Giới thiệu
Bạn đã từng bị mắc kẹt trong một mê cung và cố gắng tìm cách tìm đường thoát ra bằng cách rẽ nhầm nhiều lần trên đường chưa? Nhìn vào mọi thứ từ cao độ thấp khiến bạn không thể đánh giá chính xác bạn đang ở đâu và con đường tốt nhất từ A đến B?
Nhưng điều gì sẽ xảy ra nếu bạn có thể thu nhỏ và có được cái nhìn tổng quan bức tranh lớn hơn để hiểu được mọi thứ?
Khi nói đến phân tích dữ liệu, có một quan niệm sai lầm phổ biến giữa các nhà tiếp thị rằng càng xem nhiều báo cáo, càng có nhiều hiểu biết sâu sắc.
Tuy nhiên, thực tế là chất lượng quan trọng hơn số lượng. Tất cả chúng ta đều chìm đắm trong dữ liệu – thách thức là loại bỏ những dữ liệu không liên quan và chỉ tập trung vào những gì có liên quan. Khi bạn biết cách phân tích dữ liệu của mình một cách hiệu quả, bạn sẽ có một bức tranh rõ ràng hơn nhiều về những gì đang hoạt động và những gì không.
Và đây là lúc cohort analysis cần thiết.
Nó cho phép bạn tìm con đường hiệu quả nhất từ A đến B. Nhưng làm thế nào?
Bằng cách xem xét toàn bộ các hoạt động marketing của bạn, đồng thời tham chiếu chéo các chỉ số về hiệu suất để tạo ra các xu hướng có ý nghĩa. Các xu hướng mà nếu không có cohort analysis sẽ không được chú ý, bởi vì cho đến bây giờ bạn đã xem xét dữ liệu của mình mà không có ngữ cảnh.
Vậy cohort analysis là gì và tại sao bạn nên quan tâm?
Khi chúng ta nói về cohort analysis, chúng tôi muốn nói đến quá trình lấy một nhóm lớn người dùng (hoặc khách hàng) và chia thành các phân khúc nhỏ hơn có những đặc điểm chung nhất định trong một khoảng thời gian nhất định.
Những đặc điểm này có thể bao gồm cùng khu vực hoặc ngôn ngữ chung, các mặt hàng ưa thích, ngày bắt đầu sử dụng và bất kỳ đặc điểm chung nào khác mà bạn có thể nghĩ đến.
Trong lĩnh vực ứng dụng dành cho thiết bị di động, cohort analysis là một cách hiệu quả cao để hiểu sâu hơn về cách các nhóm người dùng cụ thể tương tác với ứng dụng của bạn theo thời gian. Nó thậm chí có thể giúp bạn tinh chỉnh KPI khi đo lường hiệu suất chiến dịch.
Các doanh nghiệp thường sử dụng cohort analysis để:
- Tối ưu hóa chiến dịch thu hút người dùng (UA)– bằng cách xác định phân khúc nào hoạt động kém hiệu quả và bạn có thể cải thiện những điểm nào.
- Cải thiện tỷ lệ giữ chân người dùng và giá trị trọn đời (LTV)– bằng cách tương tái lại người dùng chất lượng cao và giảm tỷ lệ rời bỏ.
Một lợi thế rất lớn của cohort analysis là thực tế nó cho phép bạn so sánh “apples to apples” (so sánh trên cùng tiêu chuẩn) khi xác định xu hướng, giúp nó trở nên đáng tin cậy để theo dõi các thay đổi theo thời gian mà không cần phải thực hiện phân tích hành vi trên cơ sở người dùng cá nhân.
Bằng cách xem xét dữ liệu của bạn từ các góc độ khác nhau, bạn sẽ có thể trả lời các câu hỏi quan trọng như:
- Ai đang tương tác với ứng dụng của bạn?
- Khi nào người dùng thường dừng sử dụng dịch vụ – và tại sao?
- Bao nhiêu phần trăm doanh thu của bạn đến từ người dùng mới so với người dùng lâu dài?
- Khi nào là thời điểm tốt nhất để tiếp cận lại người dùng của bạn?
- Nguồn quảng cáo nào mang lại nhiều người dùng ROI tích cao nhất?
Hãy nhớ rằng việc diễn giải tất cả dữ liệu này có thể cần một số thực hành như: bạn cần biết bạn đang tìm kiếm điều gì và nơi để tìm. Xem chương 3 để biết một số ví dụ thực tế để giúp bạn hiểu được những điều này.
Double whammy – hai mô hình chính của cohorts
Bạn có thể xác định các cohort của mình theo bất kỳ cách nào bạn muốn, nhưng các loại được sử dụng phổ biến nhất là UA và cohort về hành vi. Hãy cùng tìm hiểu những mô hình này như thế nào và làm thế nào bạn có thể áp dụng chúng vào hoạt động marketing hàng ngày của mình.
Nhóm cohort chuyển đổi người dùng (UA)
Acquisition cohort analysis (phân tích nhóm tổ hợp chuyển đổi) là cốt lõi của các nhà quảng cáo và người quản lý UA.
Nó liên quan đến việc phân khúc người dùng dựa trên thời điểm họ có được sản phẩm hay đăng ký sản phẩm và nguồn. Tùy thuộc vào sản phẩm và nhu cầu phân tích của bạn, bạn có thể thực hiện việc này hàng ngày, hàng tuần hoặc hàng tháng.
Ví dụ: bạn có thể tạo một số cohort dựa trên các khu vực khác nhau và so sánh số phiên trung bình trên mỗi người dùng cho mỗi cohort, trong 30 ngày đầu tiên hoạt động của mỗi người dùng.
Giả sử bạn là người quản lý UA tại một ứng dụng về eCommerce. Bạn có thể sử dụng cohort analysis để theo dõi phong cách và kích thước của các nhóm người dùng khác nhau và xây dựng khoảng không quảng cáo của bạn cho phù hợp để tối đa hóa doanh số. Nó cũng có thể giúp bạn tạo các đề xuất được nhắm mục tiêu và khuyến mại được cá nhân hóa, điều này sẽ cải thiện lòng tin của khách hàng và xây dựng lòng trung thành.
Behavioral cohorts (Nhóm tổ hợp về hành vi)
Nếu bạn là người quản lý sản phẩm chứ không phải là chuyên gia về UA, có lẽ bạn sẽ quan tâm nhiều hơn đến các behavioral cohort.
Loại cohort analysis này tập trung vào hành động của người dùng diễn ra trong ứng dụng của bạn. Bằng cách sử dụng trình kích hoạt sự kiện đặc biệt, bạn có thể đánh giá hành vi của những người dùng khác nhau về mặt nhân khẩu học, đồng thời tối ưu hóa và cá nhân hóa các chiến dịch của mình cho phù hợp.
Ví dụ: giả sử bạn có một ứng dụng giao đồ ăn: bạn có thể thiết lập các yếu tố kích hoạt hành vi để lựa chọn món ăn và tần suất đặt hàng. Hoặc, nếu bạn điều hành một nền tảng mạng xã hội, các behavioral cohort có thể giúp bạn đánh giá các trang được theo dõi nhiều nhất bởi người dùng Tây Ban Nha hoặc các bài đăng được thích nhất bởi người dùng Ấn Độ của bạn.
Tuy nhiên… Tại sao bạn nên quan tâm đến điều này?
Nói tóm lại, cohort analysis là vũ khí bí mật của bạn khi tối ưu hóa các chiến dịch và tăng mức độ tương tác.
Chỉ khi bạn giữ các chỉ số hiệu suất của mình cạnh nhau như thế này – so sánh trên cùng một tiêu chí – thì các xu hướng và mô hình mới được phát hiện. Với những hiểu biết bạn có được, bạn có thể hoàn thiện chiến lược của mình và thực hiện các thay đổi theo thời gian thực để cải thiện sự tăng trưởng và giữ chân người dùng.
Lấy ARPU (doanh thu trung bình trên mỗi người dùng) làm ví dụ.
Chỉ so sánh ARPU trong một ngày với ARPU ngày hôm sau là không đủ, vì chúng ta cần tính đến tất cả các yếu tố và tiến hành loại bỏ những gì không liên quan. Thay vào đó, bạn nên so sánh ARPU vào các ngày tương tự trong tuần, so sánh số lượng người dùng, hoạt động và liệu có chương trình khuyến mãi nào có thể thúc đẩy mua hàng trong ứng dụng nhiều hơn hay không.
Với thông tin đó, bạn có thể điều chỉnh chiến lược của mình để tăng doanh thu.
Ưu điểm của cohort analysis
Bạn đang tự hỏi làm thế nào phân tích nhóm có thể giúp bạn nâng cao hiệu quả marketing của mình? Dưới đây là sáu cách bạn có thể áp dụng:
1 – Tối đa hóa chi phí quảng cáo của bạn thông qua những insight hữu ích
Cohort analysis giúp bạn tìm ra kênh, chiến dịch hoặc thậm chí nhóm quảng cáo nào trong chiến dịch mang lại người dùng tốt nhất và trung thành nhất.
Ví dụ, bằng cách so sánh hiệu suất của một chiến dịch UA cụ thể trên các khu vực khác nhau, bạn có thể dễ dàng nhận ra rằng một khu vực cụ thể đang hoạt động không hiệu quả. Sau đó, bạn có thể thử một số chiến lược để cải thiện tỷ lệ chuyển đổi trong khu vực đó, chẳng hạn như gửi email cá nhân mà bao gồm một ưu đãi đặc biệt hoặc mã giảm giá để kỷ niệm một ngày lễ địa phương.
2 – Chống gian lận
Gian lận quảng cáo trên thiết bị di động có thể gây thất thoát lớn cho ngân sách quảng cáo của bạn. Quay trở lại cohort analysis khu vực của chúng tôi, bạn có thể thấy rằng một khu vực có số lượt cài đặt ứng dụng cao, nhưng hầu như không có lượt khởi chạy ứng dụng nào và không có lượt mua nào. Mô hình này sẽ gióng lên hồi chuông cảnh báo: nó có thể chỉ ra sự gian lận và một đối tác đo lường di động có thể giúp bạn tìm hiểu rõ hơn về vấn đề này.
3 – Khám phá thời điểm tốt nhất để tương tác lại với người dùng
Tính thời vụ và thời gian đóng một vai trò lớn trong sự thành công của các nỗ lực marketing của bạn. Bạn cần có khả năng trả lời câu hỏi sau: “Tháng, ngày hoặc thời gian nào là tốt nhất để tương tác với người dùng của tôi?”
Ví dụ: cohort analysis có thể cho bạn thấy rằng chi tiêu của người dùng ổn định vào khoảng ngày thứ 4 ở một khu vực nhất định — đó là thời điểm hoàn hảo để lên lịch chiến dịch remarketing. Trong một số trường hợp, mỗi giờ đều có giá trị và cohort analysis có thể hướng dẫn bạn tạo các chiến dịch có thời gian tuyệt vời.
4 – Tăng tỷ lệ giữ chân người dùng với hành trình người dùng mượt mà hơn
Sử dụng cohort analysis để khám phá những vấn đề khó khăn trong quá trình đưa người dùng vào sử dụng ứng dụng, trong các bước đầu tiên, trên tường phí hoặc những cấp độ khó khăn. Bằng cách tham chiếu chéo các khu vực người dùng rời bỏ này trong ứng dụng của bạn với tỷ lệ giữ chân người dùng hàng tháng, bạn có thể biết liệu người dùng có đang giảm tại một thời điểm cụ thể hay không — sau đó đưa ra biện pháp để khắc phục.
5 – Hiểu cách các thay đổi sản phẩm ảnh hưởng đến người dùng của bạn
Khi bạn muốn khắc phục sự cố hoặc cải thiện một tính năng trong ứng dụng của mình, đừng đưa ra quyết định dựa trên phỏng đoán.
Cohort analysis có thể giúp bạn thử nghiệm A/B: thử nghiệm với các tính năng khác nhau cho các cohort analysis khác nhau và xem tính năng nào hoạt động tốt nhất. Bằng cách đó, bạn có thể triển khai các thay đổi dựa trên dữ liệu thay vì cố gắng áp đặt một cái gì đó mới cho người dùng mà không biết họ sẽ phản ứng như thế nào.
6 – Tùy chỉnh ưu đãi của bạn
Khi bạn cung cấp các sản phẩm và khuyến mãi phù hợp cho khách hàng, khách hàng sẽ có khả năng mua hàng cao hơn. Một lần nữa, cohort analysis là người bạn đồng hành của bạn.
Ví dụ: bạn có thể thấy rằng những người cài đặt ứng dụng thể dục của bạn vào tháng giêng quan tâm nhiều hơn đến việc tập luyện giảm cân, trong khi những người cài đặt vào tháng sáu thích chánh niệm hơn. Vì vậy, bạn có thể làm nổi bật nội dung phù hợp nhất cho mỗi nhóm người dùng.
Hoặc có lẽ bạn bán hàng tạp hóa và cohort analysis cho thấy rằng dòng sản phẩm chay là phổ biến nhất với nhóm dưới 25 tuổi. Trong trường hợp đó, bạn có thể nhắm mục tiêu đối tượng khách hàng này bằng một ưu đãi về các loại đồ ăn không có sữa.
Để tìm hiểu thêm về khoa học và nghệ thuật đằng sau chiến lược tương tác với ứng dụng và giữ chân người dùng – xem tại đây.
Đây là cách chúng tôi thực hiện – 3 ví dụ thực tế về cohort analysis
Ví dụ #1 – Đánh giá thành công của một chiến dịch remarketing đa vùng
Các chiến dịch có thể được địa phương hóa cho một khu vực cụ thể nhằm mang lại trải nghiệm người dùng cá nhân hơn. Ví dụ: chiến dịch mua sắm theo chủ đề cuối tuần có thể chạy ở Hoa Kỳ vào chiều thứ sáu, nhưng vào thứ năm ở Ai Cập (nơi cuối tuần bắt đầu vào thứ sáu).
Khi nói đến mua sắm, các chiến dịch remarketing thường bao gồm KPI như số lượng người dùng đã mua hàng trong ứng dụng, doanh thu mua hàng hoặc tỷ lệ phần trăm người dùng tương tác lại. Nhưng báo cáo cohort có thể cung cấp cho bạn một cái nhìn tổng quan hơn về hành vi người dùng, KPI và các chỉ số thành công.
Đối với ví dụ này, hãy tưởng tượng bạn là quản lý UA cho một ứng dụng mua sắm. Bạn đã chạy chiến dịch remarketing trên nhiều quốc gia nói tiếng Anh và bây giờ bạn muốn biết có bao nhiêu người dùng trong số đó thực sự đã hoàn tất giao dịch mua. Tiếp theo, bạn sẽ nhóm kết quả theo quốc gia để xác định địa điểm chiến dịch thành công nhất.
Hiểu được dữ liệu
Từ bảng tổng hợp, bạn có thể thấy rằng khoảng 80% trong số 14.000 người dùng đã tương tác lại với ứng dụng của bạn sau chiến dịch ở Hoa Kỳ và những người dùng này cũng đã thực hiện nhiều giao dịch mua hàng nhất.
Tuy nhiên, xem xét kỹ hơn báo cáo cohort, chúng ta thấy một xu hướng thú vị. Xem “Tổng” (bên dưới) ta có thể thấy rằng trong khi người dùng từ Canada chỉ có một nửa số lượng tương tác so với người dùng từ Úc, người dùng Canada đã chi tiêu nhiều hơn so với người Úc.
Như vậy, bằng cách nhìn vào cùng một tập dữ liệu từ một số góc độ khác nhau, bạn có thể nhận ra rằng trong khi Úc cung cấp số lượng lớn, nhưng không mang lại nhiều doanh thu. Biết điều đó, bạn có thể tăng cường chiến dịch tại Canada một cách tự tin.
Ví dụ # 2 – Đánh giá ROI của các nguồn quảng cáo cho doanh thu quảng cáo
Ứng dụng trò chơi có hai luồng doanh thu chính – mua hàng trong ứng dụng và quảng cáo trong ứng dụng – là nguồn thu nhập quan trọng cho các trò chơi hyper-casual nói riêng.
Cung cấp những insight về tất cả các luồng doanh thu, cohort analysis có thể trả lời các câu hỏi như “Nguồn quảng cáo nào thúc đẩy mua hàng trong ứng dụng nhiều nhất?” hoặc “Chiến dịch nào tạo ra doanh thu trên mỗi người dùng cao nhất ở Mexico?”
Giả sử bạn là người quản lý PPC của một trò chơi hyper-casual dựa vào quảng cáo làm nguồn doanh thu chính và bạn muốn biết nguồn quảng cáo nào đang thúc đẩy doanh thu quảng cáo nhiều nhất.
Báo cáo doanh thu quảng cáo sẽ cung cấp cho bạn cái nhìn đầy đủ về ROI của việc thu hút người dùng mới – ví dụ:
- 88.594 đô la đã được chi cho quảng cáo trên Nguồn Quảng Cáo 1, thu hút hơn 586 nghìn người dùng, cho thấy sự tăng trưởng chậm và ổn định.
- Nguồn Quảng Cáo 2 rẻ hơn đáng kể, nhưng mang lại nhiều doanh thu từ quảng cáo hơn Nguồn Quảng Cáo 1
- Một góc nhìn khác cho thấy Nguồn Quảng Cáo 2 hòa vốn vào khoảng ngày 12, trong khi nguồn Quảng Cáo 1 vẫn còn cách xa.
Trong trường hợp này, cohort analysis cho bạn thấy rằng cho dù bạn thu nhỏ bao nhiêu, Nguồn Quảng Cáo 1 vẫn sẽ hoạt động thua lỗ, vì vậy bạn có thể phân bổ ngân sách quý giá của mình cho phù hợp.
Ví dụ #3 – Đánh giá tỷ lệ giữ chân người dùng dựa trên một hành vi trong ứng dụng
Các ứng dụng cung cấp dịch vụ theo yêu cầu, chẳng hạn như gọi xe hoặc giao đồ ăn, thường có KPI thành công liên quan đến các hành vi trong ứng dụng. Tất nhiên, tải xuống là phần quan trọng, nhưng việc sử dụng thực sự của dịch vụ đó là một chỉ số tốt hơn để đánh giá chuyển đổi thành công và việc giữ chân người dùng.
Nhìn vào tỷ lệ giữ chân sẽ mang đến cho bạn một cái nhìn tổng quan từ việc tương tác đến việc sử dụng. Nó cho bạn biết nguồn quảng cáo nào thúc đẩy người dùng tương tác nhiều hơn theo thời gian và ứng dụng của bạn duy trì cơ sở người dùng hoạt động tốt như thế nào.
Hãy tưởng tượng bạn là quản lý marketing của một ứng dụng đặt xe taxi và muốn đánh giá thành công của một chiến dịch cụ thể dựa trên số lượng người dùng mới đã đặt xe sau khi tải xuống ứng dụng.
Bạn nhận thấy rằng Nguồn Quảng Cáo 1 có nhiều lượt tải xuống hơn – nhưng, khi bạn xem qua ngày 10 sau khi cài đặt, bạn phát hiện ra rằng Nguồn Quảng Cáo 2 thực tế mang lại người dùng có giá trị cao hơn và tăng tỷ lệ giữ chân, làm cho nó thành công hơn về tổng thể.
Bằng cách phân tích hành vi của người dùng cả vào ngày cài đặt và theo thời gian, bạn sẽ có được cái nhìn rõ ràng hơn về thành công về việc giũ chân người dùng của chiến dịch đó trên mỗi nguồn quảng cáo.
Nhận tin tức marketing mới nhất và những insights từ chuyên gia đến hộp thư của bạn
4 bước để đảm bảo cohort analysis thành công
Bước 1: Xác định tập câu hỏi phù hợp
Xác định KPI và các chỉ số thành công của bạn sẽ hướng bạn đi đúng hướng, vì vậy điều đầu tiên trước tiên: hãy thiết lập những gì bạn đang muốn tìm hiểu.
Bạn có muốn đo lường các chiến dịch song song để so sánh các nguồn quảng cáo không? Hoặc đo lường thành công của cùng một chiến dịch trong các khu vực khác nhau? Vậy, bạn định nghĩa thành công như thế nào?
Hãy chắc chắn tìm hiểu những câu hỏi này trước khi chuyển đến bước tiếp theo.
Bước 2: Xác định các chỉ số của bạn
Ngay khi bạn có những ý tưởng vững chắc xung quanh các câu hỏi bạn cần trả lời và các chỉ số mà bạn cần để trả lời chúng, thì bạn đã đi được nửa chặng đường.
Dưới đây là một công thức hữu ích cho các câu hỏi về cohort analysis: Nhóm người dùng có đặc điểm tương tự để so sánh hành vi và chỉ số của họ trong một khung thời gian cụ thể.
| Đặc điểm | Hiệu suất (KPIs) | Khung thời gian |
| Quốc gia | Số phiên mỗi ngày | Tháng trước |
| Nguồn quảng cáo | Doanh thu trên mỗi người dùng | 3 tuần trước |
| Chiến dịch quảng cáo | Hành vi trong ứng dụng của mỗi người dùng | 5 ngày trong tháng sáu |
Các đặc điểm là các khía cạnh mà bạn sẽ đo lường kết quả của mình. Các KPIs là các chỉ số thực tế mà bạn sẽ phân tích, và khung thời gian sẽ định ra cửa sổ cho việc đo lường của bạn.
Để tìm hiểu thêm về KPIs trong marketing ứng dụng – xem tại đây.
Bước 3: Xác định các cohort cụ thể
Đây là nơi chúng ta bắt đầu nghiên cứu thực tế.
Bây giờ là lúc để:
- Thiết lập độ chi tiết, phạm vi ngày và khoảng thời gian phân bổ
- Chọn loại cohort (như UA hoặc remarketing) và loại xu hướng (ví dụ: LTV)
- Chọn nhóm của bạn (chẳng hạn như nguồn quảng cáo) và quy mô cohort tối thiểu — để tránh làm xáo trộn báo cáo của bạn với dữ liệu không quan trọng
- Chọn bất kỳ bộ lọc bổ sung nào có thể liên quan (ví dụ: chiến dịch, loại cảm ứng phân bổ, quốc gia hoặc từ khóa)
Bước 4: Chạy phân tích cohort analysis và đánh giá kết quả
Sẵn sàng!
Hãy nhớ rằng chỉ xem các báo cáo riêng lẻ không thể cung cấp cho bạn cái nhìn tổng thể hoặc những insight hữu ích, vì vậy đừng quên chia nhỏ và phân tích dữ liệu của bạn để khám phá các xu hướng thú vị, như lượt tải xuống ứng dụng so với ROAS trên các khu vực khác nhau.
Để tìm hiểu sâu hơn một chút về cách thiết lập báo cáo cohort trong bảng điều khiển AppsFlyer của bạn – xem tại đây.
Các điểm chính
Các điểm chính
- Cohort analysis là quá trình lấy một nhóm lớn người dùng (hoặc khách hàng) và chia nhỏ nó thành các phân khúc nhỏ hơn có các đặc điểm chung nhất định trong một khoảng thời gian cụ thể.
- Bằng cách so sánh “apples to apples” (so sánh dựa trên cùng tiêu chuẩn), cohort analysis cung cấp cho bạn bức tranh đầy đủ hơn về thành công marketing của bạn và cách các nhóm người dùng cụ thể tương tác với ứng dụng của bạn theo thời gian. Những insight chi tiết này giúp bạn điều chỉnh các chiến lược của mình để tăng doanh thu.
- Bạn có thể sử dụng cohort analysis để tối ưu hóa các chiến dịch UA, cũng như để cải thiện tỷ lệ giữ chân và LTV. Tùy thuộc vào mục tiêu của bạn, bạn có thể muốn phân tích UA hoặc cohorts dựa trên hành vi người dùng.
- Sau khi bạn biết điều gì cần tìm hiểu và cách nhìn nhận nó, các báo cáo cohort analysis sẽ cung cấp cho bạn tất cả dữ liệu cần thiết để trả lời các câu hỏi về UA và việc giữ chân người dùng.
- Các insight bạn thu được từ cohort analysis có thể giúp bạn phân bổ ngân sách marketing một cách hiệu quả hơn, tùy chỉnh ứng dụng và thời gian cho các chiến dịch để tăng tương tác tối đa. Chúng cũng có thể tạo ra trải nghiệm người dùng tốt hơn và giúp chống lại gian lận.
- Các tình huống mà bạn có thể sử dụng cohort analysis bao gồm đánh giá sự thành công của chiến dịch theo khu vực, so sánh ROI qua các nguồn quảng cáo khác nhau và đánh giá việc giữ chân qua các hành vi trong ứng dụng.
- Trước khi thực hiện một cohort analysis, bạn cần xác định câu hỏi bạn đang đặt ra và các chỉ số bạn muốn xem. Sau đó, xác định các cohort cụ thể của bạn, thực hiện phân tích và đánh giá kết quả.
