Lifetime Revenue Cohort Analyse

U kunt uw gegevens op verschillende manieren bekijken in Adobe Commerce IntelligenceEn u weet dat interpretatie en begrip net zo belangrijk zijn als berekening en visualisatie. Dit onderwerp verkent de kracht van Commerce Intelligence cohort analyse.

Wat doet lifetime revenue cohort betekenis van analyse?

De onderstaande grafiek geeft de cumulatieve uitgaven per gebruiker weer gedurende een periode nadat deze zijn verworven. Cohorts van de gebruikers worden opgesplitst volgens hun aankoopmaand.

Bijvoorbeeld, toont de oranje lijn hierboven het gemiddelde voor gebruikers die in November 2011 werden verworven. Het eerste gegevenspunt houdt in dat gebruikers die in november zijn aangeschaft, in hun eerste maand gemiddeld ongeveer $200. Het tweede gegevenspunt houdt in dat deze gebruikers aan het einde van hun tweede maand gemiddeld ongeveer $240. Hun gemiddelde uitgaven in maand twee waren ongeveer $40 (240 - 200). De verschillende regels vertegenwoordigen verschillende cohorten van gebruikers. De groene lijn geeft de gebruikers weer die in december zijn aangeschaft. Het blauwe is de gebruikers die in oktober zijn aangeschaft.

Waarom is dit belangrijk?

Dit soort cohort de analyse kan voor verscheidene verschillende doeleinden nuttig zijn, maar het meest directe voordeel is vaak betere besluiten van de klantenverwerving. Vele bedrijven beperken hun marketinguitgaven tot kanalen die rentabiliteit op de eerste aankoop van een klant opbrengen. Deze bedrijven betalen voor de aankoop van klanten via een bepaald kanaal zolang hun gemiddelde eerste aankoop meer oplevert gross margin dan de aankoop ervan.

Het probleem met deze aanpak is dat het vaak leidt tot een onderinvestering in groei. Als uw concurrenten marketing gebaseerd op een dieper inzicht in het koopgedrag zijn, overstijgen zij u. De lifetime revenue cohort De analyse helpt u om de gevolgen te begrijpen van het uitbreiden van uw uitgaven van de klantenverwerving, en het verstrekt een gemakkelijke manier om dit aan de rest van uw team over te brengen. Als toekomstige klanten zich als bestaande klanten gedragen, dan het verwerven van klanten voor een hogere CPA resulteert in een voorspelbare terugbetalingsperiode. Afhankelijk van de kaspositie van de onderneming, kunt u bepalen welke terugbetalingsperiode u met comfortabel bent, de relevante vlek op de grafiek vindt, en dienovereenkomstig besteedt.

U kunt deze analyse ook gebruiken om te zien of wordt u beter in het aan boord gaan van, het in dienst nemen van, en het produceren van opbrengst van de gebruikers u verwerft. Dit cohort een analyse is een goede manier om te zien of een gratis aanbieding van verzendingen voor nieuwe gebruikers heeft geresulteerd in herhaalde kopers of een eenmalige koper die nooit meer terugkomt.

Hoe zal dit voor verschillende bedrijfsmodellen variëren?

Voor de meeste ondernemingen, lifetime revenue cohort in de eerste periode zal in de analytische grafiek een grote hoeveelheid uitgaven worden vermeld , die vervolgens in de loop der tijd langzamer zal toenemen . Die eerste piek is omdat klanten eerder geneigd zijn om hun eerste aankoop te doen kort nadat ze zijn aangeschaft dan op enig ander moment. In gevallen waarin de overnamegebeurtenis zelf een aankoop is, doet 100% van de klanten een aankoop in de eerste periode. In gevallen waarin registratie vóór aankopen kan plaatsvinden, is dit effect minder drastisch.

Als voorbeeld: Groupon zou waarschijnlijk een veel lagere initiële sprong hebben dan Amazon, omdat veel van de mensen die zich aanmelden Groupon niet meteen een aankoop doen. Als er geen hoog aantal restituties is, zal dit diagram na de eerste sprong omhoog en naar rechts hellen. De groeisnelheid neemt in de loop der tijd doorgaans af, omdat klanten het meest actief zijn wanneer ze zich voor het eerst aanmelden. Dit zorgt ervoor dat het gemiddelde daalt omdat het aantal mensen in de cohort constant blijft, ongeacht het aantal dat terugkomt om meer te kopen. In abonnementsbedrijven zal de helling minder agressief afnemen dan in bedrijven waar mensen eenmalige aankopen doen.

Af en toe, zal een abonnementszaken eigenlijk een helling hebben die in tijd stijgt. Het komt zelden voor dat dit gebeurt, maar het is een groot signaal voor het bedrijfsleven wanneer het gebeurt. Dit betekent niet dat er geen klanten zijn die wensen, maar eerder dat upgrades voor klanten die meer blijven dan de klanten die vertrekken compenseren.

Hoe wordt dit berekend?

Er zijn twee eenvoudige input aan deze berekening: hoeveel leden er in zitten cohort (die nooit verandert) en hoeveel inkomsten deze leden in de gegeven periode hebben gegenereerd. Om de leden in te stellen cohort, telt u het aantal gebruikers dat in de betrokken periode is aangeschaft. Een overname kan een eerste aankoop, het aanmaken van een account, aanmelding voor nieuwsbrief of een andere gebeurtenis zijn. De revenue berekening is iets gecompliceerder. U wilt de opbrengsten van bestellingen optellen die door leden van dit cohort en vond plaats binnen een vaste periode vanaf de overnamedatum (bijvoorbeeld de eerste drie maanden). Tot slot verdeelt u de inkomsten door het aantal leden in het cohort voor elke tijdsperiode in de grafiek en voeg deze waarde cumulatief in tijd toe.

Wat zijn de variaties van dit diagram?

Er zijn vele verschillende soorten nuttig cohort analyses. De meest voorkomende variatie is filteren op basis van de aankoopbron van de gebruiker. Bijvoorbeeld, zou u deze grafiek voor klanten kunnen willen bekijken die uit kwamen organic zoeken, paid zoeken, of een aangesloten programma. Dit helpt u begrijpen als de klanten van één aanschafbron loyaler of waardevoller zijn dan een andere. U kunt ook filteren op demografie of andere gebruikerskenmerken.

Een andere manier om naar de gegevens te kijken is met een incrementeel, eerder dan cumulatief, gegevensperspectief. Dit toont het stijgende bedrag dat een gemiddelde gebruiker in elke maand besteedt nadat zij worden verworven. Dit is handig als u wilt voorspellen hoeveel herhaalde aankopen u van bestaande gebruikers ontvangt. U kunt hier ook naar kijken met andere dingen dan inkomsten. Sommige voorbeelden omvatten marge en niet - financiële metriek zoals uitnodigingen, stemmen, of berichten.

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