Kohortanalys

För kohortanalys inom statistik och epidemiologi, se Kohortstudie .

Kohortanalys är en slags beteendeanalys som bryter upp data i en datamängd i relaterade grupper innan analys. Dessa grupper, eller kohorter , delar vanligtvis gemensamma egenskaper eller erfarenheter inom en definierad tidsperiod. Kohortanalys tillåter ett företag att "se mönster tydligt över en kunds (eller användares) livscykel, snarare än att dela alla kunder blint utan att ta hänsyn till den naturliga cykel som en kund genomgår." Genom att se dessa tidsmönster kan ett företag anpassa och skräddarsy sin service till dessa specifika kohorter. Även om kohortanalys ibland förknippas med en kohortstudie är de olika och bör inte ses som en och samma. Kohortanalys är specifikt analysen av kohorter när det gäller big data och affärsanalys , medan i kohortstudier bryts data upp i liknande grupper.

Exempel

Målet med affärsanalys är att analysera och presentera användbar information. Stora, odifferentierade datamängder kan innehålla en mängd olika användartyper och tidsperioder. Kohortanalys analyserar användarna av varje kohort separat. I kohortanalys ger "varje ny grupp [kohort] möjligheten att börja med en ny uppsättning användare", vilket gör att företaget bara kan titta på den data som är relevant för den aktuella frågan och agera på den.

Till exempel i e-handel kan kunder som registrerat sig under de senaste två veckorna och som har gjort ett köp utgöra en kohort. För programvara kan användare som registrerat sig efter en viss uppgradering, eller som använder vissa funktioner på plattformen, utgöra en kohort.

Cohort Analysis Chart - Gaming Example.png

Ett exempel på kohortanalys av spelare på en viss plattform: Expertspelare, kohort 1, kommer att bry sig mer om avancerade funktioner och fördröjningstid jämfört med nya registreringar, kohort 2. Med dessa två kohorter fastställda, och analyskörningen, kommer spelet företaget skulle presenteras med en visuell representation av data som är specifika för de två kohorterna. Det kunde då se att en liten fördröjning i laddningstider har översatts till en betydande förlust av intäkter från avancerade spelare, medan nya registreringar inte ens har märkt eftersläpningen. Hade företaget helt enkelt tittat på sina övergripande intäktsrapporter för alla kunder, hade det inte kunnat se skillnaderna mellan dessa två kohorter. Kohortanalys gör att ett företag kan ta upp mönster och trender och göra de förändringar som krävs för att hålla både avancerade och nya spelare nöjda. [ citat behövs ]

Djup handlingsbar kohortanalys

"Ett handlingsbart mätvärde är ett som knyter specifika och repeterbara åtgärder till observerade resultat [som användarregistrering eller utcheckning]. Motsatsen till handlingsbara mätvärden är fåfängavärden (som webbträffar eller antal nedladdningar) som endast tjänar till att dokumentera det aktuella tillståndet för produkten men ger ingen inblick i hur vi kom hit eller vad vi ska göra härnäst." Utan handlingsbar analys kanske information inte har någon praktisk tillämpning; informationen kan helt enkelt vara ett fåfängavärde som inte kan åtgärdas. Även om det är användbart för ett företag att veta hur många människor som finns på deras webbplats, är det mätvärdet värdelöst i sig. För att det ska vara genomförbart måste det relatera en "upprepbar handling till [ett] observerat resultat".

Utföra kohortanalys

Kohortanalys har fyra huvudsteg:

  • Bestäm vilken fråga du vill svara på. Poängen med analysen är att komma med handlingskraftig information att agera på för att förbättra affärer, produkt, användarupplevelse, omsättning etc. För att säkerställa att så sker är det viktigt att rätt fråga ställs. I spelexemplet ovan var företaget osäkert på varför de tappade intäkter när fördröjningstiden ökade, trots att användarna fortfarande registrerade sig och spelade spel.
  • Definiera måtten som kommer att kunna hjälpa dig att svara på frågan. En korrekt kohortanalys kräver identifiering av en händelse, till exempel en användare som checkar ut, och specifika egenskaper, som hur mycket användaren betalade. Spelexemplet mätte en kunds vilja att köpa spelkrediter baserat på hur mycket lagtid det fanns på sajten.
  • Definiera de specifika kohorter som är relevanta. När man skapar en kohort måste man antingen analysera alla användare och rikta in sig på dem eller utföra attributbidrag för att hitta de relevanta skillnaderna mellan var och en av dem, i slutändan för att upptäcka och förklara deras beteende som en specifik kohort. Exemplet ovan delar upp användare i "grundläggande" och "avancerade" användare eftersom varje grupp skiljer sig åt i åtgärder, prisstrukturkänslighet och användningsnivåer.
  • Utför kohortanalysen. Analysen ovan gjordes med hjälp av datavisualisering som gjorde det möjligt för spelföretaget att inse att deras intäkter sjönk eftersom deras högre betalande avancerade användare inte använde systemet när fördröjningstiden ökade. Eftersom de avancerade användarna var en så stor del av företagets intäkter täckte de ytterligare grundläggande användarregistreringarna inte de ekonomiska förlusterna från att förlora de avancerade användarna. För att åtgärda detta förbättrade företaget sina fördröjningstider och började vända sig mer till sina avancerade användare.
  • Testresultat . Se till att resultaten är vettiga.

Se även

Vidare läsning

Hämtad från " https://en.wikipedia.org/w/index.php?title=Cohort_analysis&oldid=1137128206 "