Когортный анализ
Когортный анализ — это разновидность поведенческой аналитики , которая перед анализом разбивает данные в наборе данных на связанные группы. Эти группы или когорты обычно имеют общие характеристики или опыт в течение определенного периода времени. [1] [2] Когортный анализ позволяет компании «четко видеть закономерности на протяжении жизненного цикла клиента (или пользователя), а не слепо анализировать всех клиентов, не принимая во внимание естественный цикл, через который проходит клиент». [3] Видя эти временные закономерности, компания может адаптировать и адаптировать свои услуги для этих конкретных групп. Хотя когортный анализ иногда ассоциируется с когортным исследованием , они разные, и их не следует рассматривать как одно и то же. Когортный анализ — это, в частности, анализ когорт в отношении больших данных и бизнес-аналитики , тогда как при когортном исследовании данные разбиваются на аналогичные группы.
Примеры
[ редактировать ]Цель бизнес-аналитики — проанализировать и представить полезную информацию. [4] Большие недифференцированные наборы данных могут включать в себя различные типы пользователей и периоды времени. Когортный анализ анализирует пользователей каждой когорты отдельно. В когортном анализе «каждая новая группа [когорта] дает возможность начать с новой группы пользователей». [5] позволяя компании просматривать только те данные, которые имеют отношение к текущему запросу, и действовать на их основе.
Например, в электронной коммерции клиенты, зарегистрировавшиеся за последние две недели и совершившие покупку, могут составлять когорту. Что касается программного обеспечения, когорту могут составлять пользователи, зарегистрировавшиеся после определенного обновления или использующие определенные функции платформы.
Пример когортного анализа геймеров на определенной платформе: Опытные геймеры, когорта 1, будут больше интересоваться расширенными функциями и временем задержки по сравнению с новыми регистраторами, когорта 2. После определения этих двух когорт и запуска анализа игра компании будет представлено визуальное представление данных, относящихся к двум когортам. Тогда можно было увидеть, что небольшая задержка во времени загрузки приводит к значительной потере доходов со стороны продвинутых геймеров, в то время как новые пользователи даже не замечают этой задержки. Если бы компания просто посмотрела свои общие отчеты о доходах для всех клиентов, она не смогла бы увидеть различия между этими двумя когортами. Когортный анализ позволяет компании выявить закономерности и тенденции и внести изменения, необходимые для удовлетворения как продвинутых, так и новых игроков. [ нужна ссылка ]
Глубокая действенная когортная аналитика
[ редактировать ]«Действительная метрика — это та, которая связывает конкретные и повторяющиеся действия с наблюдаемыми результатами [например, регистрация пользователя или оформление заказа]. Противоположностью действенных метрик являются тщеславные метрики (например, посещения веб-сайтов или количество загрузок), которые служат только для документирования текущего состояния продукт, но не дает никакого представления о том, как мы сюда пришли и что делать дальше». [6] Без действенной аналитики информация может не иметь практического применения; информация может быть просто недействительным показателем тщеславия. Хотя компании полезно знать, сколько людей посещает ее сайт, сам по себе этот показатель бесполезен. Чтобы быть действенным, необходимо связать «повторяемое действие с наблюдаемым результатом». [6]
Проведение когортного анализа
[ редактировать ]Когортный анализ состоит из четырех основных этапов: [7]
- Определите, на какой вопрос вы хотите ответить. Целью анализа является получение действенной информации, на основе которой можно действовать, чтобы улучшить бизнес, продукт, взаимодействие с пользователем, оборот и т. д. Чтобы это произошло, важно задать правильный вопрос. В приведенном выше примере с игрой компания не знала, почему она теряла доход из-за увеличения времени задержки, несмотря на то, что пользователи все еще регистрировались и играли в игры.
- Определите показатели, которые помогут вам ответить на этот вопрос. Правильный когортный анализ требует идентификации события, такого как уход пользователя, и конкретных свойств, например, суммы, которую пользователь заплатил. В примере с игрой готовность клиента покупать игровые кредиты измерялась на основе времени задержки на сайте.
- Определите конкретные когорты, которые имеют к этому отношение. При создании когорты необходимо либо проанализировать всех пользователей и нацелиться на них, либо внести атрибутивный вклад, чтобы найти соответствующие различия между каждым из них и, в конечном итоге, обнаружить и объяснить их поведение как конкретной когорты. В приведенном выше примере пользователи разделены на «базовых» и «продвинутых» пользователей, поскольку каждая группа отличается действиями, чувствительностью структуры ценообразования и уровнями использования.
- Проведите когортный анализ. Приведенный выше анализ был проведен с использованием визуализации данных , которая позволила игровой компании понять, что ее доходы падают, поскольку их более высокооплачиваемые продвинутые пользователи не используют систему по мере увеличения времени задержки. Поскольку продвинутые пользователи составляли такую большую часть доходов компании, дополнительные регистрации базовых пользователей не покрывали финансовые потери от потери продвинутых пользователей. Чтобы исправить это, компания сократила время задержки и стала больше обслуживать своих продвинутых пользователей.
- Результаты испытаний . Убедитесь, что результаты имеют смысл.
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ Бехруз Омидвар-Тегерани; Сихем Амер-Яхия; Лакс против Лакшманана. Представление и исследование когорты . Турин, Италия: Конференция IEEE по науке о данных и расширенной аналитике (DSAA), 2018 г.
- ^ Давэй Цзян; Цинчао Цай; Ган Чен; Х.В. Джагадиш; Бенг Чин Оой; Киан-Ли Тан; Энтони К. Х. Тунг. Обработка когортных запросов (PDF) . Труды Фонда VLDB, том 10, номер 1, октябрь 2016 г.
- ^ Алистер Кролл; Бенджамин Йосковиц (15 апреля 2013 г.). Бережливая аналитика: используйте данные, чтобы быстрее создать лучший стартап . Севастополь, Калифорния: О'Рейли. ISBN 978-1449335670 .
- ^ Аукеман, Марк. «Когортный анализ — понимание своих клиентов» . edwblog.com .
- ^ Балог, Джонатон (24 марта 2012 г.). «Введение в когортный анализ стартапов» .
- ^ Jump up to: а б Маурья, Эш (14 июля 2010 г.). «3 правила эффективных показателей в бережливом стартапе» .
- ^ Джеймс Торио; Ришаб Даял (12 февраля 2013 г.). «Использование когортного анализа для оптимизации качества обслуживания клиентов» . Журнал UX .
Дальнейшее чтение
[ редактировать ]- «Когортный анализ с помощью Google Analytics» . Аналитический разговор . Джастин Катрони. 11 декабря 2012 г.
- «Получайте полезную информацию проще: автоматизируйте когортный анализ с помощью аналитики и таблиц» . Блог Google Analytics .
- Гленн, Норвал Д. (2005). Когортный анализ. Количественные приложения в социальных науках, том. 07-005 (2-е изд.). Публикация Мудреца. ISBN 9780761922155 .
- Уилсон, Фред (6 октября 2009 г.). «Когортный анализ» . АВК .
- ПОРТЕР, ДЖОШУА. «КОГОРТНЫЙ АНАЛИЗ – ИЗМЕРЕНИЕ ВОВЛЕЧЕННОСТИ С течением времени» . 52 недели UX .
- «Вводное руководство по когортному анализу» . Блог аналитики . Канопи Лаборатория. Архивировано из оригинала 4 апреля 2016 г. Проверено 30 октября 2015 г.