コホート分析とは+CROにどのように使用できるか

ほとんどの場合、CROの専門家がコンテンツのテストについて話すとき、それらはA/Bテストを意味します。 ただし、これが常に当てはまるとは限りません。 A/Bテストのような横断的研究が分析への正しいアプローチではない状況が時々あります。 時間を比較の要因とする場合は、縦断研究が最適です。

「コホート分析とは」という質問に対する答えは、コホート分析はABテストの代替手段のひとつであり、グループの変化を経時的に追跡することでユーザーグループ間の関係を見つけるのに役立つ縦断的テストです。

これは、コピーやその他の要素に加えられた変更の有効性をテストする際のCROおよびSEOの活動に非常に関連しています。

多くの場合、分析ツールに表示されるデータはひとまとめにされているため、ある期間から別の期間への変更の原因を特定することは困難です。

データを通じてユーザーを理解するには、そのデータをセグメント化してから、以前のキャンペーンの同じセグメントと比較する必要があります。 たとえば、イースターの特別オファープロモーションは、何らかの理由で特に成功した場合、前年の結果を比較することで、違いを理解し、成功の原因を特定するのに役立ちます。

最終的には、成功を再現し、それを改善するというアイデアがあります。 このイースターキャンペーンのシナリオを例として使用すると、コホート分析で次の点を調べることができます。

消費者行動の違い

• コンバージョンファネルの年ごとの違い、以前に遭遇したマイクロコンバージョン、メッセージスタイルなどを考慮してください。
• 価格は年ごとに異なります。 価格分析は、定期的にテストするのに常に適しています。
• どうやって

タッチポイント

• メッセージ/可視性と可用性および相互作用を提供します。 それはあなたの平均注文額に影響を与えましたか？
• 広告の種類、場所、露出、および支出。
• すべてのタッチポイント、クロスチャネルエクスポージャー/キャンペーンと前年を比較してください。

分析

• コンバージョンの場合、トラフィックソースと前年のトラフィックによってどのように変化するかを確認すると便利です。
• ページのバウンス率と時間は、改善のための素晴らしい機会を提供します
• コホート分析は、GoogleAnalyticsで無料で利用できます。

以下のコメントで、コホート分析の他の使用法を自由に提案してください。

新しいペルソナを識別する方法

コホート分析を使用するもう1つの優れた方法は、調査データを使用して潜在的なユーザーグループを特定し、ペルソナを定義することです。 さまざまなグループのコホート分析により、OptiMonkのトリガーされたインスタントメッセージでそれらのグループをターゲットにする最良の方法がわかります。 したがって、コホート分析は、各ペルソナのカスタマージャーニーマップとコンバージョンファネルを作成するプロセスに役立ちます。

コンバージョンファネルに沿ったカスタマージャーニーのすべての段階の比較ポイントとして使用できるデータを特定します。 通常、マイクロコンバージョンは良い出発点になる傾向があります。 あるペルソナを別のペルソナと区別するのは、ユーザーが関与するコンテンツから特定される関心のあるポイントです。

調査データを効果的に収集する方法

コホート分析を使用して活用できるOptiMonkの優れた機能の1つは、多肢選択式のフィードバック収集メッセージとNPSナノバーです。 どちらも一貫したデータ収集を可能にし、Webサイトのさまざまな訪問者グループ、顧客、さらにはリピーターにさえも優れた洞察を提供できます。 もちろん、あなたが尋ねる質問はここで重要な側面です（このトピックに関する私のブログ投稿をチェックしてください）。

カスタムフィールドを使用して、調査メッセージに配置することもできることを忘れないでください。

たとえば、どの業界が製品に最も関心を持っているかを理解するために、業界または業種のカスタムフィールドを作成できます。 完了すると、ビジネスを改善する方法に関する強力なデータが得られるだけでなく、時間の経過に伴う変化を測定する方法も得られます。 製品やサービスが時間の経過とともに変化するときの変化を測定するための非常に価値のあるツール。

考慮すべき落とし穴

状況は変化します。これが、コホート分析を行っている理由の1つです。 ただし、クリーンなデータセットを取得するには、常に十分な時間をかけて測定する必要があります。

数年である必要はありませんが、期間が短い場合は、天気、休日、イベントの営業時間表など、月や季節ごとに異なる他の側面を考慮する必要があります。 このデータは結果にどのように影響しますか？

データセットの横断的研究（A / Bテストなど）は非常に有用ですが、何を改善する必要があるかについての情報を提供しますが、結果だけでは全体像を提供することはできません。

顧客がA/Bテストに依存していて、原因の誤った仮定に基づいて間違った変更を行っているのをよく目にします。 オファリングを改善する方法をより深く理解するには、さらに検査が必要です。これを行うための1つの優れた方法は、コホート分析などの縦断研究を使用することです。

以下のコメントセクションを介して、あなたのユースケースとそのような調査を行うことから得られる洞察について聞いてみたいと思います。