Cohort Analysis là gì? Lý do phân tích tổ hợp quan trọng trong phân tích dữ liệu Marketing

Thành công lâu dài đối với các doanh nghiệp không có nghĩa là chỉ thu hút được ai đó mua hàng một lần hay tải xuống ứng dụng mà còn khiến họ phải truy cập lại, gia tăng những lần mua hàng tiếp theo. Điều quan trọng trong Marketing mà mỗi chúng ta phải liên tục làm; đó là xác định, khám phá và tìm ra những nhu cầu tiềm ẩn của khách hàng hay những nhân tố tác động nên hành vi mua hàng ấy.

Cũng có thể hiểu đơn giản, đó chính là xác định ra những nguyên nhân làm user ngừng lại khi đang trải nghiệm mua sắm trên trang web của bạn.

Làm sao xác định được? Cohort Analysis sẽ là một cách giúp bạn khám phá ra điều đó.

Mục lục

Cohort Analytics là gì?

Cohort Analysis (Phân tích tổ hợp) là một kỹ thuật phân tích trong Marketing tập trung vào việc phân tích hành vi của một nhóm người dùng / khách hàng có chung một đặc điểm trong một khoảng thời gian nhất định, từ đó khám phá những hiểu biết sâu sắc về trải nghiệm của những khách hàng để cải thiện những trải nghiệm đó.

Lí do khiến cohort analysis trở lên quan trọng là vì nó giúp marketer vượt ra khỏi hạn chế của các chỉ số trung bình, giúp marketer có insight rõ ràng hơn và từ đó đưa ra các quyết định chính xác hơn. Nếu báo cáo trung bình cho ta biết thu nhập bình quân đầu người tại Việt Nam năm 2019 tăng so với năm 2018 thì phép phân tích cohort analysis giúp ta có cái nhìn (insight) rõ ràng hơn về mức độ tăng của từng vùng miền, tỉnh thành. Bằng việc so sánh các chỉ số với cohort khác nhau trong cùng một phép phân tích, chúng ta sẽ phát hiện ra được những khu vực có chuyển biến khác hẳn (không tăng hoặc thậm chí giảm) so với xu thế tăng chung trên cả nước. (Theo adbrix)

Có thể nói, phân tích tổ hợp là một công cụ để đo lường mức độ tương tác của người dùng theo thời gian. Nó giúp biết liệu mức độ tương tác của người dùng đang thực sự tốt hơn theo thời gian hay chỉ có vẻ cải thiện do tăng trưởng.

Phân tích tổ hợp được chứng minh là có giá trị vì nó giúp tách các chỉ số tăng trưởng khỏi chỉ số tương tác vì tăng trưởng có thể dễ dàng làm bạn không thấy các vấn đề về những kết quả cụ thể về sự tương tác của khách hàng cũ với thương hiệu. Trên thực tế, sự tương tác của người dùng cũ đang bị xáo trộn với con số tăng trưởng ấn tượng của người dùng mới, điều này dẫn đến việc bạn không hình dung rõ được sự tham gia của người dùng đã mua hàng bên bạn như thế nào.

-> Đến đây bạn đã hiểu lý do tại sao có cohort Analysis chưa?

Ví dụ cụ thể về phân tích theo Cohort

Hãy hiểu cách sử dụng phân tích theo nhóm với một ví dụ – nhóm cohort hàng ngày gồm những người dùng đã khởi chạy ứng dụng trong lần đầu và truy cập lại ứng dụng trong 10 ngày tới.

Từ bảng tỷ lệ giữ chân ở trên – Biểu đồ hình tam giác, chúng ta có thể suy ra những điều sau:

1358 người dùng đã khởi chạy ứng dụng vào ngày 26 tháng 1.
Tỷ lệ giữ chân ngày 1 là 31,1%, tỷ lệ giữ chân ngày 7 là 12,9% và tỷ lệ giữ chân ngày 9 là 11,3%.
Vì vậy, vào ngày thứ 7 sau khi sử dụng ứng dụng, 1 trong 8 người dùng đã khởi chạy ứng dụng vào ngày 26 tháng 1 vẫn là người dùng đang hoạt động trên ứng dụng.
Trong số tất cả người dùng mới trong khoảng thời gian này (13.487 người dùng), 27% người dùng được giữ lại vào ngày 1, 12,5% vào ngày 7 và 12,1% vào ngày 10.

Hơn nữa, hai lợi ích chính của việc đọc bảng ở trên là:

Thời gian tồn tại của sản phẩm (như được mô tả theo chiều dọc trong bảng) – so sánh các cohort khác nhau ở cùng một giai đoạn trong vòng đời của họ – chúng ta có thể thấy% số người trong nhóm sẽ quay lại ứng dụng sau 3 ngày, v.v. Những chỉ số thể hiện trong những ngày đầ cho bạn thấy chất lượng của trải nghiệm của người dùng.
Thời gian tồn tại của người dùng (như được mô tả theo chiều ngang ở bên phải của bảng) – xem mối quan hệ lâu dài với mọi người trong bất kỳ nhóm nào – để xác định xem mọi người quay trở lại trong bao lâu và nhóm đó mạnh đến mức nào hoặc có giá trị như thế nào. Điều này có thể được liên kết với một số thứ như chất lượng của sản phẩm, hoạt động và hỗ trợ khách hàng.

Dù bạn xác định các chỉ số chính đánh giá cho doanh nghiệp như thế nào, phân tích theo nhóm cho phép bạn xem các chỉ số phát triển như thế nào trong thời gian tồn tại của khách hàng cũng như trong thời gian sản phẩm.

2 loại Cohort Analytics

Acquisition cohorts
Behavioral cohorts

Acquisition cohorts – Nhóm tổ hợp chuyển đổi

Nhóm Cohort này phân chia người dùng dựa trên thời điểm họ có được hoặc đăng ký một sản phẩm. Tùy thuộc vào sản phẩm của bạn, chuyển đổi người dùng có thể được theo dõi hàng ngày, hàng tuần hoặc hàng tháng.

Ví dụ: một ứng dụng dành cho thiết bị di động dành cho người tiêu dùng về năng suất có thể theo dõi các nhóm chuyển đổi của nó hàng ngày. Mặt khác, một ứng dụng di động B2B với nhóm người dùng tập trung sẽ tập trung vào việc mua lại hàng tháng.

Một cách để trực quan hóa thông tin này là vẽ biểu đồ đường cong tỷ lệ giữ chân, cho thấy tỷ lệ giữ chân của các nhóm này theo thời gian. Biểu đồ giúp bạn dễ dàng suy ra khi nào người dùng rời khỏi sản phẩm của bạn.

Đường cong duy trì này ngay lập tức phản ánh một thông tin chi tiết quan trọng – khoảng 75% người dùng ngừng sử dụng ứng dụng sau ngày đầu tiên. Sau mức giảm lớn ban đầu đó, mức giảm nhanh thứ hai xảy ra sau ngày thứ 5 – xuống dưới 12%, trước khi đường cong bắt đầu chững lại sau ngày thứ 7, khiến khoảng 11% người dùng ban đầu vẫn hoạt động trong ứng dụng vào ngày thứ 10.

Đường cong tỷ lệ giữ chân ở trên cho thấy rằng người dùng không nhanh chóng đạt được giá trị cốt lõi của ứng dụng, dẫn đến việc bỏ qua. Do đó, việc cải thiện trải nghiệm tích hợp là điều hiển nhiên để đưa người dùng đến với giá trị cốt lõi nhanh nhất có thể, do đó thúc đẩy tỷ lệ giữ chân người dùng.

Do đó, nhóm acquisition cohort rất tốt để xác định xu hướng và thời điểm, nhưng thật khó để đưa ra những thông tin chi tiết hữu ích như – để hiểu lý do tại sao họ rời đi – điều này yêu cầu sử dụng một loại nhóm thuần tập khác, nhóm thuần tập hành vi

Behavioral cohorts – Nhóm tổ hợp về hành vi

Nhóm tổ hợp hành vi người dùng dựa trên các hoạt động mà họ thực hiện trong ứng dụng trong một khoảng thời gian nhất định.

Ví dụ: tất cả những người dùng đã đọc các bài đánh giá trước khi mua một sản phẩm. Điều này có thể trả lời các câu hỏi thú vị, như,

Những người dùng đọc bài đánh giá có tỷ lệ chuyển đổi cao hơn những người dùng không đọc bài đánh giá hay.
Người dùng có tương tác nhiều hơn không – các phiên dài hơn, nhiều thời gian hơn trong ứng dụng, ít bỏ qua hơn

Một người dùng ứng dụng, sau khi cài đặt và / hoặc khởi chạy ứng dụng, đưa ra hàng trăm quyết định và thể hiện vô số hành vi nhỏ dẫn đến quyết định ở lại hay đi. Những hành vi này có thể là bất cứ điều gì, chẳng hạn như sử dụng tính năng cốt lõi Y nhưng không sử dụng tính năng cốt lõi Z, chỉ tương tác với các thông báo loại X, v.v.

Hãy kiểm tra hành vi của người dùng bằng cách so sánh tỷ lệ giữ chân giữa các nhóm dưới đây:

Cả hai phân đoạn người dùng đều có ý định giao dịch trên ứng dụng của bạn. Nhưng một bộ phận người dùng đã chọn tiếp tục thanh toán, bộ phận còn lại chọn từ bỏ ứng dụng của bạn. Bạn có thể làm gì để giảm việc bỏ qua giỏ hàng?

Phân tích theo nhóm có thể nhận được câu trả lời cho các câu hỏi như:

Khi nào là thời điểm tốt nhất để tương tác lại với người dùng của bạn? Khi nào là thời điểm tốt nhất để tiếp thị lại?

Tỷ lệ chuyển đổi người dùng mới là bao nhiêu để duy trì (nếu không tăng) tỷ lệ chuyển đổi ứng dụng của bạn?

Từ các bảng tỷ lệ giữ chân ở trên, bạn có thể kết luận rằng phần lớn người dùng đã từ bỏ giỏ hàng đã không tương tác lại với ứng dụng, thậm chí không quá 1 ngày sau ngày chuyển đổi. Vì vậy, bạn có ít hơn 24 giờ để nhắm mục tiêu lại họ với ưu đãi mới và tăng cơ hội nhận được doanh thu.

Từ dữ liệu này, bạn có thể phát triển một phương pháp tiếp cận định lượng, có hệ thống để biết cách người dùng có thể yêu ứng dụng của bạn – và sau đó làm cho điều đó xảy ra lặp đi lặp lại. Ngoài ra, bạn có thể đưa ra các chiến lược để tăng tỷ lệ giữ chân của mình sau khi xác định được điều gì hiệu quả và điều gì không.

Sức mạnh của phân tích theo nhóm nằm ở chỗ, nó không chỉ cho phép xem khách hàng nào rời đi và khi nào họ rời đi, mà còn hiểu được lý do tại sao khách hàng rời bỏ ứng dụng của bạn – để bạn có thể khắc phục. Đó là cách người ta có thể xác định mức độ giữ chân người dùng và cũng xác định các yếu tố chính thúc đẩy sự tăng trưởng, mức độ tương tác và doanh thu cho ứng dụng.

Phân tích theo nhóm có thể nhận được câu trả lời cho các câu hỏi như:

Khi nào là thời điểm tốt nhất để tương tác lại với người dùng của bạn? Khi nào là thời điểm tốt nhất để tiếp thị lại?
Tỷ lệ chuyển đổi người dùng mới là bao nhiêu để duy trì (nếu không tăng) tỷ lệ chuyển đổi ứng dụng của bạn?

Tại sao cần sử dụng Cohort Analysis?

Những ví dụ trên cũng dã cho bạn thấy, phân tích theo nhóm là một cách tốt hơn để xem xét dữ liệu và không giới hạn trong một ngành hoặc chức năng duy nhất.

Ví dụ: Các công ty Thương mại điện tử có thể sử dụng Cohort để phát hiện các sản phẩm có nhiều tiềm năng tăng trưởng doanh số hơn. Trong Digital Marketing, nó có thể giúp xác định các trang web hoạt động tốt dựa trên thời gian dành cho trang web, chuyển đổi hoặc đăng ký. Trong tiếp thị sản phẩm, phân tích này có thể được sử dụng để xác định sự thành công của tỷ lệ chấp nhận tính năng và cũng để giảm tỷ lệ churn.

Phân tích theo nhóm được sử dụng rộng rãi trong các ngành dọc sau:

E-commerce (Thương mại điện tử)
Mobile apps (Ứng dụng di động)
Cloud software (Phần mềm đám mây)
Digital marketing
Online gaming

Trong tất cả các ngành này, phân tích cohort thường được sử dụng để xác định lý do tại sao khách hàng rời đi và những gì có thể làm để ngăn họ rời đi. Điều đó đưa chúng ta đến việc tính toán Customer Retention Rate – Tỷ lệ giữ chân khách hàng (Viết tắt là CRR).

Tỷ lệ giữ chân khách hàng được tính bởi công thức này: CRR = ((E-N) / S) X 100

Công thức có ba thành phần:

E – Số lượng khách hàng cuối sử dụng vào cuối kỳ của khoảng giai đoạn.
N – Số lượng khách hàng có được trong khoảng thời gian đó.
S – Số lượng khách hàng đầu kỳ (hoặc đầu kỳ).

Để đo lường tỷ lệ giữ chân khách hàng (Retention), chúng ta cần tìm sự khác biệt giữa số lượng khách hàng có được trong suốt khoảng thời gian đó so với số lượng khách hàng còn lại vào cuối kỳ. Điều này mang lại cho bạn một bức tranh chân thực về những khách hàng được giữ lại. Để tìm tỷ lệ phần trăm những khách hàng đã được giữ lại kể từ đầu, chúng tôi chia kết quả với số lượng khách hàng lúc đầu. Điều này mang lại tỷ lệ giữ chân khách hàng.

CRR càng cao có nghĩa là sự trung thành của khách hàng càng lớn. Bằng cách so sánh điểm chuẩn CRR của doanh nghiệp với mức trung bình trong ngành, bạn có thể thấy vị trí của mình về tỷ lệ giữ chân khách hàng. Nếu CRR cho thấy một bức tranh không mấy tốt, biện pháp khắc phục được thực hiện với sự trợ giúp của phân tích dữ liệu – đây là cách phân tích theo nhóm có thể giúp ích.

Sử dụng Cohort Analytics để đo lường Retention

Là một Marketer, bạn sẽ tham gia vào nhiều công việc như – chạy chiến dịch, điều chỉnh quy trình tiếp cận khách hàng, giới thiệu các tính năng sản phẩm mới, v.v. Phân tích theo nhóm giúp đánh giá mức độ thành công của từng hoạt động này.

Một số lợi ích của phân tích theo nhóm bao gồm:

Dự đoán hành vi của người dùng trong tương lai với dữ liệu hiện tại
Xác định các tính năng, hoạt động hoặc thay đổi để giữ chân khách hàng
Chủ động lập kế hoạch cho các hoạt động tương tác với khách hàng dựa trên việc áp dụng tính năng
Tất cả các hoạt động này đều giúp ích cho việc duy trì khách hàng một cách tối đa.

Thực hiện phân tích Cohort bằng Google Analytics

Google Analytics là công cụ cần thiết của bất kỳ một người đang làm Marketing để khai thác dữ liệu về lưu lượng truy cập trang web, các v và cả chuyển đổi. Nó cũng có một cung cấp phân tích thuần tập gọn gàng (ở chế độ beta ngay bây giờ) mà bạn có thể sử dụng ngay cả khi bạn không phải là người dùng thành thạo của GA.

Để bắt đầu với phân tích theo nhóm bằng Google Analytics, hãy chuyển đến ĐỐI TƯỢNG> Phân tích theo nhóm.

Ở đầu báo cáo, bạn sẽ tìm thấy một số cài đặt nhóm Cohort có thể được tinh chỉnh để tạo báo cáo nhóm. Các cài đặt mà bạn có thể điều chỉnh bao gồm loại nhóm thuần tập, kích thước nhóm, số liệu và phạm vi ngày.

Đây là những gì mỗi thuật ngữ này viết tắt:

Cohort Type: Nhóm khách hàng / nhóm dữ liệu bạn muốn phân tích. Hiện tại, Google Analytics chỉ cung cấp một loại Acquisition Cohort, đó là lần đầu tiên người dùng tương tác với nội dung của bạn.
Cohort Size – Quy mô nhóm: Quy mô nhóm đề cập đến khoảng thời gian mà bạn muốn thực hiện phân tích theo nhóm. Đây có thể là một ngày, một tuần hoặc một tháng.
Date Range – Phạm vi ngày: Khoảng thời gian mà bạn muốn thực hiện phân tích theo nhóm được đặt trong phạm vi ngày. Google Analytics cung cấp phạm vi ngày cho một tháng, “2 tháng qua” và “3 tháng qua”.
Metric – Chỉ số: Báo cáo phân tích theo nhóm Cohort có thể được tập trung vào các chỉ số cụ thể cho mỗi người dùng. Chỉ số mặc định được đặt trong Google Analytics là tỷ lệ giữ chân người dùng (User Retention). Các chỉ số khác mà bạn có thể chọn bao gồm:

Goal completions per user – Số lần hoàn thành mục tiêu trên mỗi người dùng
Pageviews per user – Số lần xem trang trên mỗi người dùng
Revenue per user – Doanh thu trên mỗi người dùng
Session duration per user – Số phiên trên mỗi người dùng
Sessions per user – Giao dịch trên mỗi người dùng
Transactions per user

Mẹo: Để tận dụng tối đa phân tích theo nhóm, hãy thêm nhiều phân đoạn hơn (segment) vào phân tích. Ví dụ: bạn có thể xác định phần lớn người dùng của mình đến từ đâu bằng cách thêm phân đoạn trang web / thiết bị di động.

Bài viết liên quan: Hướng dẫn sử dụng Google Analytics 2021

Kết luận,

Sức mạnh của phân tích tổ hợp Cohort analysis nằm ở chỗ, nó không chỉ cho phép xem khách hàng nào rời đi và khi nào họ rời đi, mà còn hiểu được lý do tại sao khách hàng rời bỏ ứng dụng của bạn – để bạn có thể khắc phục. Đó là cách người ta có thể xác định mức độ giữ chân người dùng và cũng xác định các yếu tố chính thúc đẩy sự tăng trưởng, mức độ tương tác và doanh thu cho ứng dụng.

Đọc thêm: Metric là gì? Các Key Metric trong Marketing