什麼是隊列分析？ 如何使用來提高用戶保留率（使用案例）
已發表: 2020-03-31 |
Cohort Analysis是 google 的新動向。 人們渴望了解這一點，他們確實在談論這一點。 那為什麼不是我們呢！
因此，讓我們來談談它並把豆子說出來。
內容
什麼是群組分析？
用更簡單的術語來說，“隊列分析”是指群體分析。
這種技術側重於隨著時間的推移分析個人群體，深入了解消費者的體驗並幫助公司了解他們可以利用這些體驗做什麼。 基本上，它將數據分組為相似的特徵或身份。 它可以根據大小、時間或其他可變因素。
讓我們來看看其中的一些傳統數字和衡量它們的方法。
假設你有一家化妝品店； MAC 在 Nykaa。 顧客以 40% 的折扣購買含有 SPF 的 BB 霜。 作為 MAC 品牌的所有者，您要求您的商店經理跟踪像她這樣的人以留住他們，並了解他們為公司貢獻了什麼價值。
現在三個月後，您提出了其他有吸引力的優惠，並要求您的商店經理查看像“笑臉”這樣的人，他們因折扣優惠而購買了該產品。 順便說一句，在折扣季（即在特定時間範圍內）訪問過的用戶數量稱為同類群組。
假設，購買 BB 霜的用戶中有 65% 再也沒有回來（真可惜！），而 15% 的用戶只去過一次商店但沒有完成銷售，其餘 20% 的用戶在這三個月內購買了東西。
如何修復此隊列分析方案：
從上面的場景可以得出結論：
- 客戶沒有出現是因為他們對您的產品不感興趣。
- 他們忘記了海量信息的折扣。
- 您可能沒有在折扣季結束時投放重新定位廣告，以提醒他們在用戶感興趣時購買更多您的產品。
- 由於額外的運費，一些客戶沒有購買產品。 因此，您可以針對此類消費者開展免費送貨活動。
因此，通過此群組分析，您作為 MAC 品牌的所有者提出了兩個問題
- 重定向廣告
- 免費送貨活動。
為了提高這些群體的轉化率，最重要的是在未來類似的促銷活動中提高所有群體的轉化率。
如果上述解決方案給您帶來了豐碩的成果，現在是時候重新進行分析了。
cohort 和 segment 有什麼區別：
隊列 VS 細分
隊列可以互換使用，但兩者完全不同
隊列
所有用戶同時執行公共事件。 時間是一個重要因素。 群組是細分的子集。
部分
在細分用戶時，您可以使用幾乎所有條件作為非事件或基於時間的基礎。
隊列可分為三大類：
1. 基於時間的隊列
顧名思義，基於時間的群組表示根據公司的銷售週期識別在特定時間範圍內完成銷售的客戶行為。
基於時間的群組也有助於確定公司的流失率。
2.基於細分的隊列
該群組以過去的客戶為目標。 客戶根據他們註冊的服務進行劃分。 假設客戶 A 報名參加了筆跡學基礎課程，而客戶 B 報名參加了筆跡學的基礎和高級課程。 所以這兩個客戶可能有不同的需求。 因此，根據公司的需要或任何其他因素對它們進行劃分。
3. 基於規模的隊列
該隊列考慮了使用服務或消費公司產品的客戶規模。 他們可能是初創企業、小型合夥企業、中型企業或企業級企業。 對比不同規模的消費者，商家可以分析出大量的銷售額來自哪裡。
同類群組分析如何幫助您的業務？
在業務應用程序中，我們比較在給定時間範圍內共享共同特徵體驗的群組用戶，甚至有時分析單個群組以確定支持增長中心的模式。 同類群組分析經常被忽視，但它可以產生有見地的信息，以提高收購要求、保留率和貨幣化。 通過分析群組之間的行為差異，產品經理可以發現客戶生命週期中多個階段的模式。 它幫助公司在正確的時間提供正確的產品，從而在市場上發展和改進服務。
如何使用同類群組分析提高用戶保留率
Cohort Analysis最強大的功能就是看客戶如何離開，什麼時候離開，你可以通過挖掘Cohort信息開始分析他們離開的原因，並在這個過程中試圖修復所有漏洞。
為了打擊客戶流失並幫助公司發展，修復過程可以細分為更廣泛的部分，如下所示 -
- 目標——為流程設定一個特定的標準。 無論您希望在短期內還是長期內減少客戶流失。 你的目標是什麼？
- 假設——決定要問什麼問題和要進行什麼實驗。
- 測試——運行不同的測試來評估假設。
- 分析——分析測試數據以評估測試是否符合標準集。
- 系統化-將任何積極的變化作為系統的一部分，並使用不同的營銷策略來提高保留率，掩蓋漏洞。
結論
如果您投資收購，每月活躍用戶 (MAU)可能會立即激增。 但是讓我告訴你，高 MAU 並不是增長的指標。 只有正確使用 Cohort 才能告訴您，從長遠來看，這些收購中有多少實際上是忠實客戶。 同類群組分析實際上會告訴您每個客戶賺取了多少利潤。