什麼是 Cohort Analyis + 如何用於 CRO

大多數時候，當 CRO 專業人士談到測試內容時，他們指的是 A/B 測試。 然而，這並非總是如此。 有時在某些情況下，像 A/B 測試這樣的橫斷面研究並不是正確的分析方法。 如果時間是比較的一個因素，那麼縱向研究是最好的。

對“什麼是群組分析”這個問題的答案是，群組分析是 AB 測試的一種替代方法，AB 測試是一種縱向測試，可以通過跟踪組隨時間的變化來發現用戶組之間的關係。

在測試對複製或其他元素所做的更改的有效性時，這與您的 CRO 和 SEO 活動高度相關。

在許多情況下，分析工具中顯示的數據被集中在一起，因此很難確定是什麼導致了從一個時期到另一個時期的變化。

為了通過您的數據了解您的用戶，您需要對該數據進行細分，然後將其與之前廣告系列的同一細分進行比較。 例如，復活節特價促銷，如果由於某種未知原因特別成功，通過比較上一年的結果，它可以幫助您了解差異並潛在地確定成功的原因。

最終的想法是複製成功並對其進行改進。 以這個複活節活動場景為例，可以通過群組分析檢查以下幾點。

消費者行為差異

• 轉化漏斗每年的差異，考慮之前遇到的微轉化、消息風格等。
• 價格每年都有變化。 價格分析總是有利於定期測試。
• 如何

接觸點

• 消息/提供可見性和可用性和交互。 它是否影響了您的平均訂單價值？
• 廣告類型、位置、曝光和支出。
• 與上一年相比，考慮所有接觸點、跨渠道曝光/活動。

分析

• 對於轉化，查看它們如何根據流量來源與前一年的變化很有用
• 頁面上的跳出率和時間，提供了一個極好的改進機會
• 群組分析可在 Google Analytics 中免費使用。

隨意在下面的評論中建議隊列分析的其他用途。

如何識別新角色

使用群組分析的另一個好方法是使用調查數據來識別潛在的用戶組，然後定義角色。 不同群體的群組分析可以告訴您使用 OptiMonk 觸發的即時消息來定位這些群體的最佳方式。 因此，隊列分析有助於為每個角色創建客戶旅程圖和轉換渠道。

確定可用作客戶在轉化漏斗中的每個階段的比較點的數據。 通常，微轉換往往是一個很好的起點。 一個角色與另一個角色的區別在於興趣點，從用戶參與的內容中識別出來。

如何有效地收集調查數據

您可以使用 Cohort 分析來利用 OptiMonk 的一項重要功能是多項選擇反饋收集消息和 NPS nanobar。 兩者都可以實現一致的數據收集，從而可以深入了解您網站的不同訪問者群體、客戶甚至重複訪問者。 當然，您提出的問題是這裡的關鍵方面（查看我關於該主題的博客文章）。

不要忘記您還可以使用自定義字段並將它們放在您的調查消息中。

例如，要了解哪些行業對您的產品最感興趣，您可以為行業或業務類型創建自定義字段。 完成後，您將獲得有關如何改進業務的強大數據，同時也有辦法衡量隨時間的變化。 一個非常有價值的工具，用於衡量您的產品或服務隨著時間的推移而發生的變化。

需要考慮的陷阱

事情發生了變化，這部分是我們進行隊列分析的原因。 然而，為了獲得一組乾淨的數據，總是要留出足夠的時間來測量。

它不需要是幾年，但是對於較短的時間段，您需要考慮可能會因季節或季節而變化的其他方面，例如天氣、假期和事件的業務時間表。 這些數據如何影響您的結果？

儘管數據集的橫斷面研究非常有用（例如 A/B 測試），可以為您提供有關需要改進的信息，但僅靠結果永遠無法提供完整的畫面。

我經常看到客戶依賴 A/B 測試，然後基​​於不正確的原因假設做出錯誤的更改。 為了更好地了解如何改進您的產品，還需要進行檢查，一個很好的方法是進行縱向研究，例如隊列分析。

我有興趣通過下面的評論部分了解您的用例以及您從進行此類調查中獲得的見解。