Análisis de cohortes con Adobe Analytics

Una vez más un post invitado de los buenos…. os dejo con Javier Martin que escribe desde UK y le podéis seguir en su blog Geekeando en Analytics…

 

La primera vez que oí hablar sobre el Análisis de Cohortes en Adobe Analytics fue durante la charla “The Chef’s Table” de Ben Gaines en el Adobe Summit EMEA de Mayo de este ano en Londres. Ben explicó que el Análisis de Cohortes era una las novedades que traía la nueva funcionalidad de Workspace.

Inmediatamente pensé que este tipo de análisis es un “ingrediente” que debe estar en lal cualquier mesa en la que vayan a cocinarse unos buenos insights.

¿Qué es el Análisis de Cohortes?

Según Wikipedia, en el Análisis de Cohortes (o Cohort Analysis en inglés) los individuos que componen los grupos de estudio o cohortes se seleccionan en función de la presencia de una determinada característica o exposición.

Dicho de otra manera y poniendo la definición en contexto,un cohorte es un grupo de usuarios que ha realizado una acción concreta en un momento concreto.

Por ejemplo, usuarios que nos visitan gracias a una campaña de Adwords y que crean una cuenta cuenta en los primeros días del mes x. Eso es un cohorte y nos puede permitir “rascar” sobre (por ejemplo) las ventas generadas por ese cohorte en las diez semanas siguientes.

Esto nos permite segmentar un poco más y muy fácilmente las características principales de esos que han realizado dicha compra (¿qué tienen en común?) y los que no (otra vez, ¿qué tienen en común?).

¿Por qué es importante?

Porque si seguimos las conversiones y comportamientos con el análisis de cohortes podemos entender más fácilmente la relación a largo plazo con nuestros clientes o usuarios

Siguiendo el ejemplo mencionado, podríamos utilizar un análisis de cohortes para preguntarnos cosas como:

¿Cómo de efectiva ha sido esa campaña de PPC que tenía por objetivo la creación de cuentas para un periodo de tiempo x?

Tengamos en cuenta que cuando un usuario se da de alta en una web, puede haberlo hecho por un motivo concreto y no volver más, volver pero no convertir o volver y convertir.

– ¿Cuál es la lealtad de compra de las distintas categorías de producto?

– ¿Qué segmentos (cohortes) generan más beneficio a lo largo del tiempo?

– ¿Qué «engagement» en términos de visitas recurrentes generan las acciones de marketing?

Aunque no es todo sobre retención. También podemos evaluar el impacto y la efectividad de determinadas acciones (o campañas etc.) en el engagement o la conversión, como por ejemplo impacto de crear cuentas en realizar compras posteriormente.

Y dado que podemos aplicar segmentos, podemos centrarnos en una sección, fuente de tráfico o dispositivo concreto que sea clave para nosotros centrarse. Y se puede hace tanto con Adobe como con Google Analytics. Lo voy a explicar con Adobe.

¿Cómo empezar a utilizar el Análisis de Cohortes de WorkSpace?

Tan solo en Workspace, selecciona “Visualizaciones” y haz click en “Cohort Table”

 

Se abre una tabla con tres elementos

• Granularidad: Dia, semana, mes etc.
• Inclusion Metric:Es la métrica que usa para entrar en el cohorte.

Por ejemplo, si escogemos que el usuario cree una cuenta, solo los usuarios que la hayan creado durante un periodo de tiempo determinado serán incluidos en el cohorte

• Return Metric :Es la métrica que indica que el usuario ha sido “retenido”.

Por ejemplo, si elegimos que haya realizado una transacción, sólo los usuarios que hayan comprado algo después de un periodo de tiempo determinado serán representados como retenidos.

El cohorte también puede segmentarse, por ejemplo incluyendo solo tráfico de Facebook.

Siguientes pasos

Voy  a cambiar en el ejemplo a la métrica visitas. Entre los usuarios que nos visitaron un día, ¿cuántos han vuelto en los siguientes días? y podemos crear la siguiente tabla.

Cada celda, dependiendo de si los valores son más grandes o pequeños, muestran un verde más fuerte o apagado. Y podemos tener «curiosidad» por ambos grupos. Por lo que está funcionando bien para tirar el hilo y ver que tienen en común esos usuarios, para entender el segmento y tratar de potenciarlo. Y por que no, para tratar de corregirlo.

Para descubrir que tienen en común esos usuarios detrás de una celda concreta, basta con hacer click (botón derecho) en la celda y se abrirá la herramienta «segment manager» ya con el cohorte en cuestión.

Podemos guardar ese segmento para aplicarlo a los datos profundizar, viendo por donde entran, cual es el medio / fuente del que vienen, que dispositivo usan etc.

Conclusión

El análisis de cohortes ayuda a analizar la relación con los clientes / usuarios a largo plazo. Es muy común analizar las ventas de una campaña y «ya está». Por eso este tipo de análisis sirve para que ocurre después, si esos que compraron por primera vez con la campaña a o la campaña b, o los que compraron el producto a o el b.

 

Y esto es una mejora 🙂