik verstrekken om mijn analyse te ondersteunen? support

Het creëren van een qualitative cohort rapport in Report Builder impliceert het Adobe analyst team dat sommige geavanceerde berekende kolommenop de noodzakelijke lijsten creeert.

Om deze te bouwen, voorleg a steunkaartje(en verwijzing dit artikel!). Dit is wat u moet weten:

  • De metric waarmee u de cohortanalyse wilt uitvoeren en de tabel waarin deze wordt gebruikt (bijvoorbeeld: Revenue , gebaseerd op de tabel orders ).

  • De user segments die u wilt definiëren en de locatie van die informatie in uw database (bijvoorbeeld: verschillende waarden van User's referral source , native aan de tabel users en verplaatst naar de tabel orders ).

  • De cohort date die u voor de analyse wilt gebruiken (bijvoorbeeld: de User's first order date tijdstempel). In dit voorbeeld kunnen we elk segment bekijken en vragen naar How does a user's revenue grow in the months following their first order date? .

  • De time interval waarover u de analyse wilt weergeven (bijvoorbeeld: weeks , months of quarters na de User's first order date ).

Als het team van analisten van de Adobe op het bovenstaande reageert, hebt u een paar nieuwe, geavanceerd berekende kolommen om uw rapport op te bouwen! Vervolgens kunt u de onderstaande aanwijzingen volgen.

De kwalitatieve cohortanalyse maken create

Eerst wilt u de metrische waarde toevoegen die u interesseert voor cohoring, eenmaal voor elke cohort die u analyseert. In dit voorbeeld wilt u dat cumulatief Revenue wordt gemaakt in de maanden na de eerste bestelling van een klant, gesegmenteerd door User's referral source . Dit betekent dat u voor elk segment één Revenue metrische waarde en filter voor het specifieke segment toevoegt:

Ten tweede moet u twee wijzigingen aanbrengen in de tijdopties van het rapport:

  1. Stel de waarde time interval in op None . Dit is omdat u uiteindelijk tegen het tijdinterval als dimensie in plaats van het gebruiken van de gebruikelijke tijdopties groepeert.

  2. Stel time range in op het tijdvenster dat door het rapport moet worden bedekt.

In dit voorbeeld bekijkt u een all time weergave van Revenue . Daarna, zou u met een reeks punten moeten eindigen:

Ten derde past u zich aan om de cohorts in te stellen. Op basis van de cohort date en time interval die u hebt opgegeven voor het Adobe-analist-team, hebt u een dimensie in uw account die de cohort -bewerking uitvoert. In dit voorbeeld wordt die aangepaste dimensie Months between this order and customer's first order date genoemd. Met deze dimensie moet u:

  • Group by de dimensie met de optie group by

  • Selecteer alle gewenste waarden in de dimension

  • Selecteer met de Show top/bottom option de bovenste X-maanden waarin u geïnteresseerd bent en sorteer op de Months between this order and customer's first order date -dimensie

U kunt nu één regel zien voor elke cohort die u hebt opgegeven. Bekijk nu het voorbeeld — u ziet de Revenue bijdrage van gebruikers van elke verwijzingsbron, grouped by het aantal maanden tussen hun eerste orde en om het even welke verdere orde. In het voorbeeld is ook een Cumulative perspective toegevoegd om de cohorts' geaggregeerde groei weer te geven. Kijk in de tabel met resultaten voor meer granulariteit.

Wat zegt dit ons? Hier, is de specifieke verwijzingsbron Paid search waardevol in de eerste maand van het de aankoopleven van een klant, maar handhaaft zijn klantenbasis met herhaalde opbrengst niet. Hoewel Direct Traffic met een lager bedrag begint, worden de inkomsten in de daaropvolgende maanden in een vergelijkbaar tempo geaccumuleerd.

Ongeacht hoe u deze dikt, cohort -analyse is een krachtig hulpmiddel in de gereedschapset voor analyse. Dit type analyse kan wat interessante inzichten over uw zaken opleveren die traditioneel time-based cohorts misschien niet, toelatend u om betere gegevens-gedreven besluiten te maken.

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