Kohortenanalyse: Abwanderung reduzieren & Kundenbindung verbessern
Veröffentlicht: 2022-07-28Die Kohortenanalyse beantwortet eine geschäftliche Frage dazu, wie eine bestimmte Gruppe oder ein bestimmtes Segment von Benutzern mit einem Produkt interagiert hat oder voraussichtlich mit einem Produkt interagieren wird, basierend auf ihrem früheren Verhalten. Durch das Sammeln von Verhaltensdaten und deren Aufschlüsselung in Kohorten wird es einfacher, sie zu analysieren.
Kohorten sind Gruppen von Benutzern, die über einen bestimmten Zeitraum bestimmte Merkmale und Nutzungsmuster gemeinsam haben. Dazu können Dinge wie Nutzungszeit, Funktionen, für die Sie sich angemeldet haben, oder die Anzahl der abgeschlossenen Ziele gehören. Kohorten sind nützlich, weil sie Ihnen helfen, Ihre Benutzerbasis zu segmentieren und Daten darüber zu sammeln, wie sie während ihres gesamten Lebenszyklus mit Ihrem Produkt interagieren.
Unternehmen sollten Kohortenanalysen verwenden, um das Nutzerverhalten zu verstehen und die Kundenbindung zu verbessern. Die Daten, die Sie erhalten, sind eine großartige Möglichkeit, um zu verstehen, was dazu führt, dass neue Kunden bleiben, und einige der häufigsten Gründe, warum sie abwandern.
Die zentralen Thesen
- Die Kohortenanalyse ist eine wichtige Methode, um die Ergebnisse verschiedener Experimente zu messen, die darauf abzielen, das Engagement zu steigern, die Conversions zu steigern und die Kundenabwanderung zu verhindern, was zu stabilen Einnahmen und nachhaltigem Wachstum führt.
- Produktmanager und Vermarkter verwenden Kohortenanalysen, um Hypothesen darüber zu testen, wie Kunden mit ihren Produkten interagieren. Anschließend nutzen sie diese Erkenntnisse, um Umsatz, Kundenbindung, Conversions und andere Geschäftskennzahlen zu steigern.
- Die Kohortenanalyse sollte verwendet werden, um die Kundenbindung zu verbessern, indem sie Ihnen hilft, mehr über die Erfahrungen verschiedener Benutzergruppen oder -segmente zu erfahren.
- Die Kohortenbindungsanalyse hilft beim Aufbau eines Bindungsprozesses, der aus Folgendem besteht:
- Ziele setzen
- Erkunden von Daten
- Hypothesen
- Brainstorming
- Testen
- Analysieren
- Systematisieren
- Die Kohortenanalyse kann verwendet werden, um drei Arten von Daten zu parsen – Akquisition, Verhalten und Vorhersage. Jeder kann verwendet werden, um verschiedene Arten von Geschäftsfragen zu beantworten.
- Das richtige Tool verwandelt die Kohortenanalyse von einem arbeitsintensiven, technischen, manuellen Prozess in einen automatisierten, nicht technischen Echtzeitprozess.
- Durch die Durchführung Ihrer eigenen Kohortenanalyse mit Amplitude können Sie tiefer in das Verhalten Ihrer Kunden eintauchen und datengesteuerte Entscheidungen treffen, um das Kundenerlebnis zu verbessern.
Was ist Kohortenanalyse?
Eine Kohorte ist eine Gruppe oder ein Segment von Benutzern, die gemeinsame Profilmerkmale, Verhaltensweisen oder beides teilen. Zum Beispiel:
- Benutzer, die iOS-Geräte besitzen
- Benutzer, die sich letzte Woche jeden Tag angemeldet haben
- Benutzer mit iOS-Geräten, die sich letzte Woche jeden Tag angemeldet haben
Typischerweise stellt ein Produktmanager oder Vermarkter eine Geschäftsfrage, die zu einer Kohortenanalyse führt. Diese Fragen können sich um Produktbindung, Konversion oder Kundenbindung drehen.
- Engagement ist der Begriff für Aktionen, die Personen in Ihrer App ausführen. Das kann das Aufleveln eines Charakters in einem Spiel, das Teilen eines Trainings mit der Community in einer Fitness-App oder das Abspielen eines Songs in einer Musik-App sein.
- Konversion ist das ultimative Ziel. Anhand der Kohortenanalyse kann beurteilt werden, ob verschiedene Conversion-Anreize wie neue Funktionen oder reduzierte Tarife wirksam sind.
- Kundenbindung bezieht sich auf die Personen, die immer wieder zu Ihrer App zurückkehren.
Im obigen Beispieldiagramm sehen Sie die Benutzerreise für zwei verschiedene Kohorten – Benutzer, die einen Song geteilt haben (grün), und diejenigen, die dies nicht getan haben (blau). Die Kohorte von Benutzern, die einen Song geteilt haben, hatte ein höheres Engagement und eine höhere Konversion.
Lassen Sie uns nun einen genaueren Blick darauf werfen, wie Kohortenanalysen eingesetzt werden können, um Produktmanagern dabei zu helfen, die Kundenabwanderung zu reduzieren und die Bindungsraten zu verbessern.
Wichtigkeit, Kundenabwanderung zu verhindern
Die Kohortenanalyse ist von entscheidender Bedeutung, da Metriken wie täglich oder monatlich aktive Benutzer (DAU und MAU) durch das Wachstum stark verzerrt werden. Wenn Ihre App schnell wächst, verbergen neue Benutzeranmeldungen, wo Ihre bestehenden Benutzer abbrechen. Es spielt keine Rolle, wie produktiv Ihre Akquisekanäle sind, wenn Sie bestehende Kunden genauso schnell verlieren oder schneller neue gewinnen.
Aus diesem Grund ist die Durchführung einer Kohortenanalyse zur Abwanderungsrate eine der effektivsten Methoden, um die Gesundheit Ihres Unternehmens zu verbessern. Kunden, die wiederholt einkaufen, helfen einem Unternehmen, stabile Einnahmen zu erzielen und die Kosten für die Gewinnung neuer Kunden auszugleichen.
Laut Business of Apps erreichten die Werbekosten pro Installation für mobile Apps 5,28 $. Ein längerer Kundenlebenszyklus zahlt sich für diese Investition besser aus.
Wie man mithilfe der Kohortenanalyse eine Bindungsstrategie erstellt
Der stärkste Aspekt der Kohortenanalyse ist, dass Sie nicht nur sehen, wann Kunden die App verlassen, sondern auch verstehen können, Sie können Ihre Bindungsrate verbessern, indem Sie den folgenden Prozess implementieren:
- Ziele setzen: Legen Sie ein Ziel für den Prozess fest. Wollen Sie die Abwanderung kurzfristig reduzieren? Langfristig? Was ist Ihr Wachstumsziel?
- Erkunden: Untersuchen Sie aktuelle Daten, um festzustellen, wo Änderungen vorgenommen werden können, um Ihr Ziel zu erreichen.
- Hypothese: Entscheiden Sie, welche Fragen gestellt werden sollen und welche Ergebnisse aus Experimenten resultieren können.
- Brainstorming: Konzipieren Sie mögliche Experimente, um Hypothesen zu testen.
- Test: Führen Sie verschiedene Tests durch, um Hypothesen zu bewerten.
- Analysieren: Analysieren Sie Testdaten, um festzustellen, ob die Ziele erreicht wurden.
- Systematisieren: Machen Sie alle positiven Veränderungen zu einem Teil des Systems.
Durch dieses System können Sie Ihre App kontinuierlich verbessern und die Kundenbindung erhöhen. Anstatt sich eine aggregierte Abwanderungszahl anzusehen, zielen Sie auf ein bestimmtes Verhalten ab und testen, ob die Ermutigung der Benutzer, dieses Verhalten anzunehmen, die Kundenbindung verbessert.
Verwendung von Kohortenanalysen zur Verbesserung der Kundenbindung
Ein Kundenkohortenanalysebericht kann verwendet werden, um eine Hypothese darüber zu testen, wie sich bestimmte Produktänderungen auf wichtige Leistungsindikatoren für ein Unternehmen auswirken.
Angenommen, Sie sind Produktmanager einer Musik-App wie Spotify und eines Ihrer Hauptziele besteht darin, die Benutzerbindung zu erhöhen.
Sie können die Hypothese aufstellen, dass Benutzer, die eine bestimmte Anzahl von Songs mit ihren Freunden teilen, mit größerer Wahrscheinlichkeit zu regelmäßigen, dauerhaften Benutzern Ihrer App werden.
Um diese Hypothese zu testen, wählen Sie zunächst eine Gruppe oder Kohorte von Benutzern basierend auf ihrem Akquisitionsdatum aus. Anschließend teilen Sie diese Akquisitionskohorte in zwei Teilmengen auf. In einer Teilgruppe der Kohorte befinden sich die Benutzer, die die Funktion „Song teilen“ mindestens einmal verwendet haben. Die andere Kohortenuntergruppe umfasst Benutzer, die die „Teilen“-Funktion nicht verwendet haben.
Führen Sie abschließend eine Retentionsanalyse basierend auf der Verhaltensanalyse dieser beiden Kohorten-Untergruppen durch.
In diesem Fall zeigt das obige Kohortenanalysediagramm die N-Tage-Aufbewahrungsraten für Benutzer, die einen Song geteilt haben (blau), im Vergleich zu denen, die dies nicht getan haben (grün). Sie können sehen, dass Benutzer, die einen Song nicht teilen, nach 30 Tagen eine Abwanderungsrate von 77,75 % haben. Unterdessen beträgt die Abwanderung für Benutzer, die die Freigabefunktion verwendet haben, nur 31 %.
Das ist ein bedeutender Unterschied, und dieser Datensatz gibt Ihnen jetzt die Möglichkeit, eine Geschäftsentscheidung zu treffen, die zu mehr Umsatz führen könnte. Im nächsten Update könnten Sie beispielsweise Ihren Onboarding-Flow optimieren, um neue Benutzer aufzufordern, einen Song zu teilen, anstatt darauf zu warten, dass sie diese Funktion selbst entdecken.
Arten von Kohortendaten
Es gibt drei Arten von Kohortendaten, die jeweils unterschiedliche Anwendungsfälle haben.
Akquisitionskohorten
Akquisitionskohorten unterteilen Benutzer basierend darauf, wann sie sich für Ihr Produkt angemeldet haben. Eine Verbraucher-App kann Kohorten bis zu dem Tag gruppieren, an dem sie sich anmelden, während ein SaaS-Tool eher monatliche Kohorten verfolgt.
Akquisitionskohorten werden verwendet, um neue Benutzer zu verfolgen und zu sehen, wie lange sie Ihre App nach ihrer ersten Interaktion weiter verwenden – die Lebensdauer Ihres Kunden. Dies kann eine großartige Möglichkeit sein, mit Ihrer Onboarding-Erfahrung zu experimentieren, um sicherzustellen, dass Benutzer den Wert Ihres Produkts klar und früh erkennen. Je eher neue Nutzer dieses „Aha!“ Moment, desto eher werden sie behalten.
Verhaltenskohorten
Verhaltenskohorten sind ein benutzerdefiniertes Segment Ihrer Zielgruppe, das auf einer beliebigen Kombination vergangener Verhaltensweisen oder Benutzerprofileigenschaften basiert.
Einige Beispiele für Benutzerverhalten sind das Teilen eines Songs, die Registrierung für eine Testversion oder das Tätigen eines Kaufs. Benutzerprofileigenschaften sind Dinge wie Demografie, welche Plattform ein Besucher verwendet oder wie jemand auf Ihre Website gelangt.
Die Kombination von Verhaltensweisen und Profileigenschaften bilden zusammen eine Verhaltenskohorte. Diese Art von Kohortendaten ist eine Möglichkeit, Aktionen innerhalb eines bestimmten Zeitrahmens zu betrachten, um ähnliche Arten von Benutzern für die Analyse zu identifizieren. Diese Analyse zeigt normalerweise, wie Benutzer mit Ihrem Produkt interagieren und wie sich dieses Benutzerengagement auf Dinge wie Kundenbindung, Konversionsrate oder andere Schlüsselindikatoren auswirkt, die für Ihr Unternehmen wichtig sind.
Vorhersagende Kohorten
Vorausschauende Kohorten untersuchen, was ein Benutzer in Zukunft voraussichtlich tun wird.
Diese Art von Daten eignet sich am besten, um zu bestimmen, welche Benutzer mit einer Marketingkampagne angesprochen werden sollen, oder um zu entscheiden, wie die Preise angepasst werden müssen, um die Wahrscheinlichkeit zu erhöhen, dass ein Benutzer eine Aktion ausführt.
Akquisitionskohorten: Problemmomente in Ihrer App finden
Akquisitionskohorten geben Ihnen Informationen über den Lebenszyklus Ihrer Kunden – insbesondere, wie lange es dauert, bis sie nach dem Akquisitionsdatum abwandern. Diese Informationen können Ihnen dabei helfen, Abwanderungsmuster oder Marketingkampagnen mit hohen Konversionsraten zu identifizieren. Angenommen, Sie haben eine Musik-App, die ein Abwanderungsproblem hat, bei dem Benutzer jeden Tag abbrechen.
Die Benutzer im obigen Retentionsdiagramm sind in tägliche Kohorten aufgeteilt – Benutzer, die sich am selben Tag angemeldet haben. Sie können sehen, dass sich am 16. Juli 11.528 Benutzer für Ihre Musik-App angemeldet haben und die Kundenbindung an Tag 5 bei 49,7 % lag. Jeder zweite Nutzer, der sich am 16. Juli angemeldet hat, war also am fünften Tag nach der ersten Nutzung der App noch aktiver Nutzer in der App.
Der beste Weg, diese Informationen zu visualisieren, besteht darin, sie in eine Bindungsanalysekurve umzuwandeln, die Ihre Bindung für diese Kohorten im Laufe der Zeit zeigt. Wenn Sie Ihre Daten auf diese Weise grafisch darstellen, können Sie leicht erkennen, wann Benutzer Ihr Produkt verlassen.
Diese Retentionskurve verrät Ihnen sofort etwas Wichtiges: Etwa ein Drittel der Nutzer hört nach dem ersten Tag auf, die App zu nutzen. Nach diesem anfänglichen Rückgang nimmt die Kurve stetig ab, sodass am 30. Tag nur noch etwas mehr als 25 % der ursprünglichen Benutzer in der App aktiv sind.
Das ist nicht großartig (obwohl es üblich ist – einige Daten zeigen, dass die durchschnittliche App innerhalb des ersten Monats fast 60 % ihrer Benutzer verliert). Frühes Zurückhalten ist ein wichtiges Thema. Eine Kurve wie diese zeigt an, dass Benutzer den Kernwert der App nicht schnell genug herausholen und sie verlassen. Jetzt wissen Sie, dass Sie das frühe App-Erlebnis verbessern müssen, um Benutzer so schnell wie möglich zu Ihrem Kernwert zu bringen.
An die Grenzen von Akquisitionskohorten stoßen
Wenn Ihre App die oben gezeigte Bindungskurve aufweist, möchten Sie sofort herausfinden, was Sie tun können, um Ihre Bindung zu steigern.
Akquisitionskohorten allein geben keine Auskunft darüber, wie Sie die Benutzererfahrung verbessern können, um Ihre Benutzer zu halten. Sie können bestimmte Verhaltensweisen oder Benutzereigenschaften nicht isolieren.
Akquisitionskohorten sind großartig, um Ihnen Trends aufzuzeigen und Ihnen mitzuteilen, wenn Menschen abwandern, aber um zu verstehen, warum sie gehen, müssen Sie sich einer anderen Art von Kohorte zuwenden: Verhaltenskohorten.
Verhaltenskohorten: Entdecken Sie, welche Verhaltensweisen die Kundenbindung fördern
Von dem Moment an, in dem sich Benutzer bei Ihrem Produkt anmelden, treffen sie Hunderte von Entscheidungen und zeigen unzählige kleine Verhaltensweisen, die zu ihrer Entscheidung führen, zu bleiben oder zu gehen. Indem Sie Ihre Benutzer basierend auf diesen Verhaltensweisen segmentieren, können Sie Informationen darüber erhalten, welche Funktionen in Ihrem Produkt das Wachstum vorantreiben.
Wenn Sie Ihr Benutzer-Onboarding zur Optimierung der Kundenbindung überarbeiten, müssen Sie den effektivsten Weg dafür finden. Anstatt anhand von Anekdoten oder zufälligen Entscheidungen auszuwählen, woran gearbeitet werden soll, ermöglichen Ihnen Verhaltenskohorten, sich systematisch und quantitativ für einen Ansatz zu entscheiden. Verhaltenskohorten gruppieren Benutzer basierend auf den spezifischen Aktionen, die sie ausgeführt (oder nicht ausgeführt) haben.
Die richtigen Kohorten finden
Für Ihre Musik-App können Sie verschiedene Benutzerkohorten aus Aktionen wie dem Abspielen eines Songs, der Suche nach einem Künstler oder dem Erstellen einer Wiedergabeliste erstellen.
Angenommen, Sie möchten die Bindung von Benutzern sehen, die Songs in der App als Favoriten markiert haben. Sie können Verhaltenskohorten verwenden, um die Aufbewahrung für neue Benutzer zu untersuchen, die drei oder mehr Songs zu ihren Favoriten hinzugefügt haben:
Während fast 60 % aller Nutzer (blau) innerhalb eines Tages nach Nutzung der App abwandern, brechen nur etwa 15 % der Nutzer, die drei oder mehr Songs (grün) favorisieren, nach dem ersten Tag ab.
Kohorten umkehren
Da Sie nun wissen, wie sich die Aufbewahrung für Benutzer ändert, die mit der bevorzugten Funktion interagieren, können Sie sich auch ansehen, wie sie sich für diejenigen ändert, die dies nicht tun. Unten ist die Aufbewahrung für Benutzer, die einen Song nicht favorisiert haben:
Benutzer, die einen Song überhaupt nicht favorisiert haben (lila), haben eine schlechtere Bindung als die meisten – weniger als 25 % dieser Benutzer wandern nach dem ersten Tag ab.
Aus dieser einfachen Visualisierung können Sie ersehen, dass es ihnen ermöglicht, den Kernwert der App zu entdecken, wenn sie Menschen früh in ihrer Erfahrung zu Lieblingssongs bringen, was bedeutet, dass sie mit größerer Wahrscheinlichkeit als Benutzer fortfahren werden. Jetzt, da Sie über diese Daten verfügen, können Sie sie in die Tat umsetzen, indem Sie die Funktion „Lieblingslieder“ während des Onboardings hervorheben. Das wird dazu führen, dass mehr Benutzer Songs früh in ihrer Customer Journey bevorzugen und letztendlich zu besseren Bindungsraten führen.
Kohorten kombinieren
Sie können Verhaltenskohorten basierend auf jeder Aktion erstellen, die in Ihrem Produkt ausgeführt werden kann. Das bedeutet, dass Sie beliebig viele verschiedene Benutzeraktionen mit Benutzerbindungsraten korrelieren können.
Beispielsweise verfügt Ihre Musik-App über eine Funktion, mit der Benutzer Communitys basierend auf ihren Lieblingsgenres beitreten können. Sie können diesen Datensatz extrahieren, um zu sehen, ob dies zur Verbesserung der Aufbewahrung beiträgt oder ob es sich um eine Funktion handelt, die sich nicht auf ihren Lebensdauerwert auswirkt.
Hier können Sie sehen, dass die anfängliche Bindung für Benutzer, die Communities beitreten (lila), ähnlich ist wie für Benutzer, die Lieblingslieder (grün) haben, aber am Ende von Tag 30 etwas besser und viel besser als für alle Benutzer (blau).
Wenn Benutzer mit anderen Menschen in Kontakt treten und mehr Musik zum Spielen finden, beginnen sie, die App mehr zu genießen und sie weiterhin zu verwenden. Sie würden dies wahrscheinlich in Ihrem Aufbewahrungsprozess vermuten, aber jetzt haben Sie Daten, die Ihre Hypothese stützen.
Die Kombination verschiedener Verhaltenskohorten gibt Ihnen ein besseres Verständnis der Beziehungen zwischen den verschiedenen Merkmalen Ihres Produkts und wie sie wahrscheinlich die Kundenbindung fördern.
Die richtigen Kombinationen finden
Was ist mit Benutzern, die Songs bevorzugen und Communitys beitreten? Mit Amplitude können Sie Ihre Aktionen filtern, um diese beiden Kohorten zu kombinieren:
Wie Sie sehen können, verwenden Benutzer, die beide dieser Verhaltensweisen aufweisen, die App in den ersten Wochen mit weitaus größerer Wahrscheinlichkeit weiter. Am Ende der ersten Woche liegt die Bindung für die Kohorte Favorit + Community (blau) bei über 75 %, während sie bei Benutzern ohne eines dieser Verhaltensweisen (grün) unter 25 % liegt.
Korrelation, nicht Kausalität
Nur weil Leute, die Songs mögen und Communitys beitreten, weniger abwandern, bedeutet das nicht, dass die Abwanderung von Leuten zu diesen Verhaltensweisen automatisch Ihre Abwanderungsrate verringert. Zum Beispiel wird ein Call-to-Action, der sie dazu bringt, bei der Anmeldung 20 Communities beizutreten, die Leute wahrscheinlich abschrecken.
Das liegt daran, dass Korrelation keine Kausalität impliziert. Das Favorisieren von Songs und der Beitritt zu Communitys könnten lediglich mit der Benutzerinteraktion korreliert sein, nicht aber diese verursachen . Um die Ursache zu bestimmen, können Sie verschiedene Onboarding-Flows A/B-testen, die die Lieblingssongs betonen, um zu sehen, ob dies die Retention erhöht.
Sobald Sie Daten aus Verhaltenskohorten haben, können Sie damit beginnen, Experimente mit einem A/B-Testtool wie dem Amplitudenexperiment durchzuführen, um Verhaltensweisen zu testen, die möglicherweise mit der Bindung zusammenhängen. Sie können sehen, was funktioniert und was nicht, und Ihre Kundenbindung systematisch steigern.
Vorausschauende Kohorten: Erhöhen Sie Ihren Marketing-ROI
Sie können prädiktive Kohorten verwenden, um zu bestimmen, wie wahrscheinlich es ist, dass ein Benutzer in Zukunft einen Song kauft, basierend auf seiner Verhaltenskohorte.
Eine Möglichkeit, diese Geschäftsfrage zu beantworten, besteht darin, eine Kohorte neuer Benutzer zu nehmen, die einen Song über einen bestimmten Zeitraum geteilt haben, sagen wir in den letzten 14 Tagen, und eine Vorhersageanalyse durchzuführen. Diese Art der Analyse funktioniert am besten, wenn Sie eine Kohortengröße von mehr als 100.000 Benutzern haben, da Sie genügend Daten benötigen, damit das maschinelle Lernmodell eine Vorhersage treffen kann. Nach etwa 30 bis 60 Minuten ordnet das Modell bestimmte Kohorten danach ein, wer am wahrscheinlichsten eine bestimmte Aktion ausführt, z. B. den Kauf eines Songs.
Auch hier haben Sie jetzt Daten in einem einfachen Kohortendiagramm, um eine effektive Geschäftsentscheidung zu treffen. Beispielsweise könnten Sie sich auf die obersten 5 % der Nutzer konzentrieren, die am wahrscheinlichsten einen Song kaufen. Wählen Sie diese Kohorte aus, geben Sie diese Benutzer in ein Drittanbieter-Tool und richten Sie sie für eine Marketingkampagne aus. Dies kann eine Push-Benachrichtigung, eine E-Mail oder eine SMS-Benachrichtigung sein, um sie zum Handeln zu ermutigen. In diesem Fall einen Kauf tätigen.
Gleichzeitig könnten Sie sich die 20 % der Nutzer ansehen, die bei der prädiktiven Analyse mit der geringsten Wahrscheinlichkeit Ihre bevorzugte Aktion ausführen, und sich dafür entscheiden, keine Marketingausgaben auf ihre Art zu tätigen, da dies unwahrscheinlich ist, dass sie zu Ergebnissen führen. Alternativ könnten Sie zu dem Schluss kommen, dass die Benutzergruppe einfach einen anderen oder größeren Anreiz benötigt. Vielleicht erweist sich das Senden eines 50 %-Rabattgutscheins als ein Angebot, das so gut ist, dass sie es nicht ablehnen können.
In jedem Fall können Sie die Reaktion dieser Kohorten auf Ihre neue Richtung messen und Ihre Marketinginvestitionen basierend auf Ihrer Analyse kontinuierlich anpassen.
Tools für die Kohortenanalyse
Moderne Märkte bewegen sich schnell, und Unternehmen, die keine schnellen Entscheidungen auf der Grundlage genauer Daten treffen können, werden Einnahmen verlieren. Ohne die richtigen Analysetools müssen sich nichttechnische Teams, die Daten benötigen, um bessere Geschäftsentscheidungen zu treffen, auf Datenanalysten und Dateningenieure verlassen.
Das kann bedeuten, dass Sie ein Ticket beim Datenteam einreichen und Tage oder sogar Wochen warten müssen, bis zeithungrige Analysten Tabellenkalkulationen liefern. Dann muss jemand in Ihrem Team genügend Zeit haben, um diese Daten zu durchsuchen und nach Erkenntnissen zu suchen.
Amplitude: Wie das richtige Kohortenanalyse-Tool Geschäftsentscheidungen beschleunigt
Mit Amplitude können Produktmanager und Vermarkter ihre eigenen Fragen beantworten, indem sie eine Self-Service-Kohortenanalyse auf drei Arten durchführen.
1. Sie können eine Kohorte innerhalb eines beliebigen Diagramms in Amplitude erstellen, wie das unten stehende Diagramm zur Retentionsanalyse. Hier können Sie eine beliebige Kombination von Verhaltensweisen und Profileigenschaften auswählen, z. B. Benutzer, die einen Song favorisieren oder einer Community beitreten.
2. Sie können auch einen speziellen Kohortenabschnitt verwenden, um benutzerdefinierte Kohortendefinitionen basierend auf Ihren speziellen Parametern zu erstellen. Diese benutzerdefinierte Kohorte kann dann in anderen Diagrammen verwendet werden. Die folgende Kohorte zeigt beispielsweise neue, aktive Benutzer auf iOS, die in den letzten 30 Tagen einen Pop- oder Rocksong geteilt haben.
3. Sie können eine Kohorte basierend auf einem einzelnen Datenpunkt erstellen, der in einem beliebigen Diagramm gefunden wird. Beispielsweise können Sie neue Benutzer aus einer Produkteinführung am 26. Juli identifizieren.
Letztendlich befähigt ein gutes Kohortenanalyse-Tool nicht-technische Teams, Fragen zu stellen und zu beantworten. Indem sie diese Informationen direkt in ihre Hände legen, erhalten sie ein besseres Verständnis für die Benutzer ihrer Produkte und bessere Daten, um die Geschäftsergebnisse voranzutreiben.
Andere Kohortenanalyse-Tools
Neben Amplitude gibt es viele Tools auf dem Markt, die es Produktmanagern und Vermarktern ermöglichen, Kohortenanalysen durchzuführen, darunter:
- Contentsquare
- Ganze Geschichte
- Gewinnsicht PX
- Glaskasten
- Haufen
- LogRocket
- Mixpanel
- Pendo
- Smartlook
Erfahren Sie mehr über diese und andere Tools zur Kohortenanalyse auf einer Software-Review-Website wie G2.
Beispiele für Kohortenanalysen
Hier sind einige Beispiele dafür, wie Kunden von Amplitude Kohortenanalysen durchgeführt haben, um Geschäftsergebnisse zu erzielen.
Ruhe: Beispiel einer Kohortenanalyse für die Kundenbindung
Einer Vermutung folgend, verwendete Calm Verhaltenskohorten, um die Bindung von Benutzern zu testen, die tägliche Erinnerungen in seiner Meditations-App eingestellt haben, im Vergleich zu denen, die die Funktion nicht nutzten. Sie entdeckten eine 3-fache Erhöhung der Kundenbindung für Benutzer, die tägliche Erinnerungen festlegen.
Die Erinnerung war nicht leicht zu finden, also bestand die Möglichkeit, dass die Benutzer, denen die App aus einem anderen Grund am besten gefiel, einfach weiter in den Menüs stöberten und die Funktion fanden. Um zu testen, ob dies eine Korrelation oder Kausalität war, änderte Calm sein Onboarding-Tutorial, um einige neue Benutzer zu ermutigen, eine Erinnerung festzulegen, und ließ andere Erstbenutzer als Kontrollgruppe zurück.
Diese 3-fache Aufbewahrungsrate hielt während des Experiments an, also fügte Calm die Aufforderung hinzu, tägliche Erinnerungen in seinem nächsten App-weiten Update festzulegen.
Eckpfeiler: Beispiel einer Kohortenanalyse für schnellere Entscheidungen
Cornerstone hat seinen Produktmanagement-Workflow mit Hilfe von Amplitude transformiert. Früher mussten Produktmanager Daten von Ingenieuren anfordern.
Diese Ingenieure erstellten einen Kohortenbericht mit Tabellen voller Informationen, was einen Vollzeitmitarbeiter erforderte, um die Informationen zu durchforsten und Erkenntnisse zu gewinnen, die zu besseren Geschäftsergebnissen führen könnten.
Der ganze Vorgang kann Tage dauern. Oder Wochen. Jetzt können Produktmanager dieselben Daten innerhalb von Minuten abrufen und die Erkenntnisse nutzen, um schnelle Entscheidungen zu treffen.
Erste Schritte mit der Kohortenanalyse
Die Einrichtung Ihrer eigenen Kohortenanalyse mit einem Kohortenanalyse-Tool wie Amplitude ist einfach:
- Werfen Sie einen Blick auf Ihre Bindung nach Kundengewinnungskohorte. Das zeigt Ihnen, wann Benutzer abbrechen.
- Definieren Sie Ereignisse für einige der wichtigsten Benutzeraktionen Ihrer App und rufen Sie dann Ihre Verhaltenskohorten auf. Analysieren Sie Ihre Verhaltenskohorten, indem Sie sie vergleichen, invertieren und kombinieren. Verwenden Sie dies mit Ihren Erkenntnissen aus der Betrachtung von Akquisitionskohorten, um eine Hypothese über Aktionen zu erstellen, die Sie während eines bestimmten Teils der Customer Journey hervorheben können, um die Kundenbindung zu fördern.
- Nehmen Sie Änderungen an Ihrer App vor – verwenden Sie A/B-Tests mit Amplitude Experiment, wenn Sie ein ausreichend hohes Nutzungsvolumen haben –, um zu sehen, ob das Auslösen bestimmter Aktionen in Ihrer App tatsächlich dazu führt, dass Benutzer zurückkommen.
- Verarbeiten Sie Ihr Gelerntes und wiederholen Sie es.
Mit den Verhaltenskohorten von Amplitude können Sie die Besonderheiten des Verhaltens Ihrer Kunden erkennen und beginnen, datengesteuerte Entscheidungen zu treffen, um ihre Erfahrungen mit Ihrem Produkt zu verbessern.
Probieren Sie die Kohortenanalyse noch heute mit einem kostenlosen Amplitudenplan aus oder sehen Sie sich unser Playbook Mastering Retention an, um zu erfahren, wie Sie die Retention weiter steigern können.
Verweise
- Der definitive Leitfaden für Verhaltenskohorten. Amplitude.
- Schritt-für-Schritt-Anleitung zur Kohortenanalyse und Reduzierung der Abwanderungsrate. Amplitude.
- Kohortenanalyse – Alles, was Sie mit Akquisitionskohorten tun können. Saras.
- Benchmark-Bericht für mobile Apps 2019 zur Information Ihrer Strategie für 2020. Hochland.
- Verwendung der Kohortenanalyse zur Conversion-Optimierung. Speero.
