코호트 분석을 최대한 활용하는 방법

쿠키가 없습니다.

제3자 데이터가 도도새처럼 움직이면서 디지털 마케터는 쿠키 없이 할 수 있는 방법을 찾고 있습니다. 그것을 "데이터 다이어트"라고 부르십시오. 그러나 무언가가 타사의 달콤함을 대체해야 합니다. 쿠키를 삭제할 수 없으면 동질 집단을 추적하십시오.

웹 사이트에 참여하는 모든 고객 그룹은 고객이 하는 일을 추적하는 경우 코호트로 계산될 수 있습니다. 그들은 단지 랜딩 페이지까지 가고 있습니까? 그들은 장바구니를 채우고 있지만 체크 아웃하지 않습니까? 그들은 전에 뭔가를 샀지만 최근에 쇼핑을 하지 않았습니까?

이탈, 이탈, 고객 평생 가치 - 모두 코호트로 추적할 수 있습니다. 그러나 온라인 공급업체는 코호트 분석을 최대한 활용하기 위해 비즈니스와 가장 관련성이 높은 측정값을 알아야 합니다.

(세그먼트 [코호트]): 알겠어요?

"세그먼트"와 "동질 집단"은 ​​때때로 같은 의미로 사용되는 용어이지만 이는 정확하지 않습니다.

Google은 코호트를 다음과 같이 정의했습니다. 코호트는 공통 특성을 공유하는 사용자 그룹입니다. "예를 들어, 동일한 획득 날짜를 가진 모든 사용자는 동일한 코호트에 속합니다. 코호트 분석 보고서를 사용하면 코호트 행동을 분리하고 분석할 수 있습니다.”

대조적으로, 세분화는 인구 통계, 지리, 성격 또는 가치와 같은 공통 특성을 중심으로 사용자 그룹을 구성하는 것을 의미합니다. 또한 둘 이상의 특성을 사용하여 고객을 그룹화할 수 있습니다.

“코호트는 세그먼트의 한 형태입니다. 모든 코호트가 세그먼트이지만 모든 세그먼트가 코호트인 것은 아닙니다.” 퍼포먼스 마케팅 대행사인 Thrive Digital의 전략 이사인 Eric Sloan이 말했습니다. 집단은 "시간 기반 세그먼트"로 이해될 수 있습니다. 예를 들어 특정 시간에 웹 사이트에 로그인하는 사용자 집합입니다.

디지털 최적화 플랫폼 Amplitude의 제품 전도사인 Adam Greco는 공급업체나 분석가가 사용하는 분석 도구 때문에 두 용어가 혼동되는 경우가 있다고 말했습니다. 코호트는 "관심에 기반한 유사 사용자 그룹"이라고 그는 말했습니다. Greco는 "분할은 필터와 같습니다."라고 말했습니다. 세그먼트는 활동입니다. 집단은 사람입니다. 그리고 "집단은 신원 확인에 달려 있습니다"라고 그는 말했습니다.

단순히 코호트를 식별하는 것만으로는 충분하지 않습니다. 분석가는 원인과 결과를 식별하기 위해 더 자세히 분석해야 합니다. "그것은 코호트 분석을 의미 있게 만드는 유일한 방법입니다"라고 Sloan은 말했습니다. 가장 큰 함정은 "시간 기반 집단이 당신이 보고 있는 것을 일으켰다"고 가정하는 것이라고 그는 말했습니다.

올바른 질문하기

이는 데이터로 이어집니다. 답을 얻기 위해 올바른 질문을 하면 어딘가에 답이 있습니다.

"우리는 데이터를 사용하여 비즈니스에 의미 있는 집단을 파악하는 데 시간을 보냅니다."라고 Greco가 말했습니다. 행동으로 정의된 코호트의 예를 들어보겠습니다. 고객은 거래를 완료하기 위해 여러 단계의 프로세스를 거칩니다.

"적절한 집단을 구축하려면 적절한 데이터가 필요합니다."라고 Greco는 말했습니다. 장바구니에 항목을 추가하는 사람들을 추적하는 것에 대해 걱정할 필요가 없습니다. "뭔가를 추적할 수 있다고 해서 추적해야 하는 것은 아닙니다." 그는 덧붙였다. "끝을 염두에 두고 시작하는 회사는 너무 적습니다." 추적하려는 관련 코호트를 나열하는 것으로 시작하고 거꾸로 작업하면 성공할 가능성이 더 높다고 그는 지적했습니다.

Sloan에게 코호트는 근본 원인 분석의 일부입니다. "[때] KPI가 변경되는 것을 볼 때 변경을 일으킨 다양한 요인을 모두 살펴봅니다." 다시 말하지만 상관 관계는 인과 관계가 아니지만 주기를 계속 드릴다운하고 직관적이거나 논리적인 질문을 하여 질문에 답하는 데이터를 찾습니다.

“코호트부터 시작하세요. 시간 기반인지 확인하십시오.” 슬론이 말했다. 기간별 하락을 확인합니다. 오래된 방문자가 떨어질 때 새로운 방문자를 포함하십시오. 초기 기간을 거쳐 30일, 60일 및 90일 단위로 증가하는 모든 행동과 사건의 액면가를 살펴보십시오. 분석가가 웹 사이트에 대한 고객 경험을 측정하려고 할 때 "집단은 일부 소음을 제거하는 첫 번째 단계입니다."라고 그는 말했습니다.

Greco는 다른 길을 제시했습니다. 한 가지 접근 방식은 데이터를 사용하여 그룹을 비교할 수 있도록 식별된 사용자 그룹을 분리합니다. 그는 이것을 "지속적인 코호트"라고 불렀습니다. 예를 들어, 7일 동안 온라인 쇼핑객 수를 추적합니다. 새로운 사용자는 자연스럽게 이 집단에 들어가고 다른 사용자는 정해진 시간 후에 퇴장합니다. 구매한 사람은 제외하고 구매하지 않은 사람은 제외됩니다.

그런 다음 Greco는 "예측 코호트"를 설명했습니다. 한 가지 예는 다른 구매를 위해 웹사이트를 방문하는 쇼핑객의 수를 보는 것입니다. 다음 주에 구매할 가능성이 90%인 그룹이 있을 수 있습니다. 구매 가능성이 80-90%인 그룹이 있고 아이템을 구매할 가능성이 70-80%인 그룹이 있습니다. 마케터는 해당 데이터를 사용하여 각 집단에 할인을 제공할 수 있으며, 할인을 높여 다음 그룹의 구매자가 무언가를 구매할 가능성을 낮출 수 있습니다. "당신은 사람들을 전환시키기 위해 마케팅 및 프로모션과 함께 코호트를 사용합니다."라고 그는 설명했습니다.

데이터 최대한 활용하기

코호트 분석은 마케터가 데이터를 최대한 활용하기 위해 생각을 바꿔야 하는 접근 방식입니다. 우리 전문가들은 출발점은 같지만 서로 다른 방향으로 목표를 추구합니다.

코호트 분석을 사용하려면 "질문부터 시작하십시오." 슬론이 말했다. "답을 얻을 수 있는 비즈니스 결과에 다시 연결... 드릴다운 위치 및 방법 이해... KPI가 의미 있는지 확인하십시오." 그는 분석하는 데이터가 현실을 반영하는지 확인해야 한다고 덧붙였다. 그는 동일한 온라인 쇼핑객이 다른 시간에 다른 장치를 사용하여 동일한 웹사이트에 액세스하는 경우 데이터가 왜곡될 수 있다고 경고했습니다.

Greco는 코호트 분석을 경쟁의 필요성으로 틀었습니다. 전자 상거래 영역에서 모든 온라인 쇼핑객은 "클릭 또는 스와이프"만으로 이루어집니다. 마케터는 "사람들을 어떻게 잃고 있는지 파악하고 다시 데려오는" 부담이 있습니다. 문제가 더 빨리 해결되고 수정될수록 온라인 웹 사이트가 성공할 가능성이 높아집니다.