什么是 Cohort Analyis + 如何用于 CRO

大多数时候，当 CRO 专业人士谈到测试内容时，他们指的是 A/B 测试。 然而，这并非总是如此。 有时在某些情况下，像 A/B 测试这样的横断面研究并不是正确的分析方法。 如果时间是比较的一个因素，那么纵向研究是最好的。

“什么是群组分析”这个问题的答案是，群组分析是 AB 测试的一种替代方法，AB 测试是一种纵向测试，可用于通过跟踪组随时间的变化来发现用户组之间的关系。

在测试对复制或其他元素所做的更改的有效性时，这与您的 CRO 和 SEO 活动高度相关。

在许多情况下，分析工具中显示的数据被集中在一起，因此很难确定是什么导致了从一个时期到另一个时期的变化。

为了通过您的数据了解您的用户，您需要对该数据进行细分，然后将其与之前广告系列的同一细分进行比较。 例如，复活节特价促销，如果由于某种未知原因特别成功，通过比较上一年的结果，它可以帮助您了解差异并潜在地确定成功的原因。

最终的想法是复制成功并对其进行改进。 以这个复活节活动场景为例，可以通过群组分析检查以下几点。

消费者行为差异

• 转化漏斗每年的差异，考虑之前遇到的微转化、消息风格等。
• 价格每年都有变化。 价格分析总是有利于定期测试。
• 如何

接触点

• 消息/提供可见性和可用性和交互。 它是否影响了您的平均订单价值？
• 广告类型、位置、曝光和支出。
• 与上一年相比，考虑所有接触点、跨渠道曝光/活动。

分析

• 对于转化，查看它们如何根据流量来源与前一年的变化很有用
• 页面上的跳出率和时间，提供了一个极好的改进机会
• 群组分析可在 Google Analytics 中免费使用。

随意在下面的评论中建议队列分析的其他用途。

如何识别新角色

使用群组分析的另一个好方法是使用调查数据来识别潜在的用户组，然后定义角色。 不同群体的群组分析可以告诉您使用 OptiMonk 触发的即时消息来定位这些群体的最佳方式。 因此，队列分析有助于为每个角色创建客户旅程图和转换渠道。

确定可用作客户在转化漏斗中的每个阶段的比较点的数据。 通常，微转换往往是一个很好的起点。 一个角色与另一个角色的区别在于兴趣点，从用户参与的内容中识别出来。

如何有效地收集调查数据

您可以使用 Cohort 分析来利用 OptiMonk 的一项重要功能是多项选择反馈收集消息和 NPS nanobar。 两者都可以实现一致的数据收集，从而可以深入了解您网站的不同访问者群体、客户甚至重复访问者。 当然，您提出的问题是这里的关键方面（查看我关于该主题的博客文章）。

不要忘记您还可以使用自定义字段并将它们放在您的调查消息中。

例如，要了解哪些行业对您的产品最感兴趣，您可以为行业或业务类型创建自定义字段。 完成后，您将获得有关如何改进业务的强大数据，同时也有办法衡量随时间的变化。 一个非常有价值的工具，用于衡量您的产品或服务随着时间的推移而发生的变化。

需要考虑的陷阱

事情发生了变化，这部分是我们进行队列分析的原因。 然而，为了获得一组干净的数据，总是要留出足够的时间来测量。

它不需要是几年，但是对于较短的时间段，您需要考虑可能会因季节或季节而变化的其他方面，例如天气、假期和事件的业务时间表。 这些数据如何影响您的结果？

尽管数据集的横断面研究非常有用（例如 A/B 测试），可以为您提供有关需要改进的信息，但仅靠结果永远无法提供完整的画面。

我经常看到客户依赖 A/B 测试，然后基于不正确的原因假设做出错误的更改。 为了更好地了解如何改进您的产品，还需要进行检查，一个很好的方法是进行纵向研究，例如队列分析。

我有兴趣通过下面的评论部分了解您的用例以及您从进行此类调查中获得的见解。