Ο Alejandro Rigatuso είναι ο ιδρυτής του Postcron.com , ένας εύκολος τρόπος προγραμματισμού αναρτήσεων στο Facebook και το Twitter. Μπορείτε να επικοινωνήσετε μαζί του στο [προστασία μέσω email] .
Ανάλυση κοόρτης , κράτηση , και καρδάρα είναι μερικά από τα βασικές μετρήσεις στο κτίριο της εταιρείας.
Αλλά αυτό δεν είναι μόνο ένα άλλο άρθρο σχετικά με την ανάλυση κοόρτης. Εάν είστε έμπειρος επιστήμονας δεδομένων που γνωρίζει ήδη τη σημασία του θέματος και θέλετε να παραλείψετε την εισαγωγή, μπορείτε να μεταβείτε στο προσομοιωτής , όπου μπορείτε να μάθετε πώς να κάνετε ανάλυση κοόρτης και προσομοίωση ανάπτυξης εκκίνησης με βάση τη διατήρηση, την ανατροπή και έναν αριθμό άλλων παραγόντων ή αναλύστε τα δικά σας αρχεία καταγραφής PayPal με το λογισμικό που έχω ανοιχτό .
Εάν, ωστόσο, δεν καταλαβαίνετε ότι αυτές είναι μερικές από τις πιο σημαντικές μετρήσεις γύρω από το - συνεχίστε την ανάγνωση.
Αρχικά, ας καταλάβουμε τι μιλάμε εδώ με έναν ορισμό ανάλυσης κοόρτης. Εν συντομία, μια κοόρτη είναι μια ομάδα θεμάτων με ένα κοινό χαρακτηριστικό . Ίσως είναι η ηλικία τους, ίσως είναι η εθνικότητά τους, ίσως είναι η πόλη γέννησής τους κ.λπ.
Η ηλικία είναι ένα ιδιαίτερα καλό παράδειγμα. Συχνά, αναφερόμαστε σε αυτούς που γεννήθηκαν μεταξύ της δεκαετίας του '60 και του '80 ως μέλη του 'Generation X' και σε αυτούς που γεννήθηκαν μεταξύ της δεκαετίας του '80 και του '90 ως μέλη του 'Generation Y'. Κάθε ομάδα, κάθε γενιά, έχει τα δικά της καθοριστικά χαρακτηριστικά .
Παρομοίως, οποιαδήποτε εταιρεία μπορεί να ομαδοποιήσει και να αναλύσει τους πελάτες της κατά ομάδα. Ένας κοινός και πολύ χρήσιμος τρόπος για να αναλύσετε τους πελάτες σας είναι να ομαδοποιήστε τους κατά την ημερομηνία κατά την οποία άρχισαν να χρησιμοποιούν την υπηρεσία σας .
Τι γίνεται αν σας ρωτήσω: ' Πόσα από τα έσοδά σας τον περασμένο μήνα προέρχονταν από πελάτες που άρχισαν να συνεργάζονται μαζί σας πριν από ένα χρόνο; «Καθόλου; Οι νέοι χρήστες μπορεί να φαίνονται καλοί, αλλά οι εγγραφές από μόνες τους δεν ισοδυναμούν με έσοδα. Ξέρεις την απάντηση? Εάν όχι, θα ήταν χρήσιμο να μάθετε σχετικά με την ανάλυση κοόρτης.
Αν αναλύσετε τα έσοδά σας κατά ομάδες, μπορείτε να συμπεράνετε (σε μηνιαία βάση) πόσα από τα έσοδά σας προέρχονται από νέους χρήστες και πόσα προέρχονται από παλιούς χρήστες . Επιπλέον, μπορείτε να κάνετε το επόμενο βήμα και να προβλέψετε μελλοντικά έσοδα που αποδίδονται στη διατήρηση και τη λογιστική ανατροπή με σημαντικά υψηλότερο βαθμό ακρίβειας.
Εντάξει, οπότε αποδείξαμε ότι μια κοόρτη είναι μια ομάδα ατόμων με ένα κοινό χαρακτηριστικό. Από εδώ, θα προχωρήσουμε με παράδειγμα, εξετάζοντας τις μετρήσεις της νέας εκκίνησης υπολογιστών νέφους hip cloud. Ας ξεκινήσουμε αναλύοντας μόνο μία κοόρτη. Σε αυτήν την περίπτωση, θα εξετάσουμε τους πελάτες που άρχισαν να συνεργάζονται μαζί μας τον Ιανουάριο του 2012.
Η πρώτη σημαντική μέτρηση που πρέπει να υπολογίσουμε είναι η διατήρηση : πόσοι από τους νέους χρήστες του Ιανουαρίου ήταν ακόμα μαζί μας τον Φεβρουάριο; Ας υποθέσουμε ότι είχαμε 100 συνδρομητές τον Ιανουάριο και μόνο 20 αποφάσισαν να ακυρώσουν τις συνδρομές τους, αφήνοντας μας 80 συνδρομητές να απομένουν τον Φεβρουάριο. Η βασική ανάλυση διατήρησης μας λέει ότι είναι ποσοστό διατήρησης 80%. Τώρα, ας πούμε ότι 8 πελάτες αποφάσισαν να ακυρώσουν τον Φεβρουάριο. Έτσι, τον Μάρτιο, έχουμε 80-8 = 72 χρήστες. Από 72/80 = 90% είχαμε διατήρηση 90% μετά από 2 μήνες για την κοόρτη Ιανουαρίου 2012.
Μερικοί άνθρωποι υπολογίζουν τη διατήρηση ως συνάρτηση του αρχικού μεγέθους της κοόρτης, αλλά προτιμώ να υπολογίσω τη διατήρηση ως συνάρτηση του προηγούμενου μήνα κάθε κοόρτης.
Ο ρυθμός καύσης είναι άλλος βασική μέτρηση . Μπορεί να οριστεί με όρους κατακράτησης: churn = 1 - διατήρηση. Επομένως, η κατακράτηση 80% συνεπάγεται μετατόπιση 20%. Με άλλα λόγια, είναι ο ρυθμός με τον οποίο οι πελάτες εγκαταλείπουν την υπηρεσία σας.
Επιστρέφοντας στην εκκίνηση του cloud computing, ας αναλύσουμε ένα ιδανική (διαβάστε: μη πραγματική) θήκη : Ποσοστό διατήρησης 100%. Αυτό σημαίνει ότι κανένας από τους πελάτες μας δεν εγκαταλείπει την υπηρεσία - κανείς δεν ακυρώνει καθόλου. Ας πούμε ότι η εταιρεία μας λαμβάνει 1.000 νέους πελάτες ανά μήνα. Μετά από 24 μήνες, αυτή η εταιρεία έχει 24.000 ενεργούς πελάτες. ΟΧΙ άσχημα. Δυστυχώς, αυτό το σενάριο είναι βασικά αδύνατο - 100% διατήρηση υπάρχει μόνο στον παράδεισο εκκίνησης.
Τώρα, ας είμαστε λίγο πιο ρεαλιστικοί και ας πούμε ότι η εταιρεία μας έχει ποσοστό διατήρησης 90%. Με άλλα λόγια , κάθε ομάδα χάνει το 10% των πελατών της κάθε μήνα. Και πάλι, θα υποθέσουμε 1.000 νέους πελάτες κάθε μήνα.
Σε αυτήν την περίπτωση, μετά τη λήψη 1.000 νέων χρηστών τον Ιανουάριο του 2012, χάσαμε 100 πελάτες τον Φεβρουάριο, 90 τον Μάρτιο, 81 τον Απρίλιο και ούτω καθεξής. Ας δούμε πώς φαίνεται αυτό το γράφημα.
Αν κοιτάξετε το προηγούμενο γράφημα κοόρτης, θα συνειδητοποιήσετε ότι ο συνολικός αριθμός των ενεργών χρηστών φτάνει σε ένα σημείο κορεσμού περίπου 9.000. Μπορεί να αποδειχθεί μαθηματικά ότι αυτή η εταιρεία δεν θα μεγαλώνει πλέον των 9.000 χρηστών, ακόμη και όταν λαμβάνει 1.000 χρήστες ανά μήνα.
Με 1000 νέους χρήστες το μήνα με ποσοστό διατήρησης πελατών 90%, έχουμε περίπου 9.000 μηνιαίους ενεργούς χρήστες μετά από 24 μήνες. Συγκρίνετε αυτό με τη διατήρηση 100% και έχουμε μόλις το 37,5% της ιδανικής θήκης (24.000 πελάτες).
Θεσω απλα: μια πτώση 10% στο ποσοστό διατήρησης προκάλεσε μείωση 62% του συνολικού αριθμού των ενεργών χρηστών μετά από 24 μήνες .
Οι βασικές επιλογές εδώ: χαμηλή τα ποσοστά διατήρησης περιορίζουν την ανάπτυξη , και Η χρήση λογισμικού για αναλυτικά στοιχεία κοόρτης είναι χρήσιμη για την κατανόηση των ποσοστών διατήρησής σας .
Τώρα, ίσως σκεφτόσασταν: «Αλλά Alejandro, περίμενε! Εάν κάθε εταιρεία έχει ρυθμό καύσης και ο ρυθμός καύσης περιορίζει την ανάπτυξη, πώς επιτυγχάνουν ορισμένες εταιρείες μπαστούνι του χόκει ανάπτυξη?'
Στην οποία θα απαντούσα: «Επειδή η ανάπτυξή τους αυξάνεται».
Υπάρχουν διάφοροι τρόποι αύξησης της ανάπτυξης: αύξηση του προϋπολογισμού μάρκετινγκ, βελτιστοποίηση μετατροπών και δημιουργία προγράμματα παραπομπής μπορούν όλοι να συνεισφέρουν ιογενής ανάπτυξη . Ας αναλύσουμε την περίπτωση της ιογενούς ανάπτυξης, στην οποία ο αριθμός των νέων πελατών επηρεάζεται από τον συνολικό αριθμό ενεργών πελατών της εταιρείας. Με άλλα λόγια: περισσότεροι πελάτες στο σύστημα ισούται με περισσότερους ανθρώπους που παραπέμπουν νέους πελάτες ισούται με περισσότερους νέους πελάτες .
Ας υποθέσουμε ότι η εταιρεία αναπτύσσεται ιογενώς με σταθερό παράγοντα (K) 0,20 και ότι το τύπος έχουμε υποβάλει αίτηση για τον υπολογισμό του αριθμού των νέων πελατών είναι:
Νέοι πελάτες (μήνας) = k * Συνολικός αριθμός πελατών (μήνας-1)
Τώρα, ας απεικονίσουμε το ίδιο παράδειγμα με πριν (1000 νέοι χρήστες το μήνα @ διατήρηση 90%), αλλά αυτή τη φορά, θα ρίξουμε κάποια ιογενή ανάπτυξη (με K = 0,20).
Από αυτό το γράφημα ανάλυσης κοόρτης, υπάρχουν δύο βασικές επιλογές: πρώτον, ένας σταθερός συντελεστής 0,20 προκάλεσε αύξηση 1000% στον συνολικό αριθμό ενεργών πελατών (~ 90.000) μετά από 24 μήνες. και δεύτερον, το σύστημα συνεχίζει να αναπτύσσεται μετά από 24 μήνες - δεν έφτασε σε σημείο κορεσμού .
Έτσι, για να αντισταθμίσουμε το ποσοστό διατήρησης 90%, πρέπει να δημιουργήσουμε μηχανισμούς για να αυξήσουμε την ανάπτυξή μας κάθε μήνα .
Τώρα, σε αυτό το σημείο, μπορεί να λέτε: «Ουάου, Alejandro: η ιογενής ανάπτυξη είναι σαφώς πιο σημαντική από τη διατήρηση. Δείτε πώς επηρεάζεται η πελατειακή μας βάση! '
Στην οποία θα απαντούσα: 'Όχι τόσο γρήγορα.'
Ας αναλύσουμε μια ακόμη περίπτωση. Η καλή μας εκκίνηση cloud computing, αλλά με ποσοστό διατήρησης 50%. Θα διατηρήσουμε τους 1.000 νέους χρήστες ανά μήνα και έναν ιικό ρυθμό αύξησης K = 0,20. Όμως, ανεξάρτητα από τη βιωσιμότητα, η εταιρεία μας αποδίδει πολύ άσχημα, χάνοντας το 50% των πελατών μας σε κάθε κοόρτη, κάθε μήνα.
Μετά από 24 μήνες, η εταιρεία μας έχει μόνο 3.000 ενεργούς πελάτες αντί για 90.000 - αυτή είναι μια διαφορά 30 φορές! Η διατήρηση είναι πραγματικά το κλειδί.
Γιατί όμως η διατήρηση έχει τόσο ισχυρό αποτέλεσμα; Εν συντομία: Επειδή η αύξηση του ιού εξαρτάται από τον αριθμό των ενεργών πελατών, οπότε αν διατηρήσουμε τους χρήστες μας για μεγαλύτερο χρονικό διάστημα, θα έχουμε περισσότερες παραπομπές .
Για να ανακεφαλαιώσουμε:
Είναι πολύ συνηθισμένο να βλέπουμε περισσότερους πελάτες να ακυρώνουν μια υπηρεσία κατά τον πρώτο μήνα χρήσης από ό, τι αργότερα. Γι 'αυτό στην παρακάτω προσομοίωση, σας παρέχουμε δύο ποσοστά διατήρησης: το ποσοστό διατήρησης πρώτου μήνα και το ποσοστό μακροπρόθεσμης διατήρησης. Η χρήση αυτών των παραμέτρων στους υπολογισμούς μας θα οδηγήσει σε πιο ακριβή αποτελέσματα.
Ο σκοπός αυτού του σεμιναρίου ανάλυσης κοόρτης δεν ήταν να σας δώσει μια λεπτομερή τάξη σχετικά με τις μετρήσεις και τα αναλυτικά στοιχεία κοόρτης. Στην πραγματικότητα, άλλοι συζήτησαν την πολυπλοκότητα αυτών των στατιστικών πολύ μεγαλύτερο βάθος . Αντ 'αυτού, θέλω να σας ξυπνήσω για τη σημασία αυτού του τύπου ανάλυσης και, το πιο σημαντικό, να δείξω στους αναγνώστες τα δικά τους παραδείγματα ανάλυσης κοόρτης εσόδων και τα ποσοστά μετατόπισης με τη λύση λογισμικού ανάλυσης κοόρτης ανοιχτού κώδικα.
Εάν υπάρχει μόνο μία ερώτηση για να σας ξυπνήσει, είναι το εξής:
Πόσο από τα πραγματικά σας έσοδα προέρχονται από χρήστες που άρχισαν να συνεργάζονται μαζί σας πριν από ένα χρόνο;
Τωρα ειναι η σειρα σου! Υπάρχουν δύο τρόποι για να αναλύσετε τη διατήρηση και την ανατροπή της επιχείρησής σας:
Εναλλακτικά, μπορείτε να παίξετε με τον προσομοιωτή μας και να οπτικοποιήσετε την ανάπτυξη εκκίνησης με βάση όλες τις παραμέτρους που συζητήθηκαν παραπάνω.
Ευχαριστώ για την ανάγνωση!