전자상거래 개인화 블로그

코호트 분석은 매출을 늘릴 수 있습니다. 불행히도 많은 전자 상거래 상점은 코호트 데이터를 유지율 향상으로 제한하거나 더 나쁘게는 전혀 사용하지 않습니다.

이 가이드는 전자 상거래 브랜드가 코호트 분석을 사용하여 구매 후 캠페인, 광고 지출 최적화, 영향력이 큰 코호트 및 고객 세그먼트에 대한 제안 개인화와 같은 주요 운영을 개선하는 방법을 보여줍니다.

예제와 함께 코호트 분석을 사용하는 방법으로 바로 건너뛰려면 여기를 클릭하십시오. 그렇지 않으면 코호트 분석이 무엇인지, 왜 이를 설정하는 데 시간을 투자해야 하는지 읽어보십시오.

코호트 분석은 하나 이상의 특성별로 사용자를 그룹화하고 시간 경과에 따른 행동을 추적하는 행동 세분화 유형입니다.

가장 일반적인 동질 집단 분석은 획득 날짜별로 사용자를 그룹화합니다. 여기에는 다음이 포함됩니다.

코호트 분석은 전자 상거래 회사가 사용할 수 있는 훌륭한 도구입니다. 다음은 동질 집단 보고서를 디자인하고 사용함으로써 얻을 수 있는 가장 일반적인 이점 중 일부입니다.

코호트 분석의 주요 이점은 시간이 지남에 따라 고객이 어떻게 행동하는지 이해하는 것입니다.

코호트별로 분류하지 않으면 회사의 성장이나 쇠퇴로 인해 개인화, 전환 최적화 또는 기타 노력의 영향이 모호해집니다.

코호트 분석은 브랜드의 이탈률을 확인하고 이해하는 가장 좋은 방법입니다. 기존 고객이 신규 고객보다 평균 73.72% 더 많은 비용을 지출한다는 점을 감안할 때 유지율을 극대화하는 방법을 찾는 것은 코호트 유지 분석의 주요 이점 중 하나입니다.

이미지 크레딧

마지막으로 코호트 분석을 사용하여 고객을 효과적으로 분류할 수 있습니다.

예를 들어, 최근에 사라진 고객과 매주 재방문하는 고객, 그리고 사이트를 처음 접한 고객을 위해 어떤 개인적인 경험을 만들어야 하는지 등을 알 수 있습니다. 다른 광고 캠페인에서 온 고객은 다르게 행동합니까? 그렇다면 어떻게 더 나은 제안을 만들 수 있습니까?

다음은 코호트 분석을 사용하여 얻을 수 있는 질문 및 답변 유형입니다.

이메일 마케팅 통계에 대한 마지막 연구에 따르면 구매 후 캠페인은 전체 시간의 8.2%를 전환했습니다.

코호트 분석을 통해 고객이 언제 자연스럽게 재방문하여 재구매하는지 파악할 수 있습니다. 이 데이터를 사용하여 구매 후 캠페인을 최적화하고 보충 알림 트리거 메시지로 캠페인을 보강할 수 있습니다.

위에서 Tula는 코호트 분석을 사용하여 고객이 자연스럽게 또 다른 구매를 하는 시점을 이해합니다. 그들은 이 날짜 이전에 미리 알림으로 보충 이메일을 트리거하고 이후에 추가 인센티브를 추가합니다. 이 이메일에서는 세 가지 특정 이점을 강조합니다.

평생 가치(LTV)는 종종 전자 상거래 수익 측정항목의 성배로 취급됩니다.

그러나 현금 흐름과 ROI 계산 모두에 시간이 중요합니다. 이와 관련하여 투자 회수 기간은 광범위한 LTV 메트릭보다 훨씬 더 실행 가능합니다.

고객 확보에서 고객이 얼마나 자주 재방문하는지, 얼마나 빨리 재방문하는지, 고객이 재방문할 때 얼마나 많은 이익을 얻을 수 있습니까?

코호트 분석을 통해 고객이 기간당 얼마나 많은 수익을 창출하는지 명확하게 이해할 수 있습니다.

다음은 이 데이터를 보는 방법의 한 예입니다. 여기에서 코호트가 시간이 지남에 따라 얼마나 많은 수익을 창출하는지 차트로 표시합니다.

투자 회수 지표를 보다 실행 가능하게 만들려면 다양한 속성별로 데이터를 분류해야 합니다. 속성에는 다음이 포함될 수 있습니다.

Barilliance는 즉시 사용 가능한 다양한 행동 세분화를 통해 전자 상거래 상점에 권한을 부여합니다. 일반적으로 Barilliance는 방문한 페이지, 장바구니에 추가된 항목, 본 제품 표시 페이지와 같은 현장 참여를 추적할 수 있습니다.

컨텍스트 정보는 참조 도메인 또는 사용자가 마케팅 캠페인과 상호 작용했는지 여부와 같은 행동 세분화의 소스가 될 수도 있습니다. 마지막으로 고객이 특정 고객 프로필 또는 유지 세그먼트를 정의할 수 있습니다. 고객은 행동에 따라 자동으로 등록되거나 탈락합니다.

고객 확보 비용은 계속 증가하고 있습니다. 다음은 카테고리별 Amazon CPC의 예입니다.

이미지 크레딧

다음은 여러 산업에서 시간이 지남에 따라 CAC가 어떻게 변했는지 보여주는 또 다른 예입니다. 여기서 우리는 4년 전과 비교하여 B2B 산업에서 고객 획득 비용이 70%, B2C 브랜드의 경우 60% 이상 증가했음을 알 수 있습니다.

이미지 크레딧

ROAS 측정항목을 사용하여 광고 효율성을 결정하는 것이 어떻게 불리한지, 그리고 ROMI(마케팅 투자 수익률)에 ​​집중해야 하는 이유에 대해 논의했습니다.

코호트 분석은 실제로 진정한 마케팅 투자 수익을 얻을 수 있는 유일한 방법입니다. 위에서 논의한 바와 같이 코호트 데이터를 사용하여 획득 채널에서 얼마나 빨리 투자 회수를 기대할 수 있는지 이해할 수 있습니다.

이를 통해 투자 회수 시기와 궁극적으로 광고 캠페인의 수익성을 정확히 파악하여 더 많은 투자를 할 수 있습니다.

코호트 분석의 또 다른 흥미로운 사용 사례는 할인 효과입니다.

이렇게 하려면 먼저 두 개의 행동 코호트 세분화를 만드십시오. 하나는 할인을 통해 구매한 것이고 다른 하나는 할인 없이 구매한 것입니다. 그런 다음 이러한 집단이 향후 90일 동안(또는 귀하의 비즈니스에 적합한 기간 동안) 어떻게 행동하는지 비교하십시오.

할인으로 인해 충성도가 높은 고객인지 아니면 수익이 감소하는지 확인할 수 있습니다.

동질 집단 분석을 통해 전자 상거래 매장에서 할인 캠페인을 최적화할 수 있는 다른 방법이 있습니다.

리드가 전환되지 않으면 별도의 행동 집단에 배치될 수 있습니다. 그런 다음 불필요하게 마진을 제공할 염려 없이 보다 적극적인 할인 제안을 자유롭게 제공할 수 있습니다.

스티치 수정은 좋은 예를 제공합니다. 이 메시지는 사용자가 초기 적합성 평가를 완료했지만 구매를 완료하지 않은 경우에 전송됩니다.

이 제안은 사용하지 않을 경우 만료되는 $35 크레딧입니다.

프로파일을 강화하는 것은 코호트 분석의 효율성을 향상시키는 기본적인 기술입니다.

새로운 방문자는 종종 익명입니다. Fashion Nova는 초기 환영 팝업으로 이 문제를 사전에 해결합니다. 공격적인 인센티브(30% 할인)를 제공하는 것 외에도 사용자가 선호하는 항목을 선택할 수 있습니다.

그런 다음 이 데이터는 고객 프로필에 연결되어 코호트 세분화 및 향후 제안 개인화에 사용됩니다.

환영 캠페인의 목표는 관계를 구축하고 판매를 창출하는 것입니다.

여기에서 Sephora의 동급 최고의 예와 함께 다단계 환영 캠페인을 만드는 방법을 다루었습니다. 그러나 트리거된 이메일 캠페인을 직접 실행하려면 AB 테스트를 만들고 코호트 분석을 통해 분석해야 합니다.

다음 30일 및 60일 기간 동안 다양한 세그먼트의 실적을 신속하게 차트로 표시하고 궁극적으로 어떤 환영 시리즈가 신규 방문자를 반복 고객으로 전환하는 데 더 효과적인지 이해할 수 있습니다.

이 가이드는 전자 상거래 브랜드가 매출을 늘리기 위해 코호트 분석을 사용하는 방법을 보여주었습니다. Barilliance는 전자 상거래 브랜드가 코호트 분석에서 얻은 통찰력에 따라 행동하는 데 도움이 됩니다.

Barilliance를 사용하면 각 집단에 대해 개인화된 경험과 제안을 만들고 다변수 실험을 설정하여 수익을 점진적으로 늘리고 궁극적으로 비즈니스를 성장시킬 수 있습니다.

전자 상거래 개인화를 사용하여 코호트 경험을 개인화하는 방법을 살펴보려면 여기를 클릭하십시오.

그리고 개인화 전문가에게 문의하고 Barilliance가 귀하에게 적합한 파트너인지 확인하려면 여기에서 일대일 데모를 요청할 수 있습니다.