تجزیه و تحلیل کوهورت: راهنمای مبتدیان برای بهبود حفظ

موفقیت طولانی مدت برای توسعه دهندگان برنامه به معنای فقط گرفتن کسی برای بارگیری برنامه خود نیست ، بلکه همچنین آنها را برای بازدید مکرر انجام می دهد. برای رسیدن به گزاره ارزش لازم از محصول برنامه خود ، باید فراتر از معیارهای غرور-مانند تعداد بارگیری و حتی کاربران فعال روزانه (DAU) / کاربران فعال ماهانه (MAU)-که فقط رشد و نگهداری را به صورت سطحی اندازه گیری می کنید. شما باید با استفاده از آنالیز روش - Cohort ، عمیق تر در برنامه خود حفر کنید.

تجزیه و تحلیل گروه

تجزیه و تحلیل کوهورت زیر مجموعه ای از تجزیه و تحلیل رفتاری است که داده ها را از یک پلت فرم تجارت الکترونیکی ، برنامه وب یا بازی آنلاین می گیرد و به جای اینکه همه کاربران را به عنوان یک واحد جستجو کند ، آنها را برای تجزیه و تحلیل به گروه های مرتبط تقسیم می کند. این گروه های مرتبط یا گروه ها ، معمولاً در یک زمان مشخص مشخص ، خصوصیات یا تجربیات مشترک دارند.

تجزیه و تحلیل کوهورت ابزاری برای اندازه گیری تعامل کاربر به مرور زمان است. این کمک می کند تا بدانید که آیا درگیری کاربر در واقع با گذشت زمان بهتر می شود یا فقط به دلیل رشد ظاهر می شود.

تجزیه و تحلیل کوهورت ثابت می کند که ارزشمند است زیرا به جداسازی معیارهای رشد از معیارهای تعامل کمک می کند زیرا رشد به راحتی می تواند مشکلات تعامل را نقاب کند. در واقعیت ، عدم فعالیت کاربران قدیمی توسط تعداد رشد چشمگیر کاربران جدید پنهان می شود ، که منجر به پنهان کردن عدم درگیری تعداد کمی از افراد می شود.

مثال تجزیه و تحلیل گروه

بیایید با استفاده از تجزیه و تحلیل گروهی با یک مثال درک کنیم - گروه روزانه کاربرانی که اولین بار یک برنامه را راه اندازی کرده اند و در 10 روز آینده مجدداً برنامه را مجدداً مورد بررسی قرار داده اند.

از جدول احتباس فوق - نمودار مثلثی ، می توانیم موارد زیر را استنباط کنیم

• 1358 کاربر برنامه را در تاریخ 26 ژانویه راه اندازی کردند. نگهداری روز اول 31. 1 ٪ ، نگهداری روز 7 12. 9 ٪ و نگهداری روز 9 11. 3 ٪ بود. بنابراین در روز هفتم پس از استفاده از برنامه ، 1 در 8 کاربر که یک برنامه را در تاریخ 26 ژانویه راه اندازی کردند ، هنوز کاربران فعال در این برنامه بودند.
• از بین همه کاربران جدید در این محدوده زمانی (13487 کاربر) ، 27 ٪ کاربران در روز اول ، 12. 5 ٪ در روز 7 و 12. 1 ٪ در روز 10 حفظ می شوند.

علاوه بر این ، دو مزیت اصلی خواندن جدول گروه فوق ، عبارتند از:

• طول عمر محصول (همانطور که به صورت عمودی در جدول به تصویر کشیده شده است) - مقایسه گروههای مختلف در همان مرحله از چرخه زندگی آنها - می توانیم ببینیم که ٪ از افراد یک گروه پس از 3 روز و غیره به برنامه برمی گردند. ماههای اولیه زندگی را می توان با کیفیت تجربه سوار شدن شما و عملکرد تیم موفقیت مشتری و
• طول عمر کاربر (همانطور که به صورت افقی در سمت راست جدول به تصویر کشیده شده است) - دیدن رابطه طولانی مدت با افراد در هر گروه - برای مشخص کردن اینکه افراد به چه مدت برمی گردند و چقدر قوی یا چقدر ارزشمند است. این احتمالاً می تواند با چیزی مانند کیفیت محصول ، عملیات و پشتیبانی مشتری مرتبط باشد.

هرچه معیارهای کلیدی ارزیابی شما برای کسب و کار تعریف کنید ، تجزیه و تحلیل گروهی به شما امکان می دهد مشاهده کنید که چگونه معیارها در طول عمر مشتری و همچنین در طول طول محصول رشد می کنند.

تجزیه و تحلیل کوهورت برای بهبود حفظ مشتری

تجزیه و تحلیل گروه شامل نگاه به گروه های افراد ، با گذشت زمان و مشاهده نحوه تغییر رفتار آنها است. به عنوان مثال ، اگر ما یک اعلان ایمیل را به 100 نفر ارسال کنیم ، برخی ممکن است محصول را در روز اول ، کمتر در روز 2 ، حتی کمتر در روز 3 و غیره خریداری کنیم. اما اگر ایمیل دیگری را برای 100 نفر ارسال کنیم ، آنها پس از چند هفته ، آنها محصول را در "روز 0" خود خریداری می کنند در حالی که اولین ایمیل ارسال شده ممکن است اثر تاخیر شیوع آن را در تصمیم خرید نشان دهد.

داده های گروهی

به منظور پیگیری نحوه رفتار کاربران به مرور زمان یا اینکه چگونه یک رفتار یکسان برای گروههای مختلف متفاوت است ، تجزیه و تحلیل گروهی به مقایسه این افراد از طریق راه / زمان به دست آمده یا با حفظ آن کاربران به مرور زمان کمک می کند.

اما ، چگونه گروه کاربران را برای تجزیه و تحلیل گروهی به گروههای گروهی تقسیم کنیم - می توان از دو طریق انجام داد:

• گروه های کسب: هنگامی که ابتدا برای محصول خود ثبت نام کردند ، کاربران را تقسیم کنید. برای کاربران برنامه خود ، ممکن است گروه های خود را تا روز ، هفته یا ماه راه اندازی یک برنامه تجزیه و تحلیل کنید و از این طریق گروه های روزانه ، هفتگی یا ماهانه را ردیابی کنید.

در این حالت ، با اندازه گیری حفظ این گروه ها ، می توانید تعیین کنید که افراد از نقطه شروع خود چه مدت از برنامه خود استفاده می کنند.

• گروه های رفتاری: کاربران را بر اساس رفتارهایی که در یک دوره زمانی معین در برنامه شما گرفته اند ، تقسیم کنید. اینها می تواند هر تعداد اقدامات گسسته ای باشد که کاربر می تواند انجام دهد - نصب برنامه ، راه اندازی برنامه ، حذف برنامه ، معامله یا شارژ یا هر ترکیبی از این اقدامات / رویدادها.

در این حالت ، یک گروه می تواند گروهی از کاربران باشد که اقدامات خاصی را در یک بازه زمانی مشخص انجام داده اند - مثلاً طی 3 روز اول استفاده از برنامه. سپس می توانید کنترل کنید که گروه های مختلف پس از انجام اقدامات خاص ، چه مدت در برنامه خود فعال باشند.

بیایید ببینیم که چگونه می توانید از همگروه های خرید و رفتاری استفاده کنید تا دقیقاً چه کاری کاربران شما انجام می دهند و چه زمانی این کار را انجام می دهند.

گروه های کسب: یافتن لحظات مشکل در برنامه خود

تجدید نظر در گروه روزانه فوق - که یک گروه کسب است.

یکی از راه های تجسم این اطلاعات ، ترسیم منحنی احتباس ، نشان دادن حفظ این گروه ها به مرور زمان است. وقتی کاربران محصول شما را ترک می کنند ، این نمودار فوق العاده آسان است.

این منحنی احتباس بلافاصله بیانگر یک بینش مهم است - حدود 75 ٪ از کاربران پس از روز 1 روز استفاده از برنامه را متوقف می کنند. پس از آن قطره بزرگ اولیه ، قطره سریع دوم بعد از روز 5 - تا زیر 12 ٪ ، قبل از شروع منحنی بعد از 7 روز ، رخ می دهد و حدود 11 ٪ از کاربران اصلی را که هنوز در برنامه در برنامه 10 فعال هستند ، باقی می گذارد.

منحنی احتباس فوق نشان می دهد که کاربران به سرعت به ارزش اصلی برنامه نمی رسند و در نتیجه باعث کشش می شوند. از این رو ، بدیهی است که تجربه ورود به سیستم را بهبود بخشید تا کاربر در اسرع وقت به ارزش اصلی برسد و در نتیجه حفظ آن را افزایش دهد.

بنابراین ، گروه های خرید برای شناسایی روندها و نکته ای که افراد در حال خفه کردن هستند بسیار عالی هستند ، اما درک بینش های عملی مانند - درک اینکه چرا آنها را ترک می کنند دشوار است - که این امر نیاز به استفاده از نوع دیگری از گروه ها ، گروه های رفتاری دارد.

گروه های رفتاری: تجزیه و تحلیل حفظ مشتری

یک نمونه ساده از گروه رفتاری می تواند باشد - همه کاربرانی که قبل از خرید یک محصول ، بررسی ها را می خوانند. این می تواند به سوالات جالب پاسخ دهد ، مانند ،

• آیا کاربرانی که نظرات را می خوانند نسبت به کاربرانی که بررسی نمی خوانند ، نرخ تبدیل بالاتری دارند ، یا
• آیا کاربران مشغول تر هستند-جلسات طولانی تر ، زمان بیشتری در برنامه ، کمتر از قطره

یک کاربر برنامه ، پس از نصب و یا راه اندازی برنامه ، صدها تصمیم می گیرد و رفتارهای بی شماری را نشان می دهد که به تصمیم خود برای ماندن یا رفتن منجر می شود. این رفتارها می تواند هر چیزی باشد ، مانند استفاده از ویژگی اصلی Y ، اما استفاده از ویژگی اصلی Z ، فقط با اعلان های نوع X و غیره درگیر می شود.

بیایید رفتار کاربر را با مقایسه حفظ بین گروههای زیر آزمایش کنیم:

هر دو بخش کاربر قصد داشتند در برنامه شما معامله کنند. اما یک بخش کاربر تصمیم به ادامه کار گرفت ، دیگری تصمیم گرفت برنامه خود را رها کند. چه کاری می توانید برای کاهش رها کردن سبد خرید انجام دهید؟

تجزیه و تحلیل گروه می تواند به سؤالاتی مانند:

• چه زمانی بهترین زمان برای برقراری مجدد با کاربران خود است؟چه زمانی بهترین زمان برای بازاریابی است؟
• میزان کسب کاربران جدید برای حفظ (در صورت افزایش) نرخ تبدیل برنامه شما چقدر است؟

از جداول نگهداری فوق ، می توانید نتیجه بگیرید که اکثر کاربرانی که سبد خرید را رها کرده اند ، دوباره با برنامه درگیر نشده اند ، حتی 1 روز پس از تاریخ خرید. بنابراین ، شما کمتر از 24 ساعت فرصت دارید که آنها را با پیشنهاد جدید هدف قرار دهید و شانس کسب درآمد را افزایش دهید.

از این داده ها ، می توانید یک رویکرد سیستماتیک و کمی ایجاد کنید تا بدانید که چگونه کاربران می توانند عاشق برنامه شما باشند - و سپس دوباره و دوباره این کار را انجام می دهند. همچنین ، شما می توانید پس از مشخص کردن آنچه کار می کند و چه چیزی انجام نمی شود ، استراتژی هایی را برای افزایش احتباس خود ایجاد کنید.

قدرت تجزیه و تحلیل کوهورت در این واقعیت نهفته است که ، این امکان را فراهم می کند که مشتریان را ترک کنند و چه موقع ترک می کنند ، بلکه درک می کنند که چرا مشتریان برنامه شما را ترک می کنند - تا بتوانید آن را برطرف کنید. اینگونه است که می توان چگونگی حفظ کاربران را تشخیص داد و همچنین عوامل اصلی رشد ، تعامل و درآمد برنامه را تعیین می کند.