bts防弹少年团演唱会

bts防弹少年团演唱会

使用群组分析进行转换优化

《使用群组分析进行转换优化》

关于A / B测试的所有讨论,很容易忘记还有其他测量实验效果的方法,例如队列分析。

队列分析101

队列分析听起来很复杂,但实际上并非如此。 群组基本上只是在一段时间内共享共同经历的一组主题。 这是%E7%BB%B4%E5%9F%BA%E7%99%BE%E7%A7%91%E7%9A%84%E5%AE%9A%E4%B9%89“>

“在统计学和人口统计学中,一个群体是在特定时间段内共同分享特定事件的一组受试者[1](例如,1918年至1939年间在欧洲出生的人;飞机的幸存者;在两者之间吸烟的卡车司机30岁和40岁)。“

然而,我们的队列可能看起来像这样,而不是在某个年龄吸烟的卡车司机:

  • 3月免费试用注册
  • 2月份激活用户
  • 客户通过直接邮寄获得

你得到了照片。

A / B测试是%E6%A8%AA%E6%96%AD%E9%9D%A2%E7%A0%94%E7%A9%B6“>

以下是cohortanalysis.com%E4%B8%8A

《使用群组分析进行转换优化》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

2010年的班级是一个队列,因为该组的每个学生都在2010年毕业。这是他们的共性。 与2011年的班级相同,除了他们是一个不同的队列,因为他们在一段时间内分享不同的共同经历。

《使用群组分析进行转换优化》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

通过队列分析,我们可以找到人口特征与人口行为之间的关系。 如上图所示,我们可以将2010年和2011年的平均收入与相同的相对间隔(毕业后5年)进行比较,以进行苹果对苹果的比较。 我们可以回答的问题是,学生毕业年份与收入之间是否存在关系。

通过这种相关性,我们可以深入研究并研究哪些确切因素是其性能差异的原因。

群组分析可以回答什么样的问题?

我们不仅可以比较吸烟卡车司机和毕业班,还可以比较用户群,以分析场地变化的有效性。 %E8%BF%AD%E4%BB%A3%E6%B5%8B%E8%AF%95%E6%98%AF%E4%BC%98%E5%8C%96%E7%A8%8B%E5%BA%8F%E7%9A%84%E6%A0%B8%E5%BF%83%E7%BB%84%E4%BB%B6%EF%BC%8C%E5%9B%A0%E6%AD%A4%EF%BC%8C%E4%BB%8A%E5%B9%B4%E5%8A%A0%E5%85%A5%E7%9A%84%E4%BA%BA%E5%B0%86%E4%B8%8D%E4%BC%9A%E5%83%8F%E6%98%8E%E5%B9%B4%E5%8A%A0%E5%85%A5%E7%9A%84%E4%BA%BA%E9%82%A3%E6%A0%B7%E6%8B%A5%E6%9C%89%E7%9B%B8%E5%90%8C%E7%9A%84%E7%BB%8F%E9%AA%8C%E3%80%82″>

%E7%B2%BE%E7%9B%8A%E5%88%86%E6%9E%90%E4%B8%AD” croll>和Benjamin” yoskovitz>使用来自假设的在线零售商的数据,给出了一个很好的组群价值的例子:

一月 二月 游行 四月 可以
客户总数 1000 2000 3000 4000 5000
每位客户的平均收入 $ 5.00 $ 4.50 $ 4.33 $ 4.25 $ 4.50

你无法从上表中学到很多东西。 对于新客户和老客户来说,很难判断事情是变得更好还是更糟,因为你们在数据中将它们整合在一起。

但是,如果您将其放在如下图所示的图表中,您可以看到5月份的新用户平均花费比1月份的新用户多得多:

一月 二月 游行 四月 可以
新用户 1000 1000 1000 1000 1000
用户总数 1000 2000 3000 4000 5000
第1个月 $ 5.00 $ 3.00 $ 2.00 $ 1.00包装 $ 0.50
第2个月 $ 6.00 $ 4.00 $ 2.00 $ 1.00包装
第3个月 $ 7.00 $ 6.00 $ 5.00
第4个月 $ 8.00 $ 7.00
第5个月 $ 9.00

因此,通过细分数据,您可以从汇总数据中学习不可能的内容。 这些见解可以推动更好的测试,因为您可以随着时间的推移磨练特定群体的趋势。

当然,群组可以用来回答许多不同的问题,这取决于你想要了解的内容。 有些人可以回答:

  • 从圣诞节活动中进入的客户的行为与一年中其他时间的客户有何不同?
  • 一个小组是否看到一个营销消息,而另一个没有? 这对他们的平均订单价值有何影响?
  • 提交支持服务单的免费试用用户是否更有可能转换为客户?
  • 不同收购渠道的保留率有何不同?
  • 您的产品对新用户来说有多“粘性”?

一个特别有用的队列可以回答的是如何找到理想的%E5%AE%A2%E6%88%B7%E6%A1%A3%E6%A1%88” ventures>的Lincoln Murphy解释:

《使用群组分析进行转换优化》 林肯墨菲:
有很多方法可以利用群组分析,但我最喜欢的方法之一是作为%E7%90%86%E6%83%B3%E5%AE%A2%E6%88%B7%E8%B5%84%E6%96%99%E6%A1%86%E6%9E%B6%E7%9A%84%E8%BE%93%E5%85%A5%E3%80%82″>

首先,您必须为此理想客户设置参数:至少是该时间范围的时间范围和目标。

然后,如果您有现有的客户数据,而您想从理想客户那里获得,那么队列分析就是这样做的方法。

首先查看7个输入,通过提出正确的问题对客户进行分组,然后找到存在于输入中的客户作为理想的客户群。

准备好了

  • 通过漏斗营销活动进入去年的客户
  • 在过去一年中仅在x次触摸后注册的客户

愿意

  • 在过去一年中转换为最初用于演示的客户
  • 在去年转换的没有已知催化剂推动决策的客户(并购,监管)

能够

  • 在去年没有获得折扣的客户
  • 在前一年转换为预付款的客户

4.成功潜力

  • 在过去一年中转换为在x天内交付的第一个价值的客户
  • 在去年转换为NPS得分为9或10的客户

5.收购效率

  • 在去年转换的销售周期少于x周的客户
  • 在过去一年中点击成本低于$ x的客户

6.扩展潜力

  • 在去年转换的客户增加了超过x个席位
  • 在去年转换过至少有两个新部门的客户

7.倡导潜力

  • 在过去一年中转换过的客户至少在一个第三方网站上对我们进行了积极评价
  • 在过去一年中转换过的客户至少两次为我们提供参考“

CRO的队列分析

群组分析可以为您提供A / B测试结果本身无法获得的信息,因为它可以跟踪不同的用户群。 Amin” ariana> %E5%9C%A8Quora%E4%B8%8A%E7%BB%99%E5%87%BA%E4%BA%86%E4%B8%80%E4%B8%AA

《使用群组分析进行转换优化》 Amin Ariana:
“A / B测试根据不同的选择标准比较特定结果的两个人口样本。

队列分析是对诸如时间和地点之类的依赖性进行控制的A / B测试。

例如,您可以假设红色按钮会导致用户注册多个蓝色按钮。 您设计A / B测试,其中A组看到红色按钮而B组看到蓝色按钮。 你发现当A组看到红色按钮时,确实会经常报名。

但是你决定做一个队列分析。 您按用户注册的月份及其邮政编码对用户进行细分。 您了解到,除了在夏季在沿海地区附近注册的大量用户外,其他所有A / B测试实际上都表明颜色偏好的结果不确定。

您进一步调查该特定队列; 通过他们你发现你的原始非队列分裂测试的大多数都偏向于红色按钮,因为在那个夏天,你的用户在海洋附近花了太多时间并且变得对蓝色变得盲目。 他们只能看到红色按钮。

然而,对于其他正常人来说,颜色的差异是微不足道的。 如果你只是依靠A / B测试,你会得出错误的结论,即红色更好。“

队列分析不仅可以更好地解释您的A / B测试,而且还可以用于形成更好的测试想法。 您基本上从另一个角度了解您的客户,为您提供有价值的量化见解。

如果您查看现有客户,并且可以通过群组趋势告诉他们共享的特征和体验是什么,您可以推断出该体验的哪些部分会导致向上或向下趋势。 正如%E6%9E%97%E8%82%AF%E5%A2%A8%E8%8F%B2%E6%89%80%E8%AF%B4%EF%BC%8C%E8%BF%99%E5%B0%86%E2%80%9C%E5%85%81%E8%AE%B8%E4%BD%A0%E8%BF%90%E8%A1%8C%E6%9C%80%E6%9C%89%E6%95%88%E7%9A%84%E6%BC%8F%E6%96%97%E6%B5%8B%E8%AF%95%EF%BC%8C%E5%9B%A0%E4%B8%BA%E4%BD%A0%E4%BB%8E%E8%BF%99%E4%B9%88%E5%BC%BA%E7%9A%84%E5%9F%BA%E7%BA%BF%E5%BC%80%E5%A7%8B%E3%80%82%E2%80%9D”>

《使用群组分析进行转换优化》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

然而,没有对照实验(例如A” b>或多%E5%8F%98%E9%87%8F%E6%B5%8B%E8%AF%95” a b>

A / B测试和队列分析一起使用,可以告诉你很多关于你如何成长以及什么在起作用。 ( %E7%82%B9%E5%87%BB%E6%8E%A8%E7%89%B9%EF%BC%81“>

SaaS的队列分析

特别是对于SaaS,群组分析可以帮助您优化漏斗的不同阶段。 除了每月群组,您可以通过几种不同的方式来分割数据以获得有趣的答案。

1.免费试用

这里是林肯墨菲解释几个不同的队列,你可以看看为你的SaaS公司分析免费试用:

《使用群组分析进行转换优化》 林肯墨菲:

“如果您正在测试试用长度,那么您可以观察那些在他们的生命周期中进行了为期15天的试验的队列与那些获得30天试用期的人群。 哪个转换率更高? 他们转换成什么价格水平? 谁在90天后呆了?

您还可以查看试用中获得特定电子邮件后续序列或经历特定%E5%AE%A2%E6%88%B7%E5%85%A5%E8%81%8C%E6%B5%81%E7%A8%8B%E7%9A%84

或那些注册试用并选择某个定价等级的人。 它们以什么价格转换? 他们升级到下一个级别多久了?

最后,有一个%E5%85%B1%E5%90%8C%E8%BD%AC%E6%8D%A2%E6%B4%BB%E5%8A%A8“>

虽然我认为你应该理智地检查你认为潜在客户需要做些什么来达到成为付费客户的地步是最合乎逻辑的下一步,CCA是对转换者进行简单队列分析的有力结果。 您可以将队列细化为仅包括那些在最高级别转换的队列,那些保持超过90天的队列,或者那些为您提供高NPS%E5%88%86%E6%95%B0%E7%9A%84%E9%98%9F%E5%88%97%E3%80%82″>

2.定价

您可以通过多种方式分析和测试与%E5%AE%9A%E4%BB%B7%E7%9B%B8%E5%85%B3%E7%9A%84%E4%B8%8D%E5%90%8C%E7%BE%A4%E7%BB%84%E3%80%82″>

您还可以持续查看按预付款而非每月付款的客户。 看看是什么带来了他们,什么时候以及他们是什么类型的公司。 寻找任何独特的特征。

3.收入

%E4%BC%98%E5%8C%96%E4%BF%9D%E7%95%99%E6%97%B6“>

《使用群组分析进行转换优化》 林肯墨菲:
通过加售或其他扩展花费更多时间的客户(可能)是您最好的客户。 因此,看看这些客户,看看他们从哪里(销售或营销渠道)到他们停留的时间,他们的NPS或其他客户健康评分等等都是很好的。

从那里你可以决定他们的实际价值与获得的成本/努力之间的关系,这个群体是否愿意成为你的倡导者等等。

4.销售

%E4%BC%98%E5%8C%96%E9%94%80%E5%94%AE%E6%B5%81%E7%A8%8B%E6%98%AF%E4%B8%80%E4%B8%AA%E6%A3%98%E6%89%8B%E7%9A%84%E4%B8%BB%E9%A2%98%EF%BC%8C%E5%9B%A0%E4%B8%BA%E6%9C%89%E5%BE%88%E5%A4%9A%E6%96%B9%E6%B3%95%E5%8F%AF%E4%BB%A5%E5%81%9A%E5%88%B0%E8%BF%99%E4%B8%80%E7%82%B9%E3%80%82″>

《使用群组分析进行转换优化》 林肯墨菲:

这是销售人员从营销部门或BDA / SDR集团接受的领导,他们认为他们可以关闭。 它符合正确的标准,(可能)已经过审查等。

SAL是许多企业营销和销售团队的目标,但知道哪个渠道带来了这些是真正扩大销售速度的关键。

你应该跟踪哪些人群?

因为您可以跟踪任意数量的队列,为了保持您的时间和理智,您必须有选择性。 虽然这对每个人来说都不一样(这取决于你的目标和关键绩效指标),但KISSMetrics%E5%9C%A8%E8%80%83%E8%99%91%E8%A6%81%E8%B7%9F%E8%B8%AA%E5%93%AA%E4%BA%9B

  • 我从这些群体中获得的数据是否会产生可以改变我的营销策略的见解?
  • 在营销方面,我能清楚地知道什么在起作用,什么不起作用?
  • 今年我需要达到什么目标? 这个队列会帮助我改进这个指标吗?“

也就是说,我问林肯墨菲他最喜欢的一些人是什么。 它们可能适用于您的公司,也可能不适用于您的公司(但如果您是SaaS,它们可能会适用):

《使用群组分析进行转换优化》 林肯墨菲:

“我最喜欢的一些人群基于:

客户健康 – 我希望看到健康的客户,可能成为一个倡导者或购买更多,客户表现良好,但可能需要一些关注,以及那些有可能产生风险的客户。

有意义的活跃 – 我之前说过,“活跃用户”是一个虚荣度量; 您希望客户不仅仅是活跃的,而是做一些能够让他们实现所需结果的客户。 这是“有意义的活跃”,你想看看符合该法案的客户,以确保他们走上正轨。 如果他们不是,你需要进行干预,以确保他们向前迈进。 您可以每天,每周或每月查看符合该说明的客户,并采取相应的措施。

坚持点 – 有一个点 – 时间框架,功能试金石,结果等 – 如果客户达到这一点,它们可能至少保持平均%E5%AE%A2%E6%88%B7%E5%AF%BF%E5%91%BD“>

行业/用例 – 我总是鼓励与我合作的SaaS公司做的一件事是让他们的客户告诉他们他们所处的行业或他们打算如何处理产品; 也许两者。 如果我知道您在物流行业并且您正在尝试改进工作流程,我可以为您创建消息,查看该组如何与其他同类群组成堆叠,或者确定是否存在特定用例导致更快的帐户扩展,因此我可以获得%E6%9B%B4%E5%A4%9A%E8%BF%99%E7%B1%BB%E5%AE%A2%E6%88%B7“>

收入潜力 – 许多SaaS公司根据当前收入对客户进行细分,但这是一个巨大的机会。 虽然目前的收入很好,但是SaaS – 特别是在土地和扩张的情况下,一些人,一个部门,甚至一个部门可以带你进入公司,但你最终可以在整个企业中传播 – 收入潜力很大更有意义的指标。 而且,为了能够看到收入潜力为10万美元/ ARR或目前ARR(无论如何)10倍的大量客户,这将变得更有趣。“

让我们来看一个电子商务公司的例子以及哪些人群对他们有价值。 在此示例中, PPC” hero>一个细分,仅包括购买特定品牌的用户。 他们的指标是收入:

《使用群组分析进行转换优化》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

当然,大部分收入发生在第0周(收购),但在第1周和第2周也有相当数量。因此,PPC Hero查看了此段的交易日期:

《使用群组分析进行转换优化》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

由此可见,他们可以判断4.95%的交易发生在第7-13天之间。 他们还可以看到转换的波动,这可能暗示某种形式的外部促销。 使用这些数据,他们还可以更好地规划其再营销广告系列,并根据客户最有可能购买的时间进行调整。

最后, %E6%8C%89%E9%9C%80%E5%89%B2%E8%8D%89%E6%9C%8D%E5%8A%A1LawnStarter%E7%9A%84%E8%81%94%E5%90%88%E5%88%9B%E5%A7%8B%E4%BA%BA提到,他最喜欢的追踪队列是通过收购渠道来衡量的。

《使用群组分析进行转换优化》 瑞安法利:

“我们最强大的一个群体是我们通过收购渠道保留。 例如,来自直邮的人往往会停留更长时间,因此我们可以承受比广告更高的CAC,而广告的保留率要低得多。“

结论

最简单的群组是在一段时间内共享共同经历的群体。 他们是2月份注册的人,或3月份开始的免费试用用户等。与强大的测试程序合作,获得的见解和结果可能非常惊人。 ( %E7%82%B9%E5%87%BB%E6%8E%A8%E7%89%B9%EF%BC%81“>

但是,正如您在文章中看到的那样,您可以通过无限的方式%E5%AF%B9%E7%BB%86%E5%88%86%E8%BF%9B%E8%A1%8C

  • 我从这些群体中获得的数据是否会产生可以改变我的营销策略的见解?
  • 在营销方面,我能清楚地知道什么在起作用,什么不起作用?
  • 今年我需要达到什么目标? 这个队列会帮助我改进这个指标吗?“

相关文章

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注