COHORT LÀ GÌ

  -  
Cohort analysis is a kind of behavioral analytics that breaks the data in a data mix into related groups before analysis. These groups, or cohorts, usually giới thiệu common characteristics or experiences within a defined time-span - Wikipedia

Cohort Analysis là gì?

Theo như Wikipedia định nghĩa thì Cohort Analysis (gọi là so sánh cohort) là một trong dạng phân tích hành vi người dùng. Trong số đó thì họ chia khách hàng thành từng nhóm tất cả các điểm sáng chung.

Mình rước một ví dụ dễ dàng đó là vùng miền, độ tuổi,... Đến phần áp dụng thực tiễn mình sẽ phân tích và lý giải rõ hơn cho các bạn dễ chũm bắt.

Bạn đang xem: Cohort là gì

Vì sao nên Cohort Analysis

Câu hỏi tiếp theo sau là Cohort Analysis đem đến những tiện ích như rứa nào ? Và vì sao nhiều tín đồ lại cân nhắc nó như vậy, cá thể mình thấy đấy là một con kiến thức cực kỳ quan trọng không thể làm lơ với Data Analyst (DA).

Mình gồm viết một bài bác chia sẽ tương quan đến những kỹ năng quan trọng của da các bạn có thể xem qua trên đây:


Data Analyst - Những khả năng không thể thiếu cho tất cả những người mới
Data Analyst (DA) được phát âm là người tiêu dùng các qui định lập trình hoặc ứng dụng để tìm kiếm (mine), gạn lọc những tin tức hữu ích từ tài liệu được cung cấp. Thông thường dữ liệu này khá rời rạc và lộn xộn.

Xem thêm: Kinh Nghiệm Đặt Phòng Khách Sạn Online Giá Tốt Khi Đi, Kinh Nghiệm Đặt Khách Sạn Online


*
Monthly Average Order Value

Hình trên cho bọn họ biết được sự tăng bớt của AOV (Average Order Value) theo tháng, nhưng họ lại băn khoăn được sự thay đổi này đến từ giá cả của khách hàng cũ hay quý khách hàng mới. Thay bởi vì như vậy chúng ta sẽ theo dõi bảng ở bên dưới đây

Overage Order Value Cohort

Cách phân chia thành các Cohort ở trên của chính bản thân mình dựa hồi tháng mà người sử dụng có mua đơn hàng đầu tiên (khác cùng với ngày chế tạo ra của khách hàng hàng). Jan cohort bao hàm các người sử dụng có sở hữu đơn bậc nhất tiên hồi tháng 1, đội họ lại tính AOV (200k).

Sau đó theo dõi nhóm này ngơi nghỉ tháng thứ hai , vẫn giữ nguyên số rất đông người nha những bạn, vày họ bao gồm đặt điểm chung là mua sắm chọn lựa lần đầu vào thời điểm tháng 1 (đương nhiên là tất cả kèm theo năm, VD: 01-2021). Vậy nên AOV của họ lại sút từ 200k xuống 150k, tương tự như vậy cho những cohort tiếp theo. Dễ nhận biết rằng những ô màu xanh da trời là OAV của công ty mới với màu cam là của bạn cũ => Đôi khi số OAV không đổi khác là vì quý khách hàng mới thì ngân sách chi tiêu nhiều hơn và quý khách cũ thì đưa ra ít lại

Việc so với này cho biết hiệu trái của team Marketing, khi họ sẽ nâng được số tiền chi phí trung bình bên trên mỗi solo hàng của khách hàng mới từ 200k lên 223k. Nhưng chú ý theo một khía cạnh khác thì AOV của người tiêu dùng cũ đã giảm, so với một số doanh nghiệp thì giá cả để có được một quý khách mới vô cùng tốn kém đề nghị họ rất ý muốn giữ chân và khiến cho bạn giá cả nhiều hơn.

Tuy nhiên đó chỉ với trường hợp lý và phải chăng tưởng, trong bối cảnh mà doanh nghiệp bạn đã muốn đẩy mạnh quảng bá yêu thương hiệu, hạ ngân sách chi tiêu sản phẩm để thu hút người mua thì khi không còn hạ giá nữa, một số người tiêu dùng thích săn hàng tiết kiệm chi phí với chính sách giảm giá có thể đang rời bỏ các bạn => quý giá cohort sẽ bớt dần, nhưng chúng ta biết đó là điều vớ yếu.

Xem thêm: Vé Tàu Nha Trang Đi Huế Đáng Thử Nhất Hiện Nay, Tổng Công Ty Đường Sắt Việt Nam

Ứng dụng Cohort Analysis trong so với Retention

Như chúng ta cũng sẽ thấy Cohort Analysis mang lại ta phiêu lưu hành vi, độ gắn kết với uy tín (engagement) của khách hàng qua thời hạn (Retention) (ngày, tháng, năm, quý), bắt buộc mọi fan thường hotline là Retention Analysis làm cho dễ hiểu. Nhờ vào nó mà các bạn biết được người sử dụng có sẽ thích sản phẩm của chính mình hay không?!

Bảng so sánh dưới đây cho thấy số lượng Active Users (Khách hàng có dùng ứng dụng) qua các ngày, nếu hồ hết ai chưa hiểu thì mình sẽ lý giải nó. Bởi vì thật sự đó là bảng cohort mà số đông đi công ty nào tôi cũng làm, nó thiệt sự bao gồm 100% độ hữu dụng đấy.

Các sản phẩm là khung thời gian phân tích từ thời điểm ngày 25/01 -> 03/02Các cột là số ngày, từ 25/01 -> 03/02 là 11 ngày chính là lí do vì sao có Day 0->Day 10. Thực ra bạn có thể để Jan 25 vào Day 0 nhưng lại để cho người nhìn hoàn toàn có thể dễ năm bắt được thì bọn họ nên để nguyên. Vì sếp các bạn sẽ hỏi là lúc lauching vận dụng thì ngày máy 2 (Day 1) chúng ta còn khoảng tầm bao nhiêu % user thực hiện app ? tại sao tại sao không cần sử dụng số mà lại dùng phần trăm ? Nó tuỳ trực thuộc vào yêu cầu của sếp bạn và mục tiêu phân tích, theo gớm nghiệm của mình thì phần trăm giúp cho bạn so sánh được với doanh nghiệp đối thủ. Tuy vậy lượng khách hàng hàng của người sử dụng không những nhưng số retention của chúng ta lại béo thì hoàn toàn có thể khẳng định nhiều người đang làm khách hàng rất là hài lòng
*
Active User Retention

Kết

Chúng ta đã cố kỉnh được định nghĩa và tầm quan trọng của Retention Analysis rồi, việc còn sót lại là làm sao ứng dụng vào môi trường nơi mình làm việc, cũng có khả năng bạn sẽ phải các loại outlier, yếu tố mùa vụ trong năm, ... để tác dụng phân tích được chính xác hơn.

Với ngành data mà lại nói thì làm thế nào ứng dụng được những mô hình phân tích những thống kê vào xử lý được các bài toán cho khách hàng là đặc biệt quan trọng nhất. Không đặc biệt bạn biết rộng mang lại đâu, mà quan trọng đặc biệt là bạn nắm rõ kiến thức, hiểu nó thiệt sâu và nhanh nhạy trong câu hỏi ứng dụng, thì chắc chắn rằng bạn là fan được những doanh nghiệp luôn luôn kính chào đón.

Chúc bạn thành công xuất sắc trên con đường sự nghiệp!

Bạn rất có thể nhấn vào liên kết này nhằm tham gia vào nhóm và nhận thêm nhiều tài liệu có ích khác về Data nhé!