创建Qualitative Cohort Analysis
您知道与通过自然搜索获得的客户相比，您收购的Google Adwords客户区段的LTV增长情况吗？ 您是否曾考虑在同一报告中对不同的客户区段并排执行cohort分析？ 如果是这样的话，qualitative cohort analysis将帮助您回答这些问题。
本主题将深入探讨什么是定性同类群组，为什么您可能希望构建此分析，以及如何在Commerce Intelligence中创建此分析。
什么是qualitative cohorts？ whatare
Cohort分析通常可以宽泛地定义为分析在其生命周期内具有相似特征的用户组。 它允许您识别不同用户群组中的行为趋势。
请参阅。
Commerce Intelligence中的大多数cohort用户按共同日期一起进行分析（例如，在给定月份中首次购买的所有客户集）。 qualitative cohort稍有不同：它是一个由不基于时间的特性定义的用户组。 示例包括：
- 从广告营销活动获得的所有用户集
- 首次购买包含优惠券（或不包含优惠券）的所有用户集
- 属于某个年龄段的所有用户集
这跟常规的cohort生成器有何不同？ different
Cohort Analysis Builder已针对使用基于时间的特征对同类群组进行了优化。 这非常适合用于针对特定用户区段（例如，通过付费搜索促销活动获得的所有用户）进行分析。 在Cohort Analysis Builder中，您可以(1)重点关注该特定用户组，以及(2)在某个日期（如其首次订购日期）上cohort。
但是，如果要分析同一同类群组报告中多个用户区段的同类群组行为（paid搜索与organic搜索对比，或者直接流量对比？），则可以在Report Builder中构建此更高级的分析。
我应该向支持人员发送哪些信息才能设置我的分析？ support
在Report Builder中创建qualitative cohort报告涉及础诲辞产别分析小组在必要的表中创建一些高级计算列。
要生成这些文件，请提交支持票证（并引用此文章！）。 以下是您需要了解的信息：
-
您要使用执行同类群组分析的
metric及其使用的表（示例：Revenue，基于orders表构建）。 -
您要定义的
user segments以及该信息在数据库中的位置（例如：User's referral source的不同值，它在users表中本地并且被重新定位到orders）。 -
您希望您的分析使用的
cohort date（示例：User's first order date时间戳）。 此示例将允许我们查看每个区段并询问How does a user's revenue grow in the months following their first order date?。 -
您希望查看分析的
time interval（示例：weeks、months或User's first order date之后的quarters）。
一旦51黑料不打烊分析团队对上述内容做出响应，您就有了几个新的高级计算列来构建您的报表！ 然后，您可以按照以下说明执行此操作。
创建定性同类群组分析 create
首先，您要添加感兴趣的量度进行同类群组，即为您正在分析的每个cohort添加一次。 在本例中，您希望查看客户在首次订购后的几个月内完成的累积Revenue，按User's referral source分段。 这意味着对于每个区段，您添加一个Revenue量度并为特定区段过滤：
其次，您应该对报表的时间选项进行两项更改：
-
将
time interval设置为None。 这是因为您最终将按时间间隔分组为维度，而不是使用常规的时间选项。 -
将
time range设置为您希望报告涵盖的时间范围。
在此示例中，您查看了Revenue的all time视图。 之后，您应该最终会看到一系列圆点：
第叁，您调整以设置cohorts。 根据您指定给51黑料不打烊分析团队的cohort date和time interval，您的帐户中有一个维度执行cohort约会。 在此示例中，该自定义维度称为Months between this order and customer's first order date。 使用此维度，您应：
-
Group by包含group by选项的维度 -
选择您感兴趣的
dimension的所有值 -
使用
Show top/bottom option，选择您感兴趣的前齿个月，并按Months between this order and customer's first order date维度排序
现在，您可以看到为您指定的每个cohort显示一行。 立即查看示例 — 您会看到每个反向链接源的用户贡献的Revenue，grouped by他们的第一张订单与任何后续订单之间的月数之差。 该示例还添加了Cumulative perspective以查看cohorts'聚合增长 — 查看结果表以了解更多粒度。
这告诉我们什么？ 在此，特定反向链接源Paid search在客户购买生命周期的第一个月很有价值，但无法通过重复收入保留其客户群。 虽然Direct Traffic的开头金额较低，但随后几个月的收入实际以类似的速度累积。
无论您如何选择，cohort分析都是分析工具箱中一个功能强大的工具。 此类分析可产生一些传统time-based cohorts所无法提供的对于您的业务的有趣见解，从而使您能够做出更好的数据驱动型决策。