مقدمه
آنالیز کوهورت (cohort analysis) یکی از قدرتمندترین ابزارها برای ارزیابی در بلند مدت می باشد ، که در اختیار تجار و فروشندگان قرار گرفته است. آیا مشتریان شما بعد از گذشت زمان، بیشتر خرید می‌کنند یا از تعداد خریدهای دوباره، کاسته شده است؟ با نرخ سریع‌تر یا کندتر ناپدید می‌شوند؟ مشترکان ایمیل شما چطور؟ تلاش‌های شما برای تبدیل آنها به مشتری‌هایی که پول می‌پردازند، چقدر مؤثر است؟ با یوکن همراه باشید .
آنالیز کوهورت می‌تواند در یافتن پاسخ همه این سؤالات به شما کمک کند:.بهتر از همه: این آنالیز کاملاً صریح است و تحلیل‌هایی با پیش‌بینی‌های رؤیایی را به کار نمی‌گیرد.
در پایانِ دوره، شما می‌توانید به سؤالات زیر پاسخ دهید:
- آنالیز کوهورت چیست؟
- مزایای آنالیز کوهورت در مقایسه با بررسی سریع(snapshot) خریداران دائمی چیست؟
- آنالیز کوهورت چگونه انجام می‌شود؟
- کاربردهای مفید آنالیز کوهورت در تجارت الکترونیک چیست؟
روشی برای تحلیل نگهداشت مشتری: برداشت‌های فوری از درآمد میانگین حاصله از هر کاربر
بیایید تصور کنیم شما می‌خواهید میزان تاثیرگذاری بازاریابی حفظ مشتری خود را ارزیابی کنید، چگونه این کار را انجام می‌دهید؟
یک روش متداول این است که یک بررسی سریع از وضعیت مشتریان دائمی خود داشته باشید و آن را با یک بررسی دیگر در زمانی متفاوت، مقایسه کنید. برای بسیاری از خرده فروش‌ها، درآمد حاصله از هر مشتری، معیاری بسیار مهم برای بررسی میزان حفظ شدن مشتری و تعهد او است. با استفاده از روش بررسی فوری، ممکن است بپرسید: درآمد میانگین از هر کاربر در سپتامبر 2013 در مقایسه با سپتامبر 2012 چگونه است؟ به عبارتی دیگر، یک مشتری در فروشگاه ما ، در ماه سپتامبر 2013 در مقایسه با سپتامبر 2012 به طور متوسط چقدر پول خرج کرده است؟ اگر میزان میانگین درآمد حاصله از هر کاربر(ARPU) بالاتر رفته است، فروشنده ممکن است نتیجه بگیرد برنامه او برای نگهداری مشتریان ثمربخش بوده است، زیرا درآمد میانگین از هر کاربر افزایش یافته است.
اما یک گره وجود دارد. می‌دانیم اگر قرار بود گروه ثابتی از مشتریان را در طول زمان خاصی تحت نظر بگیریم، اغلب همه آنها تقریباً ناپدید خواهند شد. تنها بعضی از زیرگروه‌ها که در ابتدا خرید کرده بودند، باز هم خرید را تکرار می‌کنند و بعد از گذر زمان این مشتریان نیز به سمت رقبا می‌روند یا همه با هم از دسته بندی خارج می‌شوند. این بخشی طبیعی از چرخه حیات مشتری است.
مشکل مقایسه بررسی سریع و ایستا این است که ترکیب مشتریان دائم شما در طول زمان طرح پرسش ما نیز تغییر می‌کند و مقیاس‌هایی مانند میانگینِ درآمد حاصله از هر کاربر(ARPU)، سن مشتریان شما را در نظر نمی‌گیرند. به ویژه اگر ترکیب مشتریان جدید و قدیمی شما در حال تغییر است، ممکن است نتایجی نامنظم برگرداند.
به عنوان مثال، تصور کنید در سپتامبر 2013 با دادن آگهی‌هایی مانند روز کارگر و روز اول مدرسه‌ها، مشتریان زیادی به دست می‌آورید. همه این مشتریان جدید درآمدهای زیادی با خود به همراه دارند، به همین دلیل درآمد میانگین از هر کاربر(ARPU) برای شما بسیار بالا است. اما مشتریان کنونی شما ممکن است در سپتامبر 2013 بیشتر از سپتامبر 2012 برای شما ارزشمند نباشند و در واقع اگر برنامه‌ی قدرتمندی برای حفظ مشتری در اختیار نداشته باشید، ارزش آنها از این هم کمتر خواهد شد. درآمد میانگین از هر کاربر کنترل نمی‌کند مشتریان چه مدتی در نزدیکی ما بوده‌اند، بلکه تنها درآمد کلی را گرفته و در کل گروه مشتریان ثابت پخش می‌کند.
چرا این یک مشکل است؟ کسب مشتری جدید می‌تواند مشکلات حفظ مشتری را پوشش دهد. اگر تعداد تکرارهای خرید شما کمتر و کمتر می شود، ممکن است مشکل «سطل سوراخ» را داشته باشید ، اما اگر نرخ جذب مشتری شما به اندازه کافی بالاست، میانگین درآمد شما از هر کاربر بالا خواهند ماند.
آنالیز کوهورت چیست؟
در زبان بازاریابی، کوهورت گروهی از مشتریان است که در زمان یکسانی به ما پیوسته‌اند. "پیوستن" در این مورد به معنای عضویت در فهرست ایمیل یا اولین خرید است و در زمان یکسان به معنای یک هفته یکسان، ماه یا فصل است.
بدون توجه به این‌که چقدر دقیق کوهورت را معنی می‌کنید، نکته کلیدی این است که یک گروه از مشتریان را انتخاب کنید و تغییرات رفتاری آنها در طول زمان را بررسی می‌کنید. این روش شبیه به نوعی ردیابی طولی در تحقیقات پزشکی است: مثالی کاملاً شناخته شده پژوهش قلب فرامینگهام است، تحقیقی قلبی عروقی که از سال 1948 در فرامینگهام، ماساچوست در حال انجام است.
مهم‌ترین مسئله این است که در آنالیز کوهورت، عملکرد گروه‌های متفاوت در نقطه‌ای قابل مقایسه در چرخه زندگی‌شان را باهم مقایسه می‌کنید.
چرا گروه‌ها؟
پس چگونه فروشنده ما باید از روش مبتنی بر میانگین درآمد از هر کاربر، به روش مبتنی بر کوهورت تغییر روش دهد؟ شاید بتوانند گروهی از مشتریان که در مارس 2012 اولین خرید خود را انجام داده‌اند و گروهی دیگر از مشتریان که در مارس 2013 اولین خرید خود را انجام داده‌اند، در نظر بگیرند. برای هر گروه، می‌توانند میانگین درآمد حاصله از هر مشتری را در 6 ماه اول مشتری بودن ردیابی کنند. نتیجه ممکن است به حالت زیر شبیه باشد.
|
میانگین درآمد حاصله از هر کاربر |
|||||||
|
ماه 1 |
ماه 2 |
ماه 3 |
ماه 4 |
ماه 5 |
ماه 6 |
مجموع |
|
|
کوهورت مارس 2012 |
110$ |
27$ |
18$ |
16$ |
15$ |
14$ |
200$ |
|
کوهورت مارس 2013 |
112$ |
19$ |
16$ |
14$ |
12$ |
11$ |
184$ |
اول از همه، خواهید دید که میانگین درآمد حاصله از مشتری، با شدت زیادی بین ماه‌های اول و دوم کاهش می‌یابد. دلیل این است که هر شخصی که در دسته‌بندی قرار دارد، در ماه اول خرید انجام می‌دهد. دسته‌بندی‌ها این گونه تعریف می‌شوند اما تنها بعضی از مشتری‌ها در ماه بعد دوباره خرید می‌کنند.
اما همچنین می‌توانیم ببینیم وقتی برای زمانی که گروه خاصی از مشتری‌هایمان را داشته‌ایم، نرمال‌سازی انجام می‌دهیم، نگهداری مشتری به مرور زمان بدتر می‌شود. گروهی از مشتریان که اولین خرید خود را در مارس 2012 انجام دادند، به طور متوسط 27 دلار به ازای هر مشتری در ماه دوم هزینه کردند، درحالی که گروهی از مشتریان که در مارس 2013 اولین خرید خود را انجام دادند، به طور میانگین تنها 19 دلار به ازای هر مشتری در ماه دوم خرید دوباره داشتند. این موضوع ممکن است نشان دهنده این باشد که تعداد کمی از مشتری‌ها دوباره خرید می‌کنند یا مشتریان در خریدهای دوباره خود پول کمتری هزینه می‌کنند.
این روش تصویر بسیار متفاوتی نسبت به روش بررسی سریع از میانگین درآمد حاصله از هر کاربر که پیش از این دیدیم، در اختیار ما قرار می‌دهد. روش بررسی سریع از میانگین درآمد حاصله، سن گروه مشتریان ثابت را کنترل نمی‌کند و به همین دلیل به تغییرات در ترکیب مشتریان بسیار حساس است. اما آنالیز کوهورت مقایسه‌ای منطقی بین گروه‌های متفاوت مشتریان در زمان یکسان چرخه زندگی آنها دارد. ادامه ی مطلب را بخش دوم دنبال کنید.
منبع: Custora.com
