Konfigurera en Cohort Analysis-rapport
Skapa en kohort och kör en Cohort Analysis-rapport i Analysis Workspace.
-
I Analysis Workspace klickar du på ikonen Visualizations i den vänstra listen och drar Cohort Table till arbetsytan.
-
Definiera Inclusion Criteria, Return Criteria, Cohort Type och Settings enligt definitionen i tabellen nedan.
table 0-row-2 1-row-2 2-row-2 3-row-2 4-row-2 5-row-2 Element Beskrivning Inclusion Criteria Du kan använda upp till 10 inkluderingsfilter och upp till 3 inkluderingsvärden. Måttet anger vad som placerar en användare i en kohort. Om inkluderingsmåttet till exempel är Order, inkluderas endast användare som har gjort en beställning under kohortanalysens tidsintervall i den initiala kohorten.
Standardoperatorn mellan mätvärden är AND, men du kan ändra den till OR. Dessutom kan du lägga till numerisk filtrering i dessa mätvärden. Exempel: "Besök >= 1".Return Criteria Du kan använda upp till 10 returfilter och upp till 3 returvärden. Måttet anger om användaren har behållits (kvarhållning) eller inte (bortfall). Om returvärdet till exempel är Videovyer visas bara de användare som visade videor under efterföljande tidsperioder (efter den period då de lades till i en kohort) som sparade. Ett annat mått som kvantifierar kvarhållandet är Besök. Granularity Tidsgranulariteten för dag, vecka, månad, kvartal eller år. Type Retention(standard): En bevarandekohort mäter hur bra din person kohorter återgår till din egenskap över tid. Det här är den standardkohort som vi alltid har haft och indikerar återkomst och upprepning av användarbeteende. En Retention-kohort indikeras av den gröna färgen i tabellen.
Churn: En bortfallscohort (kallas även"attrition" eller"utfall") mäter hur din personkohorts faller bort från din egendom över tiden. Kurn = 1 - Kvarhållning. Churn är ett bra mått på hur kantig kunderna är och hur ofta de inte kommer tillbaka. Du kan använda urn för att analysera och identifiera fokusområden: vilka kohortfilter kan behöva lite uppmärksamhet. En Churn-kohort indikeras av den röda färgen i tabellen (liknar utfallet i Flow-visualiseringen).Settings Rolling Calculation: Beräkna kvarhållande eller bortfall baserat på föregående kolumn, i stället för kolumnen Inkluderat (standard). Rolling Calculation ändrar beräkningsmetoden för dina returperioder. Vid den normala beräkningen hittas oberoende av användare som uppfyller"returkriterierna" och som var en del av inkluderingsperioden, oavsett om de var i kohorten för den föregående perioden eller inte. I stället hittar Rolling Calculation användare som uppfyller returvillkoret och som var en del av den föregående perioden. Därför filtrerar och fördelar Rolling Calculation de användare som kontinuerligt uppfyller kriterierna för retur under perioden. Return-villkor används för var och en av perioderna som leder fram till den valda perioden.
Latency Table: En Latency-tabell mäter tiden som har gått före och efter det att inkluderingshändelsen inträffade. Latency är användbart för för-/efteranalys. Om du till exempel har en kommande produkt eller en kampanjstart och du vill spåra beteendet innan samt se hur det fungerar efter, visar tabellen Latency beteendet för före och efter för att se den direkta effekten. Cellerna före inkludering i tabellen Latency beräknas av användare som uppfyller villkoren för Inclusion i inkluderingsperioden och sedan uppfyller villkoren för Return i perioderna före inkluderingsperioden. Observera att Latency tabeller och Custom Dimension Kohort inte kan användas tillsammans.
Custom Dimension Cohort: Skapa kohorter baserat på den valda dimensionen i stället för tidsbaserade kohorter (standard). Många kunder vill analysera sina kohorter med något annat än tid, och med den nya funktionen Custom Dimension Cohort kan du skapa kohorter baserat på de mått de själva väljer. Använd dimensioner som marknadsföringskanal, kampanj, produkt, sida, region eller någon annan dimension i Customer Journey Analytics för att visa hur kvarhållandet ändras baserat på de olika värdena för de här dimensionerna. Filterdefinitionen Custom Dimension för kohort tillämpar bara dimensionsobjektet som en del av inkluderingsperioden, inte som en del av returdefinitionen.
När du har valt alternativet Custom Dimension Kohort kan du dra och släppa vilken dimension du vill i släppzonen. På så sätt kan du jämföra liknande dimensionsobjekt under samma tidsperiod. Du kan t.ex. jämföra prestanda för städer sida vid sida, produkter, kampanjer osv. Den returnerar dina 14 främsta dimensionsobjekt. Du kan emellertid använda ett filter (öppna det genom att hålla muspekaren åt höger om dimensionen som dragits på) för att endast visa önskade dimensionsobjekt. En Custom Dimension-kohort kan inte användas med tabellfunktionen Latency. -
Justera Cohort Table Settings genom att klicka på kugghjulsikonen.
| Inställning | Beskrivning |
| Visa endast procent | Tar bort talvärdet och visar bara procentvärdet. |
| Avrunda procent till närmaste heltal | Avrundar procentvärdet till närmaste heltal i stället för att visa decimalvärdet. |
| Visa genomsnittlig procentrad | Infogar en ny rad högst upp i tabellen och lägger sedan till medelvärdet för värdena i varje kolumn. |
Skapa rapporten Cohort Analysis
-
Klicka på Build.
I rapporten visas personer som har gjort en beställning (
Includedkolumn) och som har återvänt till din plats vid efterföljande besök. Genom att antalet besök minskar över tid kan du upptäcka problem och vidta åtgärder. -
(Valfritt) Skapa ett filter från en markering.
Markera celler (angränsande eller icke-angränsande) och högerklicka sedan > Create Filter From Selection.
-
Redigera filtret ytterligare i filterverktyget och klicka sedan på Save.
Det sparade filtret kan användas på panelen Filter i Analysis Workspace.
-
Namnge och spara ditt kohortprojekt.
-
(Valfritt) Kuratera och dela projektkomponenterna.
note note NOTE Du måste spara projektet innan kursen är tillgänglig.
Ladda ned en kohortvisualisering
Precis som med andra visualiseringar i Analysis Workspace kan du hämta en kohortvisualisering som en CSV- eller PDF-fil. Mer information finns i Hämta projektdata.