什么是队列分析？ 如何使用来提高用户保留率（使用案例）
已发表: 2020-03-31 |
Cohort Analysis是 google 的新动向。 人们渴望了解这一点，他们确实在谈论这一点。 那为什么不是我们呢！
因此，让我们来谈谈它并把豆子说出来。
内容
什么是群组分析？
用更简单的术语来说，“队列分析”是指群体分析。
这种技术侧重于随着时间的推移分析个人群体，深入了解消费者的体验并帮助公司了解他们可以利用这些体验做什么。 基本上，它将数据分组为相似的特征或身份。 它可以根据大小、时间或其他可变因素。
让我们来看看其中的一些传统数字和衡量它们的方法。
假设你有一家化妆品店； MAC 在 Nykaa。 顾客以 40% 的折扣购买含有 SPF 的 BB 霜。 作为 MAC 品牌的所有者，您要求您的商店经理跟踪像她这样的人以留住他们，并了解他们为公司贡献了什么价值。
现在三个月后，您提出了其他有吸引力的优惠，并要求您的商店经理查看像“笑脸”这样的人，他们因折扣优惠而购买了该产品。 顺便说一句，在折扣季（即在特定时间范围内）访问过的用户数量称为同类群组。
假设，购买 BB 霜的用户中有 65% 再也没有回来（真可惜！），而 15% 的用户只去过一次商店但没有完成销售，其余 20% 的用户在这三个月内购买了东西。
如何修复此队列分析方案：
从上面的场景可以得出结论：
- 客户没有出现是因为他们对您的产品不感兴趣。
- 他们忘记了海量信息的折扣。
- 您可能没有在折扣季结束时投放重新定位广告，以提醒他们在用户感兴趣时购买更多您的产品。
- 由于额外的运费，一些客户没有购买产品。 因此，您可以针对此类消费者开展免费送货活动。
因此，通过此群组分析，您作为 MAC 品牌的所有者提出了两个问题
- 重定向广告
- 免费送货活动。
为了提高这些群体的转化率，最重要的是在未来类似的促销活动中提高所有群体的转化率。
如果上述解决方案给您带来了丰硕的成果，现在是时候重新进行分析了。
cohort 和 segment 有什么区别：
队列 VS 细分
队列可以互换使用，但两者完全不同
队列
所有用户同时执行公共事件。 时间是一个重要因素。 群组是细分的子集。
部分
在细分用户时，您可以使用几乎所有条件作为非事件或基于时间的基础。
队列可分为三大类：
1. 基于时间的队列
顾名思义，基于时间的群组表示根据公司的销售周期识别在特定时间范围内完成销售的客户行为。
基于时间的群组也有助于确定公司的流失率。
2.基于细分的群组
该群组以过去的客户为目标。 客户根据他们注册的服务进行划分。 假设客户 A 报名参加了笔迹学基础课程，而客户 B 报名参加了笔迹学的基础和高级课程。 所以这两个客户可能有不同的需求。 因此，根据公司的需要或任何其他因素对它们进行划分。
3. 基于规模的群组
该队列考虑了使用服务或消费公司产品的客户规模。 他们可能是初创企业、小型合伙企业、中型企业或企业级企业。 对比不同规模的消费者，商家可以分析出大量的销售额来自哪里。
同类群组分析如何帮助您的业务？
在业务应用程序中，我们比较在给定时间范围内共享共同特征体验的群组用户，甚至有时分析单个群组以确定支持增长中心的模式。 同类群组分析经常被忽视，但它可以产生有见地的信息，以提高收购要求、保留率和货币化。 通过分析群组之间的行为差异，产品经理可以发现客户生命周期中多个阶段的模式。 它帮助公司在正确的时间提供正确的产品，从而在市场上发展和改进服务。
如何使用同类群组分析提高用户保留率
Cohort Analysis最强大的功能就是看客户如何离开，什么时候离开，你可以通过挖掘Cohort信息开始分析他们离开的原因，并在这个过程中试图修复所有漏洞。
为了打击客户流失并帮助公司发展，修复过程可以细分为更广泛的部分，如下所示 -
- 目标——为流程设定一个特定的标准。 无论您希望在短期内还是长期内减少客户流失。 你的目标是什么？
- 假设——决定要问什么问题和要进行什么实验。
- 测试——运行不同的测试来评估假设。
- 分析——分析测试数据以评估测试是否符合标准集。
- 系统化-将任何积极的变化作为系统的一部分，并使用不同的营销策略来提高保留率，掩盖漏洞。
结论
如果您投资收购，每月活跃用户 (MAU)可能会立即激增。 但是让我告诉你，高 MAU 并不是增长的指标。 只有正确使用 Cohort 才能告诉您，从长远来看，这些收购中有多少实际上是忠实客户。 同类群组分析实际上会告诉您每个客户赚取了多少利润。