آنالیز کوهورت (بخش سوم)
در قسمت دوم دیدیم که چگونه از کوهورت برای نمودار بندی روند حفظ مشتری در درازمدت استفاده کنیم و رفتار مشتریانی که از کانال‌های جذب مشتری، جذب می‌شوند را ارزیابی کنیم و بازگشت سرمایهی صرف شده در کمپین‌ها و تبلیغات را حساب کنیم. در ادامه با یوکن همراه باشید.
خبر خوب این است که تجزیه‌وتحلیل کوهورت به اندازه کافی برای کاربردهای پیشرفته که می‌تواند به تصمیم‌گیری سریع‌تر و داده‌محور شما برای گسترش تجارت تان کمک کند، منعطف است.
سلامت تجارت خود را با حرکت از "زمان کوهورت" به "زمان تقویم" ارزیابی کنید. تاکنون بر مقایسه‌ی گروهی از مشتریان، در نقاطی قابل‌مقایسه از "زمان کوهورت" تمرکز کردیم، یعنی اینکه چگونه یک گروه نسبت به گروه دیگر در طول عمر سه‌ماهه خود رفتار می‌کند؟ ولی می‌توانید سناریو را عوض کنید و سؤال را کمی متفاوت‌تر بپرسید. در یک زمان مشخصی در تقویم، برای مثال ژوئن 2013، چه مقدار از درآمد یا سود توسط گروه‌های می 2013، آوریل 2013، مارس 2013 و ... تأمین شده است؟ (منظور این است که چه میزان از درآمد در ماه ژوئن مربوط به مشتریان سه ماه قبلی است نه مشتریان جدید)
نمودار کیک لایه‌ای (شکل زیر) که با بررسی گروه‌ها در زمان تقویم تهیه شده است، می‌تواند بینش قدرتمندی نسبت به سلامت تجارت تان ارائه کند. در یک نقطه مشخص در زمان، چه درصدی از درآمد یا سود، از مشتریان جدید عاید شده است و چه مقدار از مشتریان قدیم؟ بررسی چگونگی تغییر این نسبت در گذر زمان، به شما این دید را می‌دهد که آیا فقط با جذب مشتریان جدید به رشد بالا رسیده‌اید یا در حال گسترش روابط با مشتریان حال حاضر خود در گذر زمان هستید.
آزمایش کنید که آیا یک گروه (کوهورت) خاص از لحاظ آماری با گروه "میانگین" شما تفاوت دارد؟ مشاهده می‌کنید که یک گروه خاص ظاهراً روندی در بالای میانگین بلندمدتتان دارد، یعنی میزان درآمد بر مشتری، در بازه‌های یک، سه و شش‌ماهه بالاتر به نظر می‌رسد. ولی چگونه می‌توانید از اینکه که تفاوت معنادار است یا تصادفی مطمئن شوید؟
بازاریابان کمی گرا ممکن است خواهان آزمایش تفاوت فاحش آماری بین گروه در حال مطالعه و گروه میانگین باشند. قدم اول این است که یک چارچوب زمانی برای مشاهده و آزمایش تعیین کنید، برای مثال آیا این گروه با تمام گروه‌های دیگر در بازه شش‌ماهه متفاوت است؟ سپس آزمایش دو نمونه‌ایِ t-test از میانگین‌ها (برای شاخص‌هایی مانند سود یا درآمد بر مشتری) یا نسبت‌ها (برای شاخص‌هایی مانند نرخ تکرار یا تبدیل مشترک به مشتری) را انجام دهید، به این صورت که گروه مورد مطالعه را یک نمونه در نظر بگیرید و تمام گروه‌های دیگر را هم یک نمونه در نظر بگیرید. اجرای چنین آنالیزی می‌تواند به شما این قطعیت را دهد که کانال جذب مشتری، کمپین و یا تاکتیک مشخص در حال جذب مشتریانی است که به‌صورت معناداری از حد معمول، باارزش‌تر یا کم‌ارزش‌ترند.
از کوهورت برای پیش‌بینی استفاده کنید. گرچه هر گروه (کوهورت) منحصربه‌فرد است ولی گروه‌ها(کوهورت ها) تمایل به رشد در راه‌های قابل پیش‌بینی دارند و می‌توانید آگاهی خود را در مورد چگونگی پیشرفت یک گروه در گذر زمان به کار بگیرید و در مورد گروه‌های کاملاً جدید مشتریان، پیش‌بینی کنید.
برای مثال، فرض کنید با مشاهده گروه‌ها در گذر زمان، می‌دانید درآمد دوساله یک گروه به‌صورت زیر عاید می‌شود:
|
زمان سپری شده از اولین خرید
|
درصد پرداخت‌شده از مجموع درآمد دوساله
|
|
14 روز
|
60%
|
|
30 روز
|
75%
|
|
60 روز
|
85%
|
|
90 روز
|
90%
|
یعنی در یک بازه دوهفته‌ای، یک گروه خاص، بیش از نصف درآمد مجموعی که می‌توانید از آن گروه مشتریان در یک دوره دوساله انتظار داشته باشید را صرف کرده است.
اطلاع از چگونگی رشد گروه نمونه در گذر زمان، این قدرت را به شما می‌دهد رفتار گروهی جدید از مشتریان را پیش‌بینی کنید. فرض کنید گروه جدیدی از مشتریان را جذب کردید و در 14 روز اول هر مشتری به‌صورت میانگین 105 دلار خرج کرده است. با استفاده از منحنی پیش‌بینی کوهورت، می‌توانید برآورد کنید که این گروه به‌طور میانگین $175 = %60 / $105 در دو سال خرج خواهد کرد.
خلاصه و نکات کلیدی
تجزیه‌وتحلیل کوهورت یک ابزار حیاتی برای بازاریابان است اما مانند هر ابزار تحلیلی، مهم است که از محدودیت‌های آن آگاه باشیم. اشکال اصلی تحلیل کوهورت این است که، برخلاف تحلیل‌های پیش‌بینی، کاملاً مبتنی برگذشته است. اگر چشم‌انداز رقابتی ، نوع کسب‌وکار، ترکیب محصول، یا استراتژی شرکتتان به‌طور چشمگیری در طول زمان تغییر کرده است، نتایج گذشته ممکن است نشان‌دهنده عملکرد آینده نباشد. و به‌جز موردی که در حال استفاده از ابزار پیش‌بینی مطرح شده در بخش پیشرفته این دوره (و عنوان نکته در اینجا) برای محاسبه ارزش طول عمر مشتری (CLV) از طریق تجزیه‌وتحلیل کوهورت هستید، ممکن است نیاز به صبر زیاد برای مشاهده رفتار مشتریانتان در طول زمان داشته باشید.
می‌شود گفت، تجزیه‌وتحلیل کوهورت برای درک روند بلندمدت در تعامل مشتری و حفظ آن ضروری است. نرخ تکرار خریدتان در طول زمان کاهش داشته؟ آیا خرید مشتریان سال تحصیلی جدیدتان به اندازه سال گذشته است؟ تجزیه‌وتحلیل کوهورت به‌عنوان یک قدم اولیه مهم در تسهیل فرصت‌های بازاریابی و سرانجام استراتژی بازاریابی چرخه زندگی به کار گرفته می‌شود.
منبع: Custora.com
