Sommario

• Che cos’è un’analisi di coorte?
• L’idea sbagliata dell’analisi di coorte
• Perché l’analisi di coorte è importante per le aziende
• Comprensione dell’analisi di coorte
• Esempi reali di come l’analisi di coorte viene utilizzata con le strategie di marketing

Che cos’è un’analisi di coorte?

L’analisi di coorte è stata inizialmente introdotta nelle scienze sociali come tecnica di analisi dei dati per analizzare il comportamento di un gruppo di individui simili (Coorte)., Nel mondo degli affari, viene utilizzato continuamente da siti di e-commerce e app mobile per suddividere gli utenti in gruppi più piccoli per analizzare e comprendere il comportamento di un gruppo.

Google definisce l’analisi di coorte come:

“Esamina il comportamento e le prestazioni di gruppi di utenti correlati da attributi comuni.”

L’idea sbagliata dell’analisi di coorte

Se fai una ricerca di immagini su Google di analisi di coorte, probabilmente hai visto qualcosa del genere. Ma di solito non è così che appare l’analisi di coorte., Poiché l’analisi di coorte può essere rappresentata in molti altri modi, questo è il formato più frequentemente utilizzato dalle aziende di strumenti analitici. Come suggerisce la definizione, l’analisi di coorte è più un metodo analitico che un disegno grafico.

Allora perché la maggior parte dei risultati delle immagini mostra qualcosa di simile a sopra quando viene cercata “Analisi di coorte”? Questo equivoco potrebbe essere dovuto alla divulgazione del rapporto di analisi di coorte in Google Analysis, che è dalla maggior parte dei siti web su Internet.,

Detto questo, la tabella sopra è tuttavia un’analisi di coorte che analizza le coorti in base a un determinato evento/comportamento dell’utente nel tempo.

Perché l’analisi di coorte è importante per le aziende

Invece di guardare i dati nel loro complesso, l’analisi di coorte consente alle aziende di analizzare il comportamento di un gruppo di persone suddividendole prima in gruppi più piccoli. Un semplice esempio di analisi di coorte sarà rompere gli utenti in maschio e femmina, analizzando come i maschi reagiscono quando guardano un sito web di viaggio rispetto alla controparte femminile., L’analisi di coorte può anche restringere ulteriormente il gruppo di genere in un gruppo femminile a cui piace l’avventura, un gruppo femminile a cui piacciono i viaggi di lusso e un gruppo femminile a cui piace viaggiare con la famiglia,

Suddividendo il gruppo in modo significativo, le aziende possono iniziare a vedere la tendenza nei dati e agire se

Comprensione dell’analisi di coorte

Uno dei modi per eseguire l’analisi di coorte è abbinarlo a diverse analisi come l’analisi della ritenzione o l’analisi dei numeri magici., A causa dell’ascesa del settore delle app mobili, l’analisi della ritenzione è uno dei modi più comuni per utilizzare l’analisi di coorte per capire come si comporta un determinato gruppo di coorte all’interno dell’ambiente dell’app.

Analisi di coorte con la tabella di retention

La tabella di retention o l’analisi di retention possono essere utilizzate per analizzare quando un utente esegue un’azione specificata e la conservazione degli straordinari dell’utente.

Ad esempio, il grafico sopra mostrava un gruppo di utenti che hanno avviato l’evento”App Launch” e la loro conservazione per un periodo di sette giorni., Le date di inizio lancio come ” 4/02 “e” 4/03” sono raggruppate insieme come coorti e viene osservato il loro tasso di ritenzione nel tempo. Per la tabella sopra, si può notare che:

• Le coorti di 4/06 e 4/07 hanno un tasso di ritenzione relativamente più elevato rispetto ad altre coorti. Ulteriori analisi possono essere fatte per capire perché questa differenza esiste
• La coorte da 4/15 ha un livello relativamente basso di lancio di app dopo un giorno. Ma dopo ulteriori osservazioni, sembra essere più di una diminuzione sistematica del tasso di ritenzione su 4/15., Ciò potrebbe indicare un errore di dati, server o app in quel giorno.

Per aumentare l’analisi di coorte ad un altro livello, puoi anche aggiungere quella che chiamiamo “Analisi dei numeri magici” nel mix.

Magic Number Analysis

Quindi qual è l’analisi dei numeri magici?

“L’analisi Magic Number ha avuto origine da Twitter quando hanno scoperto che i nuovi utenti che hanno seguito almeno cinque utenti al momento della registrazione hanno finito per avere un tasso di ritenzione significativamente più elevato rispetto a quelli che hanno seguito meno di cinque utenti., A causa di ciò, Twitter ha creato un flusso di utenti che richiede agli utenti appena registrati di seguire almeno cinque utenti prima di poter iniziare a utilizzare i loro servizi. Ad oggi, lo stesso flusso è ancora utilizzato nel processo di registrazione degli utenti di Twitter.”

In altre parole, Magic Number Analysis, come suggerisce il nome, è quello di scoprire gli eventi che si verificano che portano ad un aumento del tasso di ritenzione. Questo evento potrebbe essere qualsiasi cosa, da “Utenti che hanno visualizzato determinati contenuti per più di 7 volte” o ” Utenti che hanno lanciato la nostra app tre volte al giorno.,”

Per sapere come è possibile condurre l’analisi numero magico, è possibile leggere l’articolo qui

Esempi di vita reale di come l’analisi di coorte viene utilizzato con strategie di marketing

Esempio 1: Media per le ragazze delle scuole superiori-HaruHaru

Uno dei nostri clienti, HaruHaru è una società di media Quando hanno lanciato la loro app, hanno difficoltà a mantenere i loro utenti., Dopo aver condotto l’analisi Magic number, hanno scoperto che gli utenti che hanno effettuato l’accesso per tre giorni consecutivi avevano mostrato un tasso di ritenzione più elevato rispetto alla coorte che non ha effettuato il login per tre giorni consecutivi.

Per affrontare questo problema, dispositivi HaruHaru una campagna di login tre consecutivi, che ha portato ad un aumento del 10% nel tasso di ritenzione.

Leggi di più sul caso di studio di HaruHaru qui.,

Esempio 2: Vehicle listing site – Goo-net

Un altro nostro cliente, Goo-net, uno dei più grandi siti di quotazione di auto usate in Giappone ha un problema molto simile con HaruHaru. Dopo aver condotto l’analisi di conservazione, hanno trovato un alto tasso di abbandono per i nuovi utenti che hanno scaricato la nostra app ma non hanno condotto alcuna ricerca. Per affrontare questo problema, sono usciti con una campagna di marketing che ha lo scopo di educare gli utenti su come utilizzare la funzione di ricerca.

Come risultato di questo sforzo di marketing, hanno visto un aumento del 30% delle visualizzazioni di pagina.,

Per saperne di più su Goo-net case study qui.

In conclusione, l’analisi di coorte è un’analisi convincente per consentire alle aziende di suddividere gli utenti in un gruppo più piccolo per rendere i dati più comprensibili e fruibili. Quando accoppiato con il marketing, può portare risultati misurabili istantaneamente.