table des matières
- qu’est-ce qu’une analyse de cohorte?
- l’idée fausse de L’analyse de cohorte
- pourquoi l’analyse de cohorte est-elle importante pour les entreprises
- comprendre L’analyse de cohorte
- exemples concrets de l’utilisation de l’analyse de cohorte dans les stratégies de marketing
Qu’est-ce qu’une analyse de cohorte?
l’analyse de cohorte a été initialement introduite en sciences sociales en tant que technique d’analyse de données pour analyser le comportement d’un groupe d’individus similaires (cohorte)., Dans le monde des affaires, il est utilisé en permanence par les sites de Commerce électronique et les applications mobiles pour diviser les utilisateurs en petits groupes afin d’analyser et de comprendre le comportement d’un groupe.
Google définit l’analyse de cohorte comme suit:
« examinez le comportement et les performances de groupes d’utilisateurs liés par des attributs communs.”
l’idée fausse de L’analyse de cohorte
Si vous effectuez une recherche D’Image Google de L’analyse de cohorte, vous avez probablement vu quelque chose comme ça. Mais ce N’est pas à cela que ressemble habituellement L’analyse de cohorte., Comme l’analyse de cohorte peut être représentée de nombreuses autres façons, c’est le format le plus fréquemment utilisé par les entreprises d’outils analytiques. Comme la définition le suggère, L’analyse de cohorte est plus une méthode analytique qu’une conception graphique.
alors pourquoi la plupart des résultats d’images montrent-ils quelque chose de similaire à ce qui précède lorsque « analyse de cohorte” est recherchée? Cette idée fausse pourrait être due à la popularisation du rapport D’analyse de cohorte dans Google Analysis, qui est par la plupart des sites Web sur internet.,
cela dit, le tableau ci-dessus est néanmoins une analyse de cohorte qui analyse les cohortes en fonction d’un certain événement / comportement utilisateur à travers le temps.
Pourquoi l’Analyse des Cohortes importantes pour les entreprises
au Lieu de regarder l’ensemble des données, l’analyse des cohortes permet aux entreprises d’analyser le comportement d’un groupe de personnes en premier les casser en petits groupes. Un exemple simple d’analyse de cohorte consistera à diviser les utilisateurs en hommes et en femmes, en analysant comment les hommes réagissent lorsqu’ils consultent un site Web de voyage par rapport à leur homologue féminin., L’analyse de cohorte peut également réduire davantage le groupe de genre en, un groupe de femmes qui aime l’aventure, un groupe de femmes qui aime les voyages de luxe et un groupe de femmes qui aime voyager en famille,
en décomposant le groupe de manière significative, les entreprises peuvent commencer à voir la tendance dans les données et
comprendre L’analyse de cohorte
l’une des façons de faire l’analyse de cohorte est de l’associer à différentes analyses telles que l’analyse de la rétention ou l’analyse des nombres magiques., En raison de l’essor de l’industrie des applications mobiles, l’analyse de rétention est l’un des moyens les plus courants d’utiliser l’analyse de cohorte pour comprendre le comportement d’un certain groupe de cohortes dans l’environnement de L’application.
analyse de cohorte avec la Table de rétention
la table de rétention ou l’analyse de rétention peuvent être utilisées pour analyser lorsqu’un utilisateur a exécuté une action spécifiée, et la rétention de ladite prolongation de l’utilisateur.
par exemple, le graphique ci-dessus montre un groupe d’utilisateurs qui ont initié l’événement »App Launch” et leur rétention sur une période de sept jours., Les Dates de lancement comme « 4/02″ et” 4/03 » sont regroupées en cohortes et leur taux de rétention dans le temps est observé. Pour le tableau ci-dessus, vous pouvez remarquer que:
- les cohortes des 4/06 et 4/07 ont un taux de rétention relativement plus élevé par rapport aux autres cohortes. Une analyse plus approfondie peut être effectuée pour comprendre pourquoi cette différence existe
- la cohorte de 4/15 a un niveau relativement faible de lancement D’application après une journée. Mais après une observation plus approfondie, il semble s’agir davantage d’une diminution systématique du taux de rétention sur 4/15., Cela peut indiquer une erreur de données, de serveur ou D’application ce jour-là.
pour augmenter l’analyse de cohorte à un autre niveau, vous pouvez également ajouter ce que nous appelons « L’analyse des nombres magiques” dans le mélange.
analyse des nombres magiques
alors, quelle est l’analyse des nombres magiques?
« L’analyse des nombres magiques est née de Twitter lorsqu’ils ont découvert que les nouveaux utilisateurs qui suivaient au moins cinq utilisateurs lors de leur inscription ont fini par avoir un taux de rétention significativement plus élevé que ceux qui suivaient moins de cinq utilisateurs., Pour cette raison, Twitter a créé un flux d’utilisateurs qui invite les utilisateurs nouvellement enregistrés à suivre au moins cinq utilisateurs avant de pouvoir commencer à utiliser leurs services. À ce jour, le même flux est toujours utilisé dans le processus d’enregistrement des utilisateurs de Twitter. »
en d’autres termes, L’analyse des nombres magiques, comme son nom l’indique, consiste à découvrir les événements qui se produisent et qui conduisent à une augmentation du taux de rétention. Cet événement pourrait être quelque chose de « les utilisateurs qui ont consulté certains contenus plus de 7 fois » ou » les utilisateurs qui ont lancé notre application trois fois par jour., »
pour savoir comment vous pouvez effectuer l’analyse des nombres magiques, vous pouvez lire l’article ici
exemples réels de la façon dont l’analyse de cohorte est utilisée avec des stratégies de marketing
exemple 1: Médias pour les filles du secondaire-HaruHaru
L’un de nos clients, HaruHaru est une société de Lorsqu’ils ont lancé leur application pour la première fois, ils ont du mal à retenir leurs utilisateurs., Après avoir effectué l’analyse du nombre magique, ils ont découvert que les utilisateurs qui sont connectés pendant trois jours consécutifs avaient montré un taux de rétention plus élevé par rapport à la cohorte qui ne s’est pas connectée pendant trois jours consécutifs.
Pour résoudre ce problème, HaruHaru lance une campagne de connexion consécutive de trois, ce qui a entraîné une augmentation de 10% du taux de rétention.
pour en savoir plus sur L’étude de cas de HaruHaru, Cliquez ici.,
exemple 2: Vehicle listing site – Goo-net
Un autre de nos clients, Goo-net, L’un des plus grands sites d’annonces de voitures d’occasion au Japon, a un problème très similaire avec HaruHaru. Après avoir effectué l’analyse de rétention, ils ont constaté un taux d’abandon élevé pour les nouveaux utilisateurs qui ont téléchargé notre application mais n’ont effectué aucune recherche. Pour résoudre ce problème, ils ont lancé une campagne de marketing visant à éduquer les utilisateurs sur l’utilisation de la fonction de recherche.
à la suite de cet effort de marketing, ils ont vu une augmentation de 30% des pages vues.,
En savoir plus sur L’étude de cas Goo-net ici.
En Conclusion, L’analyse de cohorte est une analyse convaincante pour permettre aux entreprises de décomposer les utilisateurs en un groupe plus restreint afin de rendre les données plus compréhensibles et exploitables. Lorsqu’il est associé au marketing, il peut apporter des résultats mesurables instantanément.