Cohort Analyis คืออะไร + ใช้สำหรับ CRO . ได้อย่างไร

ส่วนใหญ่เมื่อผู้เชี่ยวชาญ CRO พูดถึงเนื้อหาการทดสอบ พวกเขาหมายถึงการทดสอบ A/B อย่างไรก็ตาม นี่ไม่ใช่กรณีเสมอไป บางครั้งมีสถานการณ์ที่การศึกษาแบบภาคตัดขวาง เช่น การทดสอบ A/B ไม่ใช่แนวทางที่ถูกต้องในการวิเคราะห์ ในกรณีที่เวลาเป็นปัจจัยในการเปรียบเทียบ การศึกษาตามยาวจะดีที่สุด

คำตอบสำหรับคำถาม "การวิเคราะห์ตามรุ่นคืออะไร" คือการวิเคราะห์ตามรุ่นเป็นทางเลือกหนึ่งแทนการทดสอบ AB ซึ่งเป็นการทดสอบตามยาวที่มีประโยชน์ในการค้นหาความสัมพันธ์ระหว่างกลุ่มผู้ใช้โดยการติดตามการเปลี่ยนแปลงในกลุ่มเมื่อเวลาผ่านไป

สิ่งนี้มีความเกี่ยวข้องสูงสำหรับกิจกรรม CRO และ SEO ของคุณเมื่อทดสอบประสิทธิภาพของการเปลี่ยนแปลงที่ทำขึ้นเพื่อคัดลอกหรือองค์ประกอบอื่นๆ

ในหลายกรณี ข้อมูลที่แสดงในเครื่องมือวิเคราะห์จะรวมกันเป็นก้อน ทำให้ยากต่อการพิจารณาว่าอะไรทำให้เกิดการเปลี่ยนแปลงจากช่วงเวลาหนึ่งไปอีกช่วงหนึ่ง

เพื่อให้เข้าใจผู้ใช้ของคุณผ่านข้อมูลของคุณ คุณต้องแบ่งกลุ่มข้อมูลนั้นแล้วเปรียบเทียบกับกลุ่มเดียวกันสำหรับแคมเปญก่อนหน้า ตัวอย่างเช่น โปรโมชันข้อเสนอพิเศษสำหรับเทศกาลอีสเตอร์ หากประสบความสำเร็จเป็นพิเศษโดยไม่ทราบสาเหตุ โดยการเปรียบเทียบผลลัพธ์ของปีที่แล้วจะช่วยให้คุณเข้าใจความแตกต่างและอาจระบุสาเหตุของความสำเร็จได้

ท้ายที่สุดแล้ว แนวคิดก็คือการจำลองความสำเร็จและปรับปรุงให้ดีขึ้น การใช้สถานการณ์สมมติแคมเปญอีสเตอร์นี้เป็นตัวอย่าง ประเด็นต่อไปนี้สามารถตรวจสอบได้ด้วยการวิเคราะห์ตามรุ่น

ความแตกต่างของพฤติกรรมผู้บริโภค

• ความแตกต่างของช่องทาง Conversion ทุกปี พิจารณา Conversion ย่อย รูปแบบข้อความที่พบก่อนหน้านี้ ฯลฯ
• การเปลี่ยนแปลงราคาปีต่อปี การวิเคราะห์ราคานั้นดีเสมอในการทดสอบอย่างสม่ำเสมอ
• ทำอย่างไร

จุดสัมผัส

• ข้อความ / ข้อเสนอการมองเห็นและความพร้อมใช้งานและการโต้ตอบ ส่งผลต่อมูลค่าการสั่งซื้อเฉลี่ยของคุณหรือไม่?
• ประเภทโฆษณา สถานที่ตั้ง จำนวนผู้ที่เห็นโฆษณา และรายจ่าย
• พิจารณาจุดติดต่อทั้งหมด การเปิดเผยข้ามช่อง/แคมเปญเทียบกับปีที่แล้ว

การวิเคราะห์

• สำหรับ Conversion การดูว่าพวกเขาแตกต่างกันไปตามแหล่งที่มาของการเข้าชมเทียบกับปีที่แล้วจะมีประโยชน์อย่างไร
• อัตราตีกลับและเวลาบนหน้า ให้โอกาสที่ยอดเยี่ยมสำหรับการปรับปรุง
• การวิเคราะห์ตามการได้มาฟรีใน Google Analytics

อย่าลังเลที่จะแนะนำการใช้งานอื่นๆ ของการวิเคราะห์ตามรุ่นในความคิดเห็นด้านล่าง

วิธีการระบุตัวตนใหม่

อีกวิธีที่ดีในการใช้การวิเคราะห์ตามรุ่นคือการใช้ข้อมูลการสำรวจเพื่อระบุกลุ่มผู้ใช้ที่มีศักยภาพและกำหนดลักษณะบุคคล การวิเคราะห์ตามการได้มาของกลุ่มต่างๆ สามารถบอกวิธีที่ดีที่สุดในการกำหนดเป้าหมายกลุ่มเหล่านั้นด้วยข้อความโต้ตอบแบบทันทีที่เรียกใช้ของ OptiMonk การวิเคราะห์ตามการได้มาจึงช่วยในกระบวนการสร้างแผนที่การเดินทางของลูกค้าและช่องทางการแปลงสำหรับแต่ละบุคคล

ระบุข้อมูลที่สามารถใช้เป็นจุดเปรียบเทียบสำหรับทุกขั้นตอนของการเดินทางของลูกค้าของคุณตลอดกระบวนการแปลง โดยปกติ Conversion ย่อยมักจะเป็นจุดเริ่มต้นที่ดี สิ่งที่แตกต่างระหว่างบุคคลจากอีกบุคคลหนึ่งคือจุดสนใจ ซึ่งระบุจากเนื้อหาที่ผู้ใช้มีส่วนร่วม

วิธีการรวบรวมข้อมูลการสำรวจอย่างมีประสิทธิภาพ

คุณลักษณะที่ยอดเยี่ยมอย่างหนึ่งของ OptiMonk ที่คุณสามารถใช้ประโยชน์ได้โดยใช้การวิเคราะห์ตามการได้มาคือข้อความรวบรวมข้อเสนอแนะแบบเลือกตอบและ NPS nanobar ทั้งสองเปิดใช้งานการรวบรวมข้อมูลที่สอดคล้องกันซึ่งสามารถให้ข้อมูลเชิงลึกที่ยอดเยี่ยมเกี่ยวกับกลุ่มผู้เยี่ยมชมที่แตกต่างกันของเว็บไซต์ของคุณ ลูกค้า หรือแม้แต่ผู้เยี่ยมชมซ้ำ แน่นอนว่าคำถามที่คุณถามคือส่วนสำคัญที่นี่ (ชำระเงินที่โพสต์บล็อกของฉันในหัวข้อนี้)

อย่าลืมว่าคุณยังสามารถใช้ฟิลด์ที่กำหนดเองและวางไว้ในข้อความแบบสำรวจของคุณได้

ตัวอย่างเช่น เพื่อให้เข้าใจว่าอุตสาหกรรมใดสนใจผลิตภัณฑ์ของคุณมากที่สุด คุณสามารถสร้างฟิลด์แบบกำหนดเองสำหรับอุตสาหกรรมหรือประเภทธุรกิจได้ เมื่อเสร็จแล้ว คุณมีข้อมูลที่มีประสิทธิภาพในการปรับปรุงธุรกิจของคุณ แต่ยังมีวิธีวัดการเปลี่ยนแปลงเมื่อเวลาผ่านไป เครื่องมือที่มีค่าอย่างยิ่งในการวัดการเปลี่ยนแปลงเมื่อผลิตภัณฑ์หรือบริการของคุณเปลี่ยนแปลงไปตามกาลเวลา

ข้อผิดพลาดที่ต้องพิจารณา

สิ่งต่างๆ เปลี่ยนไป ซึ่งส่วนหนึ่งเป็นสาเหตุที่เราทำการวิเคราะห์ตามรุ่น อย่างไรก็ตาม เพื่อให้ได้ชุดข้อมูลที่สะอาด ให้เผื่อเวลาไว้เพียงพอในการวัดเสมอ

ไม่จำเป็นต้องเป็นปี แต่สำหรับช่วงเวลาที่สั้นกว่านั้น คุณต้องพิจารณาด้านอื่นๆ ที่อาจแตกต่างกันไปในแต่ละเดือนหรือตามฤดูกาล เช่น สภาพอากาศ ช่วงวันหยุด และตารางเวลาของกิจกรรมทางธุรกิจ ข้อมูลนี้ส่งผลต่อผลลัพธ์ของคุณอย่างไร

แม้ว่าการศึกษาแบบตัดขวางของชุดข้อมูลจะมีประโยชน์อย่างยิ่ง (เช่น การทดสอบ A/B) ซึ่งทำให้คุณได้รับข้อมูลเกี่ยวกับสิ่งที่ต้องการการปรับแต่ง ผลลัพธ์เพียงอย่างเดียวไม่เคยให้ภาพรวมที่สมบูรณ์

บ่อยครั้งที่ฉันเห็นลูกค้าอาศัยการทดสอบ A/B แล้วทำการเปลี่ยนแปลงที่ไม่ถูกต้องตามสมมติฐานของสาเหตุที่ไม่ถูกต้อง เพื่อให้มีความเข้าใจมากขึ้นเกี่ยวกับวิธีการปรับปรุงข้อเสนอของคุณ จำเป็นต้องมีการตรวจสอบเพิ่มเติม วิธีหนึ่งที่ดีในการทำเช่นนี้คือการศึกษาระยะยาว เช่น การวิเคราะห์ตามรุ่น

ฉันสนใจที่จะรับฟังเกี่ยวกับกรณีการใช้งานของคุณและข้อมูลเชิงลึกที่คุณได้รับจากการตรวจสอบดังกล่าวผ่านทางส่วนความคิดเห็นด้านล่าง